【儀表網 儀表下游】導讀：IBM研究人員與邁克爾-J-福克斯基金會合作，利用AI幫助預測帕金森病的進展。該小組最近發表了新的研究，重點是一個新的人工智能模型，將帕金森病的典型癥狀模式分組。該模型可以通過尋找已知癥狀的時間和嚴重程度來預測疾病的進展。該模型通過從縱向的病人數據中學習來預測時間和嚴重程度。
新人工智能模型的細節發表在《柳葉刀 - 數字健康》上，研究人員指出，該模型可以通過利用縱向病人數據來預測疾病的時間和嚴重程度，縱向病人數據是隨著時間的推移收集的病人臨床狀態的描述。研究人員說，他們的目標是利用人工智能來幫助病人管理和臨床試驗設計。新人工智能的目標是利用機器學習從大量的病人數據中學習，并為臨床醫生和研究人員提供一個更好的工具來預測個別病人的癥狀進展。
研究人員指出，人工智能使用的患者數據已經去掉了身份識別。能夠獲得這樣一個龐大的數據集對于機器學習模型的成功至關重要。過去的研究專注于使用基線信息來描述帕金森病的特征。然而，新方法依賴于長達7年的患者數據。盡管該疾病的進展途徑多種多樣，但人工智能模型可以做出準確的預測。
人工智能是引領新一輪科技革命和產業變革的戰略性技術，具有溢出帶動性很強的“頭雁”效應。
智能輔助診療（電子病歷/文獻分析）
人工智能利用機器學習和自然語言處理技術自動抓取病歷中的臨床變量，智能化融匯多元異構的醫療數據，結構化病歷、文獻生成標準化的數據庫，將積壓的病歷自動批量轉化為結構化數據庫。基于醫院電子病歷等系統，對患者信息推理，自動生成針對患者的精細化診治建議，供醫生決策參考。
應用場景：病歷結構化處理、多源異構數據挖掘、臨床決策支持。
智能影像識別 影像AI
利用人工智能技術可以幫助醫生對醫學影像完成各種定量分析、歷史圖像的比較或者可疑病灶的發現等，從而高效、準確地完成診斷。
應用場景：CT、視網膜眼底圖、X射線、病理、超聲、內窺鏡、皮膚影像等，
智能藥物研發AI
新藥的開發流程可以分為藥物發現、臨床前開發和臨床開發三個部分。現代藥物發現在技術上可以分為三個階段：靶點的發現和確證、先導物的發現、先導物的優化。人工智能主要應用于新藥發現和臨床試驗階段。
現代通信與信息技術、計算機網絡技術、行業技術、智能控制技術、人工智能技術在醫療器械上的應用。但智能化醫療器械不只是擁有智能功能的普通醫療器械，可以擺脫對醫生操作的依賴，通過機器學習等底層技術實現自我更新迭代。一方面幫助醫生節省工作量，另一方面提高器械使用的精準度。
智能健康管理
隨著各種檢測技術(如可穿戴設備、基因檢測等)的發展，個人健康數據越來越多、越來越復雜，包括生物數據(如基因等)、生理數據(血糖血壓等)、環境數據(每天呼吸的空氣)、心理狀態數據、社交數據以及就診數據(個人就醫、用藥數據)等。這些數據匯聚在一起，利用人工智能技術進行分析，可以對潛在健康風險做出提示，并給出相應的改善策略，最終可以實現對健康的前瞻性管理。
利用人工智能技術，依據歷史就醫數據以及行為、醫學影像、生化檢測等多種結果進行綜合分析和判斷，或者依據某個長期形成的單一數據進行疾病預測。
虛擬助理
利用人工智能技術，通過對醫療健康大數據的學習或挖掘，在”理解“用戶需求的前提下，按照要求輸出相關的醫學知識和信息，輔助人們進行健康管理或就醫問藥。通過語音識別自然語言處理等技術 將患者的病癥描述與標準的醫學指南做對比，為用戶提供醫療咨詢、自診、導診等服務的信息系統。
應用場景：個人問診、用藥咨詢、導診機器人、分診和慢病管理、電子病歷語音錄入等。
物流機器人：醫院面臨物資運送量大、業務場景復雜、護士工作強度大，醫院空間小、狹窄通道多、人流量大。基于醫院環境感知與自主學習、智能變速的RAMP繞行技術、高容錯率的多機調度、自動乘梯、自動裝卸等，提高醫院運營效率。
資料來源：cnBeta.COM
所有評論僅代表網友意見，與本站立場無關。