医疗保健中的AI:生命的当前和未来进展

变老,变年轻,变年轻 happier

您上次去医院是什么时候?您还记得您面对的一堆纸,您归档的表格以及医生用来写下您的诊断的系统吗?

随着医生的平均年龄为51岁,创新在医疗保健行业的采用速度很慢[1]。 

隐私和法规也面临着挑战。尽管互联网具有内在的共享性质,但是特定于人类的信息和数据变得更加难以访问。这会产生本地化的专业知识,同时禁止共享和集中提供最佳治疗方案。

尽管如此,在机器人技术,机器学习和生物技术的当前推动力下,创新力量推动医疗保健行业更接近采用。避免停滞和适应势在必行。

机遇景观

儿童机器人陪伴者,个性化用药,早期诊断,中风治愈,高精度手术以及较快的10倍药物开发速度。在医疗保健领域可以看到许多令人振奋的发展。 

准备好仔细看看了吗?

#1 – Operation & Robotics

新兴技术之一是使用由医生操作的高精度机器人工具。 

达芬奇手术系统

由于医生在准确性和屏幕上可用信息方面的显着提高,患者可从减少的痛苦,减少的血流,降低的感染风险以及最终的住院时间缩短中受益,从而更快地恢复正常活动。 

尽管机器人技术为例行程序集成了必要的智能功能,但它们与自我执行无关,而更多地是为医生提供最高精度和灵活性的必要工具。

到目前为止,涵盖了心脏,胆固醇,妇科,一般,头颈部和胸部等手术类型。 [2]

#2 —保养& Robotics

随着老年人数量的不断增长,护理和托儿所在人力资源需求与其供应之间存在巨大差距。除了老年护理外,该声明也适用于医院的儿童护理。

因此,以负担得起的可扩展解决方案重塑老年人和儿童保育是一个主要目标。

罗宾!来自Expper.Tech

像上图所示的Expper 科技类的Robin这样的机器人同伴目前正在加利福尼亚州洛杉矶的最大医院中就读。 

洛杉矶医院的医学专家报告说,罗宾的设计非常适合儿童,对儿童具有吸引力,基于AI的情商帮助罗宾建立类似于人的对话。

罗宾(Robin)开玩笑或玩互动游戏时,通常会在住院期间遭受创伤的儿童会感到很开心。此外,首席执行官罗宾(KarénKhachikyan)在我们进行的一次采访中分享了罗宾(Robin)有关即将到来的医疗程序的信息,这些程序因此看起来似乎并不那么恐怖,并将准备孩子的时间减少了40%。

#3 —患者的诊断和治疗

早期和个性化诊断是医疗保健创新中非常热门的主题之一。

想象一下,您去看医生进行例行检查。即使您感觉完全健康,医生也可能会确定2型糖尿病可能会进一步发展到一个拐点。因此,可以尽早规定适当的治疗方法。 

然而,治疗处方最终是风险管理,其中一种风险是以经济或健康为代价来预测潜在的未来疾病是错误的。 

但是,如果正确识别出该疾病,则第二个新兴趋势是个性化治疗。每个人对医学的反应都不一样。因此,以正确的剂量开出正确的产品可能会节省大量成本,提高有效性,并完美过渡到下一章。

#4 —基因组学

建立个性化的治疗基因组学为确定患者的最佳剂量和药物提供了基础。

研究,例如 药物反应中的种族和种族差异全国医学协会研究表明,不同种族和个人之间的遗传变异会影响某些药物的有效性以及人们对这些药物的反应。

因此,机器学习可用于确定最有效的药物剂量,从而降低患者和医护人员的医疗费用。

此外,疾病的倾向性有助于了解疾病发生的可能性。 

#5 —药物开发 Pharma

到目前为止,我们已经涵盖了早期诊断和个性化治疗,这可能会导致药物的新发展。最大的问题:从药物开发到上市至少需要10年的时间[3]。

使用AI可以大大加快这一过程。

大型制药公司目前使用AI的主要领域是从了解疾病的机理开始,这有助于生成数据和模型以进一步获取知识。此外,现有药物可以重新利用,可以生成,验证和优化新的候选药物。另一个领域是临床前实验和临床试验,其中AI被用于设计,募集和优化。 

假设通过机器学习增强了从发现药物到进入市场的所有步骤,则整个过程可能会从十年缩短到仅仅一年[4,5]。 

#6 —脑 Research

最后介绍的领域是大脑研究,那里的事物变得疯狂! AI不仅有益于神经科学,而且神经科学也有益于AI。

让’从用于神经科学的AI开始!

第一个令人兴奋的领域是使用AI解码大脑。非侵入性脑电图脑电图)通常用于衡量大脑行为。

借助EEG,我们可以观察试图移动手臂时大脑的哪些区域被激活。假设患者心脏病发作,幸运地醒来后,他或她无法移动手臂。

为了重新学习手臂运动,我们现在可以训练一个人工神经网络,并确定手臂运动区域对哪些输入或刺激最敏感。类似地,然后可以将这些输入提供给患者,以增强手臂运动的适应性。 

为了进一步提高大脑激活的准确性,必须采用侵入性技术,以帮助追溯源信号以识别核心特征及其如何转化为精神状态。一种采用侵入性技术的新兴公司是Neuralink [6]。 

常见用例是脑部疾病(如老年痴呆症)的早期诊断’或创伤或相关领域的恢复分析。

为了将脑研究应用于AI,研究了人类的学习行为,以推断未来如何训练人工神经网络。除了强化学习(通过奖励功能重复执行任务以激励正确方向的学习)以外,其他技术也在不断发展,这些技术可以帮助AI概括并像人类一样学习更多。

如有其他问题,请随时通过邮件与我们联系或进一步了解。 AI机会与安全的相关文章.

进一步阅读: 旅行中的AI– Why it’是时候注意了!

致谢

KarénKhachikyan-per Expper.Tech的首席执行官- 技术专家和罗宾, 领英
Egor Revkov-基因组学博士学位&新加坡国大的计算机科学— 领英
Tushar Chouhan —计算机博士学位&新加坡NTU的神经科学— 研究Gate

参考文献

[1] — 医师变老
[2] —达芬奇手术
[3] — 药物开发持续时间
[4] — 药物增强领域
[5] — 药物发现过程
[6] — 神经链

Image Credits
精选 Image: Photo 通过 Laura Ring Photography on 销terest
In-post Photo: Pictures created 通过 author, July 2020, as well as Unsplash.com or linked below image

编辑助理

我是新加坡南洋理工大学的博士研究生。对自治系统,教育,全球化,商业和企业家精神充满热情。我的任务是通过增强健壮性并与行业领导者和政府沟通机会和风险,建立对人工智能系统的信任。我一直热衷于联系和交流想法。

按照这里 人工智能的思想,出版和工作

个人网站

关于大卫·贝伦德

我是新加坡南洋理工大学的博士研究生。对自治系统,教育,全球化,商业和企业家精神充满热情。我的任务是通过增强健壮性并与行业领导者和政府沟通机会和风险,建立对人工智能系统的信任。我一直热衷于联系和交流想法。 Follow here for 人工智能的思想,出版和工作 个人网站

查看David Berend发表的所有帖子→