人工智能在医疗中有很多应用场景,包括医学影像、基因组信息处理、药物研发、健康数据管理、导诊机器人等等。临床诊疗方面的应用对现有医疗实践影响最显著,所以最受关注。IBM WATSON这种试图根据患者信息,推荐治疗方案的应用,只是其中一种,也不是主流。目前在临床方面,医疗人工智能多与医学影像相关,着重在为医生提供各式工具,或优化已有影像工具,以帮助他们诊断或治疗。
比如,人工智能诊断工具可以从医学影像中识别人眼看不见,或者容易看漏的病灶。在这方面,根据CT影像识别肺结节筛查肺癌,是目前最常见的应用之一。也有团队在用机器学习提升医学影像的成像速度和质量。照过X光片的人,可能记得,医生会让病人屏住呼吸。这样做的目的,是为了防止呼吸运动影响成像。X光成像只需几秒钟,但正电子发射计算机断层扫描(PET)通常要进行十几分钟,就不是屏住呼吸能解决的了。目前很多研究团队,通过自动门控技术,修复呼吸对PET成像的影响。还有一些应用是通过人工智能帮助患者避免不必要的手术。外科大夫在为结直肠癌病患做手术前,会为患者做一个辅助化疗,以控制癌症的发展,之后再进行手术。一部分病患在辅助化疗以后,病情已经完全缓解,但医生无法判断患者体内是否还有癌细胞。
由于目前的人工智能产品都只针对单项任务,对医生的帮助有待观察。比如,腾讯觅影针对肺部的影像,识别肺结节。但从目前来看,IBM WATSON医疗人工智能的商业前景还不明朗。现在还缺乏比较好的商业模式,基本都没有产生盈利,基本上还在探索商业模式及利用数据完善产品。在这个意义上,目前人工智能对医院数据的依赖,要大于医院对人工智能系统的需求。
详情请访问 肿瘤 http://m.kangantu.org/
2020-10-23
2020-10-23
2020-10-23
2020-10-23
2020-10-23
2020-10-23
2018-11-15
2017-10-26
2018-11-14
2018-11-16
2018-11-14
2018-11-15