uutiset

"tekoälystä on tulossa tärkeä voima maani lääketieteellisen järjestelmän innovaatioiden ja kehittämisen edistämisessä. tärkeänä lähtökohtana uuden informatisoinnin edistämiselle ja uuden tuottavuuden kasvattamiselle tekoäly on myös noussut lääketieteen alan vaikeuksien ratkaisemisen painopisteeksi. 'ai + medicalin odotetaan olevan seuraava askel tulevaisuudessa.

tekoäly tunkeutuu eri toimialoille ennennäkemättömällä nopeudella ja syvyydellä. niiden joukossa lääketiede on yksi niistä alueista, joilla tekoäly käyttää muutosvoimaansa merkittävimmin. tällä hetkellä tekoälyä käytetään laajalti useilla lääketieteen aloilla, mukaan lukien kuvantamisdiagnoosi, avustettu kliininen päätöksenteko, terveydenhuolto jne. sillä on merkittäviä etuja lääketieteen laadun ja tehokkuuden parantamisessa, henkilökohtaisessa hoidossa ja tietojenkäsittelyssä.

yhteiskunnan ja talouden kehittymisen, väestön ikääntymisen ja asukkaiden terveystietoisuuden paranemisen myötä myös asukkaiden laadukkaiden lääketieteellisten resurssien kysyntä on kasvanut nopeasti on aina ollut suhteellinen pula kaikista lääketieteellisistä ja terveydenhuoltoresursseista ja epätasaisen jakautumisen dilemma "ai + sairaanhoito" on "ratkaisu" tämän ongelman ratkaisemiseksi.

hu zhenning huomautti, että tekoälyn laaja käyttö lääketieteellisen diagnoosin ja hoidon alalla on toisaalta toisaalta taustalla tiukka lääketieteellisten resurssien tarjonta , se johtuu asukkaiden korkealaatuisten lääketieteellisten resurssien kysynnästä. "ai + sairaanhoito" murtaa tekniikan ja maantieteen aika- ja tilaesteitä perinteisellä lääketieteen alalla, mikä mahdollistaa korkealaatuisten lääketieteellisten resurssien ylittämisen maantieteellisten rajojen yli.

viime vuosina kotimaani lääketieteen ja terveydenhuollon digitaalinen teknologia on kehittynyt nopeasti, ja sovellusskenaariot ja markkinoiden koko ovat kasvaneet nopeasti. global market insights -raportti osoittaa, että "ai + lääketieteen" -markkinoiden koon odotetaan kasvavan keskimäärin yli 29 prosentin vuotuisella kasvuvauhdilla ja saavuttavan 70 miljardia yhdysvaltain dollaria vuonna 2032, mikä vastaa 500 miljardin yuanin mittakaavaa.

tekoälyn tärkein kohta lääketieteellisen diagnoosin ja hoidon tehostamisessa on, että se voi vähentää kustannuksia, minkä odotetaan ratkaisevan asukkaiden, sairaaloiden ja hallitusten yleiset kipukohdat. esimerkiksi sairaanhoitolaitoksissa suurten tekoälymallien soveltaminen voi parantaa hallinnon tehokkuutta, vähentää lääkärin ja potilaan välisiä konflikteja ja auttaa hallitsemaan sairausvakuutuskuluja.

hu zhenning sanoi: "isojen tekoälymallien sovelluksen avulla asukkaille odotetaan ratkeavan asukkaiden usein kohtaaman "kolmen tunnin jonon ja kolmen minuutin lääkärin käynnin" ongelman ja asukkaiden terveyslukutaidon. voidaan parantaa myös sairaaloiden osalta yleisesti ottaen vanhemman lääkärin kouluttaminen vie vuosikymmeniä, ja lääkäreiden kouluttaminen on paljon hitaampaa kuin asukkaiden korkealaatuisten lääketieteellisten resurssien kysynnän kasvu, kun tekoälyä sovelletaan sairaalan diagnoosiin ja hoito vastaa sitä, että lääkäri johtaisi digitaalisen kloonin kokonaisvaltaisesti ratkaisemaan asukkaiden ongelmia.

runda medical julkaisi äskettäin täyden skenaarion lääketieteellisen mallisovelluksen "cdx good doctor xiaohui", joka on varustettu huawei cloudin suurella mallilla. se mahdollistaa pääasiassa kaikki lääketieteelliset sovellukset, mukaan lukien kliiniset, potilaspalvelut, tieteellisen tutkimuksen jne., ja tarjoaa lääkintähenkilöstöä ja henkilöille täyden palvelun.

yllä mainitun laajamittaisen lääketieteellisen mallin julkaisun jälkeen hu zhenning sanoi suoraan, että viimeisen kymmenen vuoden tutkimustyön aikana runda medical on muodostanut kaksi päätietoa, jotka ovat myös kaksi suurta vaikeutta, jotka suuren mittakaavan lääketieteellisen mallin on voitettava. toisin sanoen suurin osa lääketieteellisistä tiedoista on luonnollisen kielen tekstejä, ja niitä on vaikea käsitellä tehokkaasti, ja se ei voi kuvastaa tietoelementtien arvoa tukahduttaa suurten mallien luontainen illuusio.

"tekoälyn sovelluskäytännössä on erilaisia ​​esteitä diagnoosin ja hoidon saralla. suuren tekoälymallin kouluttaminen lääkärin aivoihin ei ole loogisesti vaikeaa, mutta se vaatii vankkaa perustietoa. jos siitä on puutetta. perustiedoista, tämä suuri malli pystyy tarjoamaan vain diagnoosin ja hoitosuunnitelman, joka ei ole tarpeeksi tarkka ja jolla ei ole erityistä arvoa", hu zhenning sanoi.

hän huomautti, että tieto on tekoälyn soveltamisen perusta. lääketieteellisiä tietoja säilytetään pääasiassa sairaaloissa, ja suurin osa sairaaloista on julkisia sairaaloita tekoälyn käyttöönotto lääketieteen alalla.

"kymmenen vuoden kokemus tiedonhallinnasta on runda medicalin suuri etu suurten lääketieteellisten mallien kehittämisessä, mikä luo myös vankan pohjan suurten tekoälymallien luomiselle teknisten vaikeuksien vuoksi." lääketieteellisten tietojen hallinnointi , runda medicalin rakentama cdx (clinical data lääketieteellinen yhteisö ei enää rajoitu tietokenttäsuunnitteluun, joka perustuu asiantuntijakokemukseen, ja kaikki kliiniset tekstitietueet muunnetaan "täysin strukturoiduksi dataksi".

voidakseen suurten mallien illuusion ja tarjota näyttöön perustuvaa näyttöä runda medical rakensi suuren l1 lääketieteellisen vertikaalisen mallin l0 pangun yleisen suuren mallin pohjalta ja perusti lääketieteellisen tiimin, joka palkkasi ihmisiä fuwaista, huashanista, shengjingistä ja tongji pekingissä osallistui suurten mallien ja sovellustuotteiden kiillotukseen.

hu zhenning keskittyy lääketieteellisen diagnoosin ja hoitoalan yleiseen soveltamiseen, ja se uskoo, että suurten mallien laaja soveltaminen alalla ei ole vaikeaa. "jos nykyään esittää yleisiä kysymyksiä joistakin sairauksista, iso malli voi vastata niihin, mutta hyvin konkreettisiin kysymyksiin iso malli on tällä hetkellä siinä vaiheessa, että se ei voi antaa diagnoosia ja hoitosuunnitelmia, koska sillä ei ole tarpeeksi tietoa. suuren mallin on oltava lääketeollisuudessa jotta sitä voitaisiin syventää, ihmisten on jatkuvasti jalostettava sitä, ja paras tapa on tehdä syvällistä yhteistyötä sairaaloiden ja hallitusten kanssa.

tekoälylääketieteen alan nopea kehitys tarkoittaa kiinan lääketieteellisten palveluiden älykkään ja digitaalisen muutoksen nopeuttamista entisestään. "suurten tekoälymallien soveltaminen lääketieteen alalla on tällä hetkellä vähän kuin navigointia, mutta uskon, että jonain päivänä se kasvaa autonomiseksi ajamiseksi. tämä on myös alan odotus sille."