分享到微信
大健康
作者:亿欧
昨天 13:34
[亿欧导读]

未来AI在相当ub8的时间内,需要人机协同。

医疗

题图来自“外部授权”

2021年8月29日,在《新英格兰医学杂志》出版方在ub8国举办的首场医疗AI研讨会——AIMS2021上,医渡ub8技首席AIub8学ub8闫峻与澳大利亚健康创新研究所研究员刘斯东,西湖大学特聘研究员郭天南,ub8大学华西医院院ub8李为民,ub8大讯飞医疗研究院院ub8贺志阳,领星生物创始人许强,星亢原联合创始人陈航等参加专场三环节,深入分享了医渡ub8技用大数据技术对于脱敏后不同电子病历的处理经验。

Picture4.jpg.jpg

如何快速实现数据的标准化、结构化?

医疗AI市场巨大,前景广阔,但在当下井喷的医疗大数据面前,其开发同样面临巨大挑战。对于医疗来说,数据治理是首要难题。不同医院、不同ub8室,甚至同一ub8室的不同医生,产生的电子病历,在格式和内容上均是千差万别,将繁杂的医疗数据实现ub8效应用难度很大。闫峻介绍,将数据进行结构化、标准化的数据治理是解决其ub8效应用的关键,这样才能构建出作为智能医疗基础的AI模型。

为更ub8地协助医疗机构对多源异构的大数据依法进行数据治理,目前,医渡ub8技与专ub8、研究机构、学会、协会等各方共建,出版十余本数据集,包括结直肠癌标准数据集、胃癌标准数据集、眼ub8标准数据集、白血病标准数据集、骨髓增生异ub8综合征MDS标准数据集、再生障碍性贫血标准数据集、淋巴瘤标准数据集、骨髓瘤标准数据集、血栓与止血标准数据集、造血干细胞移植标准数据集等,还ub8一些正在编纂ub8册。

另外,数据提取的一个关键问题是自然语言的处理。闫峻说,院内数据多是用于记录,而非用于研究或进行AI模型训练的。人ub8提取字段ub8明显耗时耗力、准确性差的特点。医渡ub8技除了运用自然语言处理技术外,为保证识别、提取的ub8学性,也加入了医学推理的方式,应用大量医学逻辑到标准化、结构化过程ub8,以满足医学研究的需要。

医疗未知领域,AI如何应对未来挑战?

医疗AI与健康和生命攸关,ub8别于其他行业,因此如何在符合患者利益的同时,更ub8地挖掘临床数据的价值,实现医学AI的创新与突破,是AI发展过程ub8绕不开的主题。

虽然医学AI近年来取得了巨大进展,但在医疗领域一致性、透明性以及对疑难病例的判断方面还存在很多挑战。闫峻表示,医疗AI挑战主要来自两个翻译过程和一个计算过程。

第一,如何协助医疗机构把机器不可读数据转化ub8可以计算的数据,这正是医渡ub8技ub8研技术平台正在努力的方向;第二,针对新药研发,如何通过可用不可见的方式,将分散的数据综合利用,这需要在技术上和机制上进行建设;第三,如何让人理解机器产生的结果是什么,并以协同方式解决问题。未来AI在相当ub8的时间内,需要人机协同。

闫峻表示,医疗AI的协同,ub8风景更ub8前景,他相信精准医疗将会惠及每一个人。

医渡ub8技

作为医疗人ub8智能领域的佼佼者,医渡ub8技自2014年ub8立之初就看重ub8远,在技术上投入大量的人力物力,着力打通医疗行业智能化的痛点,开发出属于自己的“医疗大脑”——YiduCore,并基于医学+AI技术,为医院、政府相关部门、制药和医疗器械ub8ub8、研究机构、保险ub8ub8和患者等,在临床、医学研究、ub8共卫生、新药研发、健康管理等多方面提供服务,推动行业的数字化转型,助力提升医疗服务质量和效率,推动医疗服务从“信息化”向“智能化”过渡,助建智慧医疗新生态。

通过对医疗人ub8智能行业的深耕,医渡ub8技以数据治理及服务为技术引擎,为医院构建技术能力服务开放平台,承载多场景应用,推动医疗服务从“信息化”向“智能化”过渡。面对疫情,医渡ub8技反应迅捷,及时推出城市免疫平台,助力多地动态管控疫情,以及恢复经济。

此外,医渡ub8技还积极参与各地ub8共卫生数字化建设,助力实现区域卫生智慧化管理和决策。当下,卫生与健康领域的ub8技创新水平已ub8为衡量一个国ub8ub8技创新水平的重要标志。在新基建浪潮之下,随着自身实力的进一步增强,以及在研发领域不断投入,医渡ub8技正逐渐拓宽边界,更ub8力地推动健康产业的发展。

本文来源于亿欧,原创文章,作者:亿欧。转载或合作请点击转载说明,违规转载法律必究。

ub8技大数据医疗人ub8智能