医疗 AI 未来值得关注的三个趋势

简介: 无代码工具和日益增长的文本实用性表明,随着 AI 复杂性地不断提高,安全问题依然存在。

在新冠疫情爆发、心理健康危机、医疗成本上升和人口老龄化之间,行业领导者正急于开发针对医疗保健专用的人工智能 (AI) 应用程序。一个信号来自风险投资市场:超过 40 家初创公司筹集了大量资金(2000 万美元或更多),为该行业构建人工智能解决方案。但是人工智能实际上是如何应用于医疗保健领域的呢?

“2022 年医疗行业 AI 调查”询问了来自全球各地 300 多名受访者,以更好地了解定义医疗行业 AI 面临的挑战、取得的成就和应用案例。在第二年,结果没有显著变化,但它们确实呈现出一些有趣的趋势,预示着未来几年将如何发展。虽然这种演变在某些方面是积极的(人工智能的民主化),但其他方面却不那么令人兴奋(更大的攻击面)。以下是企业需要了解的三个趋势:

1.利用无代码工具实现人工智能的易用性和民主化
Gartner 估计,到 2025 年,企业开发的 70% 的新应用程序将使用无代码或低代码技术(高于 2020 年的不到 25%)。虽然低代码能够简化程序员的工作量,但无需数据科学干预的无代码解决方案对企业及其他领域产生的影响才是最大的。这就是为什么,当看到人工智能的使用从技术职称到领域专家的飞跃转变是令人兴奋的。

对于医疗保健来说,这意味着在人工智能在医疗保健调查中,超过一半 (61%) 的受访者认为,临床医生是他们的目标用户,其次是医疗保健支付者 (45%) 和医疗健康 IT 公司 (38%)。这一点,再加上在医疗保健特定人工智能应用方面的重大发展和投资,以及开源技术的可用性,表明了更广泛的行业应用。

这一点意义重大:将代码就像 Excel 或 Photoshop 等常用办公工具一样交到医护人员手中,将使AI得到更好的改善。除了使技术更易于使用之外,它还可以实现更准确和可靠的结果,因为可以由医学专业人员(非软件专业人员)掌管。这些变化不会在一夜之间发生,但人工智能增长的核心用户是领域专家,无疑是向前迈进的一大步。

2.工具日趋完善,文本越来越实用
其他令人鼓舞的发现,涉及人工智能工具的进步以及用户深入研究特定模型的愿望。当被问及他们计划在 2022 年底之前采用哪些技术时,调查中的技术领导者提到了数据集成 (46%)、商业智能 (44%)、NLP (43%) 和数据注释 (38%)。文本现在是人工智能应用程序中最有可能使用的数据类型,对自然语言处理 (NLP) 和数据注释的重视表明,更复杂的人工智能技术正在兴起。

这些工具能够支持临床决策、药物发现和医疗政策评估等重要活动。在经历了两年的新冠疫情之后,随着开发新疫苗并发现如何在大规模事件发生后,更好地支持医疗保健系统的需求等等,这些领域的进展的重要性是显而易见的。通过这些例子我们也可以看出,医疗行业对人工智能的使用与其他行业有很大不同,需要采用不同的方法。

因此,成熟企业的技术领导者和受访者都将医疗行业特定的模型和算法的可用性,作为评估本地安装的软件库或 SaaS 解决方案最重要的要求,这不足为奇。从风险投资情况、市场上现有的库以及人工智能用户的需求来看,医疗保健的特定模型只会在未来几年内日益增长。

3.安全和安全问题日益严重
随着人工智能在过去一年中取得的所有进展,它也开辟了一系列新的攻击载体。当被问及受访者使用哪些类型的软件来构建他们的 AI 应用程序时,最受欢迎的选择是本地安装的商业软件 (37%) 和开源软件 (35%)。最值得注意的是,与去年的调查相比,云服务的使用下降了 12% (30%),这很可能是由于对数据共享的隐私问题。

此外,大多数受访者 (53%) 选择依靠自己的数据来验证模型,而不是依靠第三方或软件供应商的指标。来自成熟企业的受访者 (68%) 表示,他们明显倾向于使用内部评估和自行调整模型。同样,由于医疗数据处理方面的严格控制和程序,很明显人工智能用户希望尽可能在内部进行操作。

但无论怎样的软件偏好或用户如何验证模型,不断升级的医疗保健安全威胁都可能产生重大影响。当其他关键基础设施服务面临挑战时,医疗保健的违规影响超出了声誉和财务损失。数据丢失或篡改医院设备可能就是生死之别。

随着开发人员和投资者努力将技术掌握在日常用户手中,人工智能有望实现更显着的增长。但是,随着人工智能变得更加广泛可用,以及模型和工具的改进,安全、保障和道德将成为需要重点关注的焦点。看看今年这些医疗领域的人工智能如何发展,以及它对行业的未来意味着什么,这将会很有趣。


本文转载自51CTO,本文一切观点和机器智能技术圈子无关。原文链接
免费体验百种AI能力以及试用热门离线SDK:【点此跳转】

相关文章
|
2月前
|
存储 人工智能 文字识别
医疗病历结构化处理系统技术白皮书——基于多模态AI的医联体数据治理方案
本系统基于双端协同架构,集成移动端OCR识别与云端数据分析,实现医疗文档高效结构化处理。采用PaddleOCR轻量引擎与隐私计算技术,支持离线识别与敏感信息脱敏。后端构建分布式数据仓库与多租户机制,满足PB级存储与数据安全合规要求。实测OCR准确率达96.2%(印刷体)与88.7%(手写体),字段抽取F1值92.4%,显著提升病历处理效率与质量。
311 3
|
7月前
|
存储 人工智能 搜索推荐
HealthGPT:你的AI医疗助手上线了:支持X光到病理切片,诊断建议+报告生成全自动
HealthGPT 是浙江大学联合阿里巴巴等机构开发的先进医学视觉语言模型,具备医学图像分析、诊断辅助和个性化治疗方案建议等功能。
878 5
HealthGPT:你的AI医疗助手上线了:支持X光到病理切片,诊断建议+报告生成全自动
|
7月前
|
人工智能
科技赋能妇产医疗,钉钉联合打造小红 AI 患者助理
复旦大学附属妇产科医院与钉钉共同打造的 AI 助理“小红”上线。“小红”孵化于钉钉智能化底座,通过学习复旦大学附属妇产科医院的 400 多篇科普知识,涵盖妇科疾病宣教、专业产科指导、女性健康保健等问题,能够为患者提供妇科疾病、产科指导、女性健康保健等知识的专业解答。
307 11
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
Baichuan-M1-14B 是百川智能推出的首个开源医疗增强大模型,专为医疗场景优化,支持多语言、快速推理,具备强大的医疗推理能力和通用能力。
540 17
Baichuan-M1-14B:AI 助力医疗推理,为患者提供专业的建议!百川智能开源业内首个医疗增强大模型,普及医学的新渠道!
|
8月前
|
人工智能 监控 安全
设计:智能医疗设备管理系统——AI医疗守护者
该系统将结合人工智能技术与区块链技术,实现对医疗设备的智能化管理。目标是提高医疗设备的管理效率,确保医疗设备的数据安全,优化医疗资源的配置,提升医疗服务质量。
|
8月前
|
存储 机器学习/深度学习 人工智能
昇腾AI行业案例(六):基于 PraNet 的医疗影像分割
欢迎学习《基于 PraNet 的医疗影像分割》实验。在本实验中,你将深入了解如何运用计算机视觉(CV)领域的 AI 模型,搭建一个高效精准的医疗影像分割系统,专注于息肉分割任务,并利用开源数据集对模型效果加以验证。
216 1
|
8月前
|
人工智能 API
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
MMedAgent 是专为医疗领域设计的多模态AI智能体,支持多种医疗任务,包括医学影像处理、报告生成等,性能优于现有开源方法。
480 19
MMedAgent:专为医疗领域设计的多模态 AI 智能体,支持医学影像处理、报告生成等多种医疗任务
|
9月前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
320 31
|
9月前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
237 2
|
9月前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
800 2