Markedstendenser for induktorer ： udsigtsanalyse af kunstig intelligens inden for medicinsk område
Jan 06, 2020
Læg en besked
Hvad er fordelene ved AI kombineret med medicinsk billeddannelse?
I de senere år, med den hurtige udvikling af mobilt internet, internet af ting og andre nye teknologier, bliver mængden af data genereret af forskellige terminalenheder større og større. I henhold til de relevante agenturers forudsigelse vil mængden af store data stige til 44zb i 2020. Det er underforstået, at op til 80% af disse data kommer fra ustrukturerede data såsom tekst, billede, video osv. På grund af teknisk flaskehals, kan det eksisterende IT-system ikke genkende disse ustrukturerede data, så disse data ligesom "skrald" bliver værdiløse. Den kognitive teknologi til kunstig intelligens er et uundgåeligt produkt fra big data-æraen. Det kan ikke kun identificere et stort antal ustrukturerede data, men også give dataindblik (kognitiv computing er et koncept foreslået af IBM. Fra et teknisk synspunkt har kognitiv computing og kunstig intelligens meget til fælles, såsom maskinlæring, dyb læring og andre aspekter er meget ens, men kun kunstig intelligens Som en dimension af kognitiv computing lægger kunstig intelligens vægt på at gøre maskiner mere menneskelige, mens kognitiv computing fremhæver resonnement og læring, og hvordan man kombinerer sådanne evner med specifikke forretningsapplikationer og løser forretningsproblemer Shi Dongfeng, en serverløsning til IBMs Greater China hardwaresystem, sagde engang, at kognitiv computing er en måde at tænke og opfatte verden "som mennesker" med tre enestående egenskaber ved forståelse, resonnement og læring og være i stand til at forstå forskellige former for ustrukturerede data, så de genererer datainsigt, hjælper virksomheder hurtigt med at gå i indsigt fra komplekse massive data og træffe mere præcise forretningsbeslutninger.
Faktisk har nogle højteknologiske virksomheder i ind-og udland brugt disse avancerede teknologier, såsom kognitiv computing og dyb læring, inden for medicinsk billeddannelse, og der har været en "robotlæge" med IBM's "Dr. Watson" som den mest repræsentative. På baggrund af indenlandsk medicinsk information og hierarkisk diagnose og behandling vokser markedsområdet for kunstig intelligens og medicinsk image.
For læger er hukommelseskapaciteten og hjernens tid begrænset. De fleste læger kan ikke læse og forstå de sidste titusinder af forskningsartikler, hvad så meget mindre at huske de titusinder af sygdomme, som mennesker kan lide af. Men for forskellige AI kan "robotlæge" kontinuerligt lære af et stort antal medicinske opslagsbøger, medicinske magasiner, kliniske diagnosemanualer, medicinske elektroniske poster, til de elektroniske medicinske poster, der er nævnt i Encyclopedia, ordbøger, bøger, nyheder og endda filmmanuskripter gennem dyb læringsteknologi og kan gemme næsten al den seneste medicinske viden til tiden. Derudover kan robotlæger anvende det, de har lært. Gennem kognitiv analyseteknologi med de massive data, der er indsamlet fra forskellige kanaler, kan de hurtigt give "udtalelser" for at guide læger til at træffe beslutninger om diagnose og behandling og vil ikke føre til manglende diagnose eller fejldiagnose på grund af menneskelige følelser. På samme tid kan patienter få medicinske tjenester hurtigere, og medicinske institutioner kan også spare omkostninger.
Før det har den kognitive analyse af mere end 90% ustrukturerede medicinske billeddata altid været tom, fordi det involverer medicinsk billedanalyseteknologi for stor data og kognitiv computerteknologi med høj teknisk tærskel, og kognitiv teknologi udgør bare dette tekniske hul , så den kommercielle værdi af kunstig intelligens inden for det medicinske image kan ikke ignoreres. I henhold til de oplysninger, som IBM har givet, i fremmede lande, allerede i 2014, har IBM's "Dr. Watson" været ansat i MD Anderson Cancer Center i USA og er blevet hyldet som "den bedste kræftekspert i fremtiden. "og" medicinenes gud ". Det anslås, at Watsons diagnostiske nøjagtighed er 73%.
Kombinationen af kunstig intelligens og medicinsk image har mange fordele, herunder patienter, læger og medicinsk behandling. For patienter kan de gennemføre sundhedsundersøgelsen hurtigere, få mere nøjagtige diagnoseforslag og personaliserede behandlingsforslag; for læger kan de reducere læsetiden, hjælpediagnosticering, reducere sandsynligheden for fejldiagnose og få mulige bivirkninger; til medicinsk behandling kan dybdegående læring forbedre forberedelsesgraden og systematisk reducere de medicinske omkostninger.
AI hjælper bærbar medicinsk behandling hurtigt med at lande?
ABI-forskning, en markedsundersøgelsesorganisation, forudser, at den bærbare enhedsindustri vil komme ind i perioden med eksplosion og popularisering i de næste fem år. Det anslås, at den samlede forsendelsesvolumen på bærbare enheder vil nå 485 millioner enheder i 2018, svarende til salgsskalaen på 19 milliarder dollars. Det kan ses, at markedspladsen til bærbar enhed er enorm. Ahadome forudsiger, at bærbar teknologi tegner sig for mindst 50% af bærbare apparater inden for sundhedsområdet. Det kan siges, at medicinsk behandling er det mest lovende anvendelsesområde for bærbare apparater, som i fremtiden vil blive "undergravet".
Forholdet mellem kunstig intelligens og bærbart medicinsk udstyr er ganske "tæt", hvilket spiller en rolle i at fremme den hurtige landing af bærbart medicinsk udstyr. Bærbare apparater vil bringe en revolution i industrien til medicinsk udstyr, der ikke kun kan overvåge blodsukker, blodtryk, hjerterytme, blodoxygenindhold, kropstemperatur, åndedrætsfrekvens og andre menneskelige sundhedsindikatorer når som helst og hvor som helst, men også bruges til behandling af forskellige sygdomme Det kan endda bruges til at overvåge forskellige kroniske sygdomme.
For mere information, kontakt os på sales@xfullstar.com