AIヘルスケア企業のCEOが、医療におけるAIの応用、AIソリューションの購入方法、ヘルスケア分野におけるAIの今後の発展について議論しました。
AI アプリケーションの多くの例の中でも、ヘルスケアにおける AI は明らかに業界をリードする例の 1 つです。人工知能はさまざまな方法でヘルスケア業界を変革し、今後数年間でその影響は大幅に増大するでしょう。 この重大な変化を明らかにするために、コネチカット州に拠点を置く AI ヘルスケア企業 InveniAI の創設者兼 CEO であるクリシュナン・ナンダバラン博士がこのテーマについて議論しました。 彼が研究したトピックは次のとおりです。
ヘルスケアにおける人工知能の活用事例 ナンダバラン氏は、ロボット支援手術、特に顕微手術は多額の投資を受けている主要分野の一つだと語った。これは人工知能の能力の自然な拡張です。これにより、脳に対する高精度の顕微手術が必要な場合にロボットをより効率的に使用できるようになりますが、安全性を確保するには経験豊富な外科医の助けが依然として必要です。そして将来的には、手動操作を必要とせずに医師に代わる非常に高度な機械が登場するでしょう。 たとえば、パーキンソン病や脳深部刺激療法におけるいくつかの新しい治療法は、これらの技術を使用して行われています。ヘルスケア プラットフォームに AI を適用するもう 1 つの興味深い分野は、不正検出です。したがって、市場に新しい薬が出てきたら、すぐに AI システムにそれを検出させて、それが本物の薬なのか、それとも偽薬なのかを判断させることができますが、少なくとも研究されるべきです。 「短期的には、AI の使用は効率性の向上とエラーの削減に尽きます」と同氏は言う。「ですから、理解できないまったく新しいものを人々が考え出すということではありません。人間の経験を活用してエラーを減らし、効率性を向上させることが本当に重要なのです。コストの増加方法は持続不可能なので、最終的にはコスト削減につながることを期待しています。」 人工知能と機械学習 彼はこう言いました。「人工知能と機械学習について話すとき、多くの混乱があります。この2つを区別する非常に簡単な方法は、人工知能は既存の人間の知識と経験を取り入れ、その本質を機械の動作に変換して、自動化され、高速で、効率的で、安価な方法で使用できるようにすることです。」 機械学習はこれのサブセットであり、実際には現在のすべての経験をマシンに取り込む特定のアルゴリズムのセットです。毎日収集されるデータに基づいて、さらに学習します。これは、医療機関が慢性疾患を治療するヘルスケア分野で特に役立ちます。その結果、糖尿病、肥満、アルツハイマー病、さらには他の心血管疾患の治療に効果があるように見えますが、収集されたデータに基づくと、さらなる学習が必要です。 そこで、この学習プロセスにおいて人工知能が不可欠になります。機械学習、ディープラーニング、ニューラルネットワークなどの技術を本格的に導入したいのであれば、日々収集されるデータをより深く理解する必要があります。 ” AIソリューションを選択するためのヒント ナンダバラン氏は、人工知能の応用はスキャンと監視の分野で実際に見られると述べた。たとえば、病院はデバイスを使用しているか? 臨床試験で使用し始めているか? それを必要とする患者は増えているか? 糖尿病、睡眠障害、パーキンソン病などの運動障害などの症状に対する AI アルゴリズムの提供を専門とするベンダーは存在しますが、これらの企業は Apple iWatch のようなハードウェアを開発しない可能性があります。そうでなければ、彼らは患者を助けるためのアルゴリズムについてもっと意識するでしょう。 したがって、特定の治療領域向けの医薬品の提供に特化したフランチャイズを持つ大手製薬会社の場合、そのエコシステム全体が必要になります。大規模なテクノロジー企業だけでなく、小規模なサプライヤーも非常に専門的であるため、関与する必要があります。これらの技術を研究し、開発プロセスにおける人工知能の活用を推進しているバイオテクノロジーの新興企業も数多くあります。 ” 人工知能と拡張知能 彼は人工知能には別の方法があると語った。それは真の人工知能ではなく、拡張知能です。これにより、人間の経験や能力が向上します。そして、周囲の世界がますますデジタル化されるにつれて、人々はスマートフォンでより多くのことを実行し、日常のあらゆるタスクを追跡し、いつでもどこでもコミュニケーションをとることができるようになります。 AI がヘルスケア業界に浸透することは今や避けられないことであり、これは進化の一歩に過ぎません。 「これは、現在使われていない生成中のすべてのデータを活用する非常に強力な方法だと思います」と彼は語った。 |
<<: オープンソースのグラフ ニューラル ネットワーク フレームワーク DGL のアップグレード: GCMC のトレーニング時間が 1 日から 1 時間に短縮
>>: 2019 年のディープラーニング自然言語処理のトップ 10 開発トレンド
執筆者 | Yan Zheng制作:51CTO テクノロジースタック(WeChat ID:blog)...
Dropbox のエンジニアたちは世界をより良い場所にするために取り組んでおり、HBO のコメディー...
この記事は公開アカウント「Reading Core Technique」(ID: AI_Discov...
CLIP は最も人気のあるビジュアル ベース モデルであり、その適用シナリオには以下が含まれますが、...
半導体はデジタル時代の基盤技術です。アメリカのシリコンバレーの名はこれに由来しています。過去半世紀に...
今日の人工知能 (AI) システムは、真の人間の知能を再現するにはまだ程遠い状態です。しかし、彼らは...
具現化された知能は、ビッグモデルの将来の応用にとって重要な方向性です。現在、大規模なモデルでサポート...
[[277051]]これまでの共有を通じて、顔認識の一般的なプロセスを理解しました。主に次のプロセス...
今日は、世界で最も遅いソートアルゴリズムである Bogo ソートについてお話ししたいと思います。では...
[51CTO.comより引用]データミドルプラットフォームが確立される以前、企業はデータによっても...
「Qwen-72Bモデルは11月30日に発売されます。」数日前、Xプラットフォームのネットユーザー...