【
仪表网 仪表下游】导读：IBM研究人员与迈克尔-J-福克斯基金会合作，利用AI帮助预测帕金森病的进展。该小组最近发表了新的研究，重点是一个新的人工智能模型，将帕金森病的典型症状模式分组。该模型可以通过寻找已知症状的时间和严重程度来预测疾病的进展。该模型通过从纵向的病人数据中学习来预测时间和严重程度。
新人工智能模型的细节发表在《柳叶刀 - 数字健康》上，研究人员指出，该模型可以通过利用纵向病人数据来预测疾病的时间和严重程度，纵向病人数据是随着时间的推移收集的病人临床状态的描述。研究人员说，他们的目标是利用人工智能来帮助病人管理和临床试验设计。新人工智能的目标是利用机器学习从大量的病人数据中学习，并为临床医生和研究人员提供一个更好的工具来预测个别病人的症状进展。
研究人员指出，人工智能使用的患者数据已经去掉了身份识别。能够获得这样一个庞大的数据集对于机器学习模型的成功至关重要。过去的研究专注于使用基线信息来描述帕金森病的特征。然而，新方法依赖于长达7年的患者数据。尽管该疾病的进展途径多种多样，但人工智能模型可以做出准确的预测。
人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。
智能辅助诊疗（电子病历/文献分析）
人工智能利用机器学习和自然语言处理技术自动抓取病历中的临床变量，智能化融汇多元异构的医疗数据，结构化病历、文献生成
标准化的数据库，将积压的病历自动批量转化为结构化数据库。基于医院电子病历等系统，对患者信息推理，自动生成针对患者的精细化诊治建议，供医生决策参考。
应用场景：病历结构化处理、多源异构数据挖掘、临床决策支持。
智能影像识别 影像AI
利用人工智能技术可以帮助医生对医学影像完成各种定量分析、历史图像的比较或者可疑病灶的发现等，从而高效、准确地完成诊断。
应用场景：CT、视网膜眼底图、X射线、病理、超声、
内窥镜、皮肤影像等，
智能药物研发AI
新药的开发流程可以分为药物发现、临床前开发和临床开发三个部分。现代药物发现在技术上可以分为三个阶段：靶点的发现和确证、先导物的发现、先导物的优化。人工智能主要应用于新药发现和临床试验阶段。
现代通信与信息技术、计算机网络技术、行业技术、智能控制技术、人工智能技术在医疗器械上的应用。但智能化医疗器械不只是拥有智能功能的普通医疗器械，可以摆脱对医生操作的依赖，通过机器学习等底层技术实现自我更新迭代。一方面帮助医生节省工作量，另一方面提高器械使用的精准度。
智能健康管理
随着各种检测技术(如可穿戴设备、基因检测等)的发展，个人健康数据越来越多、越来越复杂，包括生物数据(如基因等)、生理数据(血糖血压等)、环境数据(每天呼吸的空气)、心理状态数据、社交数据以及就诊数据(个人就医、用药数据)等。这些数据汇聚在一起，利用人工智能技术进行分析，可以对潜在健康风险做出提示，并给出相应的改善策略，最终可以实现对健康的前瞻性管理。
利用人工智能技术，依据历史就医数据以及行为、医学影像、生化检测等多种结果进行综合分析和判断，或者依据某个长期形成的单一数据进行疾病预测。
虚拟助理
利用人工智能技术，通过对医疗健康大数据的学习或挖掘，在”理解“用户需求的前提下，按照要求输出相关的医学知识和信息，辅助人们进行健康管理或就医问药。通过语音识别自然语言处理等技术 将患者的病症描述与标准的医学指南做对比，为用户提供医疗咨询、自诊、导诊等服务的信息系统。
应用场景：个人问诊、用药咨询、导诊机器人、分诊和慢病管理、电子病历语音录入等。
物流机器人：医院面临物资运送量大、业务场景复杂、护士工作强度大，医院空间小、狭窄通道多、人流量大。基于医院环境感知与自主学习、智能变速的RAMP绕行技术、高容错率的多机调度、自动乘梯、自动装卸等，提高医院运营效率。
资料来源：cnBeta.COM
本站客户服务
仪表网官微
仪表APP
仪表手机版
仪表小程序
