文章图片
文章图片
文章图片
人工智能已经开始影响医疗保健的几乎所有方面 ， 从护理点的临床决策支持、家庭慢性病的患者自我管理到现实世界中的药物研究 。 然而 ， 人工智能技术的开发和部署具有挑战性且成本高昂 。 卫生组织需要克服一系列挑战才能使人工智能取得成功 。
【算法|人工智能已经影响到医疗的各个方面，但人工智能技术开发的成本高昂】此类挑战包括：对特定类型的人工智能技术可以做什么或不能做什么缺乏了解；缺乏将不同的人工智能技术整合到现有护理系统中以有效解决卫生组织目前面临的最紧迫问题的明确策略；缺乏训练有素的人工智能实施劳动力；人工智能技术与传统基础设施不兼容；并且无法获得用于训练机器学习(ML)算法的良好且多样化的医疗数据 。
AI技术的现状人工智能在实际意义上是指模拟或展示人类智能或智能行为的特定方面的计算机系统 ， 例如学习、推理和解决问题 。 因此 ， AI不是一项单一的技术而是由计算模型和算法生成的一系列智能过程和行为 。 最近 ， 精细的计算模型和算法 ， 加上强大的计算机和海量数据的可用性 ， 加速了人工智能的进步 ， 特别是在机器学习、人工智能语音技术、人工智能助手和机器人技术方面 。
已经开发出新的强大解决方案来解决图像理解、语音识别、大数据分析和医疗保健领域的复杂现实问题 。 在随后的部分中 ， 我们将研究当前可用的AI技术并讨论它们在医疗保健中的正确使用 。 机器学习机器学习代表了人工智能的主要方法 ， 它负责该领域的大部分最新进展 。 通常 ， 机器学习是指一种系统 ， 它通过从输入中识别数据模式来训练预测模型 ， 然后使用这样的模型从从未见过的新数据中做出有用的预测 。
机器学习算法可以在没有明确编程的情况下从经验中自动学习和改进 ， 这种“可学习性”代表了人工智能的一个关键特征 。 机器学习广泛应用于其他类型的人工智能技术 ， 如语音技术和机器人技术 。 健康领导者需要熟悉主要的ML算法 ， 因为它们是了解各种类型AI技术的潜力和局限性的基础 。 简而言之 ， 最常见的机器学习算法有监督学习、无监督学习、强化学习和深度学习 。
监督学习使用数据集作为输入 ， 将一些已知的标记结果作为输出 ， 然后识别将结果与输入相关联的模式以进行预测 。 在这种方法中 ， 算法需要知道它应该从给定的数据集中得出的结论 。 有了足够的数据和正确标记的答案 ， 该算法最终学会了从以前从未见过的输入数据中进行预测 。 监督学习已广泛应用于医疗保健 ， 为将输入变量映射到离散类别和连续输出中的预测分析 。 无监督学习用于发现数据结构并仅根据输入进行预测 ， 它主要以探索性的方式用于各种数据类型的聚类、异常检测和模式识别 。
在医疗保健领域 ， 无监督学习对于使用遗传生物标志物预测个体疾病风险或基于基因组变异设计个性化治疗特别有用 。 由于无监督学习可以自动“学习”而无需人类对结果进行标记 ， 因此在某种意义上更接近“真正的人工智能” 。 然而 ， 在没有人工教学的情况下 ， 无监督学习更容易出错 ， 因为它可能会使用数据的微不足道的特征来进行预测 。 因此 ， 在实践中 ， 监督学习和无监督学习往往结合使用 ，。 这称为半监督学习 ， 它利用了两种学习算法的优点 。
相关经验推荐
- 魅族|魅族虽说是个小众品牌，但能坚持到现在屹立不倒，已经是很不错了
- vivo NEX|春节过后要来的8款新机，有的已经正式入网，有的参数也已详细！
- 5G|人工智能和5G被列为2022年及以后最重要的技术趋势
- 红米手机|我已经用了红米K30pro一年了，总体还行，没有出现大问题
- vivo|Vivo Pad的规格和价格已经被泄露
- 三星|三星S22系列很强，但非Ultra版本已经泯然众人矣。
- 中兴|中兴三大品牌深度整合并邀请吴京代言，新一代蓝牙耳机已经发布
- 算法|兰天马 IT哪个行业的前景比较好？
- 机器学习|?机器学习和人工智能的应用，在心脏病学的许多领域实现了更快的诊断
- iPhoneSE|实锤了！廉价款新iPhone已经入网：至少三个容量版本