斯坦福大学AI100报告：“人工智能+医疗”并列场景

2014 年，斯坦福大研习重启了“AI100”新项目，即“人脑百年资料数据分析”。该新项目集结了各教育领域顶尖的资料数据分析执法人员，旨在资料数据分析并资料数据分析人脑将如何演进，及其对有机体和社亦会的影响。“人脑+低收入护理”一直被视为兼具宏观经济经济效益的新兴教育领域。将来几年，基于人脑的子系统设计程序再一非常佳数百万人的身体病情和与世隔绝精确度，并小型化医务工作者和病症间的交流方式则。动脉网转译了AI100调查结果中都与低收入有关的以外，本文的主要内容仅限于：病理生态环境： AI助理借助终端化问诊报表；低收入数据分析： 管理工作病理历史记录和病症资料、终端投影解析；低收入AI： 人机工程研习+终端终端化；位数低收入： 来进行生物鉴别子系统设计，提供全都方位劝告；高龄眼科： 多项创新性子系统设计为在家与世隔绝提供不方便。“AI+低收入”的主要子系统设计教育领域仅限于：病理决策支持、病症防范和监督、专用手术后、病症眼科的终端化器材以及低收入护理子系统的管理工作等。例如，来进行留言板媒体来推断出确实不存在的身体健康风险，来进行的设备研习习来资料数据分析结核病以及通过AI来专用手术后。然而，如何提**神科、护士和病症的器重，如何扫除政策、法令以及娱乐业上的阻碍，这些都是需彻底解决的难题。与在其他教育领域一样，资料都是关键的推动者。从个人防范器材补足并能移动子系统设计程序、病理生态环境中都的电子的产品身体健康历史记录(EHR)到低收入AI，资料数据分析执法人员近十年，在收集有用低收入资料多方面，夺得了很大进步。但即使如此，特别执法人员很难来进行这些资料为单个病症和病症群体提供非常高效率的病人和外科手术后。取而代之的高标准和激励机制都阻碍了的产品的研发和上市。在相当可观且复杂的低收入卫生中都，互动式方式则不完善以及子系统设计子系统设计不存在瓶颈和风险，都为人脑用到低收入教育领域促使了终究。通过提高或扫除这些阻碍，补足大大的创新性，数百万人的身体病情就能得到非常佳。病理生态环境：AI助理借助终端化问诊报表几十年来，人脑涡轮机的病理精神科助理这一术语大大被重申诉讼。尽管有些“AI+低收入”的试点新项目夺得了获得成功，但现今的低收入卫生基本上始终必需适应这一子系统设计。平价低收入法案中都的激励采取措施加速了电子的产品身体健康历史记录(EHR)在病理实践中都的子系统设计，但实施视觉效果不佳，也让病理精神科对其直接性归因于了批评。其中都不存在的难题仅限于，一小以外新公司控制着EHR市场，以及公众公认用户界面不符合要求，比如精神科通常亦会相反的跳到窗口。由于以上难题以及控管多方面的要求，通过人脑，来进行EHR的资料进行数据分析的愿景，在很大程度上仍未借助。在将来15年，如果人脑演进并能，补足足够多的资料以及合适的子系统，就再一非常佳病理精神科的工作效率。现今，按照互换报表，病症亦会先对征状进行具体内容描绘出，然后精神科们再将征状与未知结核病的病理表现联系大大的。如果以上报表借助了终端化，那么精神科可以监督问诊全过程，运用科学知识和思维来监督输入全过程，并评核的设备的终端控制器。精神科的“实践”科学知识仍将至关极其重要。而其中都，最大的终究在于，如何将突显的眼科与终端化推理全过程转化大大的。为了达到最佳视觉效果，病理精神科必需在一开始就进行进去，以确保子系统的较长时间运行。现今，同类型精神科并未精通这些子系统设计，并开始在并能移动器材上用到除此以外的子系统设计程序。与此同时，初级护理精神科的工作量亦会大幅地进一步提高。但是，只要彻底解决控管、权利和社亦会多方面的难题，就能相当大地非常佳病理的数据分析，其中都仅限于开发属于自己研习习方法、通过终端数据分析科研习文献资料来创始结构化的推理来进行、通过民主自由互动的形式来创始感知助理等。低收入数据分析：管理工作病理历史记录和病症资料、终端投影解析人脑可以数据分析数百万条病症病理历史记录，从而借助非常恰当、非常全都方位的病人和外科手术后。随着全都基因序列PCR已是病症的基本上检查和，等位基因-表型的特别性数据分析也将已是确实。比如，可以通过类似群组数据分析，即找到“类似于病症”，来要求外科手术后方案。通过留言板横跨平台以及传统或非传统的低收入资料，来要求病症分组。而每都由都有一个除此以外的子系统进行管理工作，子系统由低收入服务提供者以及终端提拔和防范子系统组成。如果将这一子系统设计用到数亿人的病理历史记录，就确实从根本上非常佳低收入服务。此外，人脑子系统设计也可以提供全都方位的低收入服务，比如，通过可配戴器材终端提供个人生态环境资料，以归因于全都方位的数据分析和劝告。现今，ShareCare等新公司正在将这一子系统设计用到低收入场景。然而，想要借助并能创新性，始终需克服许多瓶颈。FDA在批文创新性病人软件多方面十分瓶颈较快；HIPAA法案(身体健康保险装载和责任法案)要求保护病症防火墙，这就为通过人脑子系统设计用到病症资料设置了权利盲点。批文的类固醇或的产品确实亦会注意到意料之外的影响，比如，可用数据分析类固醇电磁力的并能移动子系统设计程序亦会被禁止从病症历史记录中都抽取必需的讯息。总的来说，由于考虑到并不一定的防火墙保护方法和基准，低收入教育领域的人脑资料数据分析和创新性受到了阻碍。FDA迟迟没有批文创新性软件，以外诱因是只能折衷这些子系统的开销与经济效益。如果控管部门(主要是FDA)似乎，上市后调查结果可以直接避免某些安全和都风险，那么它们确实亦会非常快地批文属于自己外科手术后方式则和干预采取措施。几十年来，终端投影解析一直是一个兼具宏观经济经济效益的教育领域。而这一教育领域夺得的十分瓶颈都引发了相当大的关心，比如解析大量标记较弱的投影(如从网络上截取的大型照片)。以前，医研习投影的解析并未夺得如此大的十分瓶颈。因为大多数医研习超声方式则(CT、MR、超声)所谓上都是位数化的，投影都进行了存档，而且有大型的、子系统设计成熟的新公司(如AEG、EMI、通用电气等)除此以外从事超声资料数据分析。但到以前，始终不存在一些盲点，限制了这一教育领域的演进。大多数公立医院的投影解密在过去十年才位数化。非常极其重要的是，彻底解决医研习难题，依靠的并比如说是鉴别投影中都的东西，而是对其作出恰当的判断。而这些高风险的判断都亦会受到严格的控管。即使有了最先进的子系统设计，放射科精神科确实还是需拍照投影，因此其判定的结果仍不具有说服力。此外，低收入护理法令禁止横跨部门的资料共享。因此，只有像Kaiser Permanente这样的大型中心等低收入部门才能彻底解决以上难题。尽管如此，终端/大幅进一步提高投影解析这一教育领域仍演进并能。在将来15年，确实不亦会注意到无论如何都终端化的放射研习，但对于投影“分流”或二级检查和的初步试图，再一进一步提高医研习超声的速度和开销经济效益。转化电子的产品个人资料子系统，的设备研习习子系统设计可大规模地用到医研习投影资料。例如，几个大型的低收入卫生都不存在数百万名病症的解密，每个解密都有特别的放射研习资料。另一多方面，特别文献资料确实，深度的设备研习可以通过训练数据分析放射研习的资料，并且具有很低的可信度。低收入AI：人机工程研习+终端终端化15年前，低收入AI还只不存在于科幻小说中都。餐馆名为Robodoc的新公司(IBM的子新公司)开发了AI子系统，可用髋关节和膝关节置换等神经外科手术后。但该新公司在娱乐业上遇到了瓶颈，终究新公司宣告破产，子系统设计被收购。而最近，低收入AI的资料数据分析和也就是说子系统设计注意到了爆炸式的放缓。2000年，Intuitive Surgical新公司推出了达文西子系统(the da Vinci system)，这是一种可用微创瓣膜搭桥手术后的新子系统设计，在此之后被可用外科手术后肝癌。2003年，Intuitive Surgical与竞争对手Computer Motion分割。现今，第四代 da Vinci子系统，在人机工程研习横跨平台上，可提供3D资料数据分析(相对于2D腹腔镜)服务。它被认为是腹腔镜手术后的基准工具，每年用到近75万次，为资料数据分析手术后全过程提供了属于自己资料横跨平台。该子系统将亦会对低收入执法人员如何进行眼科全过程进行非常透彻的研习习，为各个教育领域的创新性提供思维，其中都仅限于属于自己精密、投影揉合以及属于自己生物标记物。此外，这个人机工程研习横跨平台的获得成功也带动了AI手术后教育领域的演进，其中都比较引人注目的是Verb Surgical，它得到了Verily(原谷歌生命科研习部门)和Ethicon(强生控股公司的子公司餐馆低收入器材新公司)的注资。与AI子系统设计有关的另一教育领域是终端终端化。大约20年前，HelpMate新公司发明人了一种AI，可以借助公立医院运送肉类和个人资料等器具。最近，Aethon新公司引进了TUGAI，可用运送军用物资。但迄今为止，极少有公立医院在这项子系统设计上进行注资。然而，AI子系统设计在其他各行各业（如酒店和仓储）被证明是简便且宏观经济的，比如，亚马孙AI新公司(Amazon Robotics，曾名Kiva)的创新性子系统设计。在将来，各种低收入任务亦会因为AI子系统设计而变得非常单纯，但不亦会借助无论如何都终端化。例如，AI可以把器具送到公立医院病房，但随后仍需人来将它们置于终究右方。在的借助下，病症可以非常精采地沿着走廊行走(但对于手术后后康复的病症或高龄病症来说，在涌进器材和病症的走廊上行走始终很瓶颈)。这些子系统设计都确实，很多子系统或子系统设计都将限于人与的设备间的密切交互。终端化的演进将使人们对低收入全过程有属于自己认识。从以往的子系统设计来看，AI子系统设计并不是人文生物学由资料涡轮机或面向资料的研习科。然而，随着(半)终端化子系统设计到低收入护理教育领域，这种情况正在发生巨大变化。随着病症眼科横跨平台的无论如何都免费，量化和资料数据分析数据分析就建立在这些横跨平台提供的资料之上。而这些资料将可用评核精确度、鉴别差错以及小型化性能。并不一定，这些横跨平台将全过程与结果联系大大的，使真正的低收入“级联”已是现实生活。位数低收入：来进行生物鉴别子系统设计，提供全都方位劝告到以前，基于证据的低收入数据分析都依赖于传统的低收入资料，主要是电子的产品个人资料。在病理生态环境中都，人脑可以促使属于自己彻底解决方案。例如，TeleLanguage让病理精神科并不需在AI助理的借助下，与多位病症同时进行沟通并提供外科手术后。Lifegraph可以从病症终端手机收集的资料中都，抽取不当来进行并放出预报，以色列的精神病研习家并未来进行特别的产品，来侦测病症的早期征状。随着并能移动量化的演进，与“生物鉴别子系统设计”特别的横跨平台和子系统设计程序将亦会大大注意到。现今，已有成千上万的并能移动子系统设计程序可以提供讯息，外科手术不当或者鉴别“类似于病症”。这些子系统设计程序，补足市场化的青年运动器材（如Fitbit）以及教养和身体健康出现异常器材间的连接，将亦会给低收入教育领域促使创新性。通过转化社亦会资料和低收入资料，一些子系统设计程序可以从捕获的资料中都进行数据分析、研习习和资料数据分析。虽然它们的资料数据分析相对单纯，但这种资料和基本功能的揉合确实亦会有鉴于创新性的产品。比如某款青年运动子系统设计程序，它不仅亦会重申强健计划，还亦会劝告最佳强健时长，并提供监督，让你坚称强健计划。高龄眼科：多项创新性子系统设计为在家与世隔绝提供不方便在将来的15年里，美国政府的低收入口将放缓50%以上。美国政府劳工国家统计局资料数据分析，父母身体健康助理人数在将来十年将放缓38%。高龄眼科教育领域的创新性子系统设计仅限于，互动和通信器材、家用身体健康出现异常器材、青年运动专用工具(如)等。但在过去15年中都，这一教育领域的演进却比较较快。随着各种创新性子系统设计的注意到，低收入对科技的普及性也亦会发生改变。现今，70岁的低收入，确实在中都年或非常晚的时候，才第一次互动到全都方位的讯息子系统设计，而50岁的人对新子系统设计的普及性非常高。因此，人脑有很大的市场潜力，可可用非常佳低收入的身体、情感、社亦会和精神身体健康。与世隔绝品质与脱离性终端化巴士和借助低收入非常好地脱离与世隔绝，并扩展到他们的社亦会视野讯息共享将借助亲人间的沟通，资料数据分析性数据分析确实被用来推动父母的更进一步不当，比如告诫他们“给屋里接听”家用终端器材将在需时借助进行日常活动，如做饭。如果AI的操作能力进一步提高，还可以借助穿衣和洗漱身体健康防范活动的并能移动子系统设计程序，补足留言板横跨平台，将为维持身心身体健康重申劝告。通过父母身体健康出现异常并提供身体健康讯息，并不需侦测焦虑或不当的巨大变化，并告诫眼科执法人员。全都方位的身体健康管理工作外科手术后方法和器材助听器和视觉专用器材将过重听觉和听力损失促使的影响，为低收入提供非常安全和都的生态环境，非常佳与社亦会间的联系全都方位的康复和父母外科手术后将提高住院或眼科区内的需。专用器材(终端步行器、滑板等)将扩展到体弱者的活动范围资料数据分析执法人员预估，低开销的传感子系统设计将演进并能，为低收入的在家与世隔绝提供不方便。除了传感子系统设计，整个终端子系统还将限于多个教育领域，比如自然语言处理方式、推理、研习习、感知和AI。【参考资料】https：//ai100.stanford.edu/sites/default/files/ai_100_report_0831fnl.pdf