医療的健康は人々の最も基本的な生活ニーズの 1 つです

需要面では、医療および保健サービスの需要が急速に成長し続けています。

供給面では、まず医療資源の総量が不足している。私の国の総医療資源は不足しており、人口が多いため、大きな資源格差が生じています。第二に、資源が不均一で、質の高い医療資源が大都市に偏っています。

コンピューティング能力の点では、グラフィックス プロセッシング ユニット (GPU) はコンピューティング パフォーマンスを大幅に向上させ、中央処理装置 (CPU) をはるかに上回る並列コンピューティング能力を備えています。

アルゴリズム モデルの観点から見ると、深層学習は現在の研究と応用において注目を集めているアルゴリズムであり、人工知能の重要な分野でもあります。

データ リソースの観点から見ると、医療およびヘルスケア データが生成されるシナリオは数多くあります。

近年、人工知能は世界中でますます注目を集めており、世界各国の戦略的焦点となっています。

サブトピック 1

ほとんどの病気は予防可能ですが、通常、病気の初期段階では症状が明らかでないため、状態が悪化するまで発見されません。

遺伝子配列決定は、遺伝子配列を分析して決定する新しいタイプの遺伝子検査技術であり、臨床遺伝性疾患の診断、出生前スクリーニング、腫瘍の予測と治療などに使用できます。

手作業による分析では経験に頼った判断しかできず、誤判断が発生しやすくなります。

臨床意思決定支援システムは、大量の文献学習と継続的なエラー修正を通じて、最も正確な診断と最良の治療を提供できます。

現在、医療ロボットには主に手術ロボット、リハビリロボット、看護ロボット、調剤ロボットなどが含まれます。

リハビリテーション支援機器とは、人体の機能を改善、補償、代替し、補助治療を提供し、障害を予防する製品を指します。これには、装具、義肢、個人用移動支援機器、外骨格リハビリテーションロボットなどが含まれます。該当するグループには、主に障害者、高齢者、高齢者が含まれます。そして怪我をした人など。

機械学習と自然言語処理技術を通じて、医学文献、論文、特許、ゲノムデータの情報を分析して、対応する薬剤候補を見つけ出し、特定の疾患に効果的な化合物を選別することで、研究開発の時間とコストを大幅に削減できます。

知覚リンク

思考段階では、収集されたデータや情報を判断するために、人間の特定の思考プロセスや行動をシミュレートするのに十分な計算能力をコンピューターに提供できるようにします。

アクションリンクは、事前の処理と判断の結果を体の動きとメディア情報に変換し、それらをマンマシンインタラクティブインターフェイスまたは外部デバイスに送信し、人間と機械、および機械の間の情報交換と物理的インタラクションを実現します。

統計によると、人工知能アプリケーション市場の総額は 2025 年までに 1,270 億米ドルに達し、そのうち医療産業が市場規模の 5 分の 1 を占めると予想されています。

臨床的には、診断の 70% 以上が医療画像に依存しています。

画像診断医は圧倒的に不足している

医用画像診断は誤診率が高く効率が低い

医用画像の情報化度が低い

人工知能技術の発展により、医療画像診断のスピードが加速し、画像診断の精度が向上し、画像医師の「読み取り」の方法にも変化がもたらされました。

(1) 画像の場合の分類

(2) 標的または病変の検出とセグメンテーション

(1) 学術研究の現状

(2) 製品開発の現状

(3)臨床応用状況

モデルによって解決される問題は、臨床医と放射線科医にとって共通の関心事である必要があり、モデルの解決効率や精度の向上は一般に患者に利益をもたらします。

モデルの設計は、関連分野の最新の臨床ガイドラインや仕様を参照し、既存の医療手順に基づいた疾患の診断と治療に貢献する必要があります。

たとえば、学習には、まれな腫瘍の診断ではなく、一般的な腫瘍の特定に重点を置く必要があります。

モデル設計の鍵は、医師の意思決定と患者の利益に最も役立つ問題を選択することです。また、解決するために選択された問題には、簡単に取得してラベルを付けることができる大量の学習データが含まれている必要があります。

モデルの確立には、学習データの構造化された構築、学習アルゴリズムを使用したモデルの構築、そして最終的にモデルの検証が含まれます。

さまざまなモデリング手法の選択は、学習データのデータ量と複雑さに基づいて計画する必要があります。

モデル設計時にアプリケーションの特性、臨床ニーズ、医師の勤務習慣に基づいて合理的なサービス モデルを確立します。

医用画像機器、最終的なサービス対象は病院と画像診断医

医用画像診断サービス、最終的なサービスターゲットは患者様です

(1) 確率分析に基づく相関推論では病気の原因と結果を特定することはできません。

（２）データ資源は大容量であるが、品質が高くなく相互接続できない。

(3) 画像データの標準化度が低い

(4) データのラベル付けが難しい

(5) 医療資源の需給が著しくアンバランスである

Clinical Decision Support System (CDSS) は、臨床医の意思決定を支援するために、臨床データを入力情報として使用し、推論結果を出力として使用するソフトウェア システムを指します。

患者の複雑で変化しやすい状態に直面すると、医師は細心の注意を払って仕事をしていても、漏れやミスは避けられません。調査によると、不適切な意思決定による投薬ミスや不適切な取り扱いが、医療過誤やさらには賠償責任事故の重要な原因となっていることがわかっています。

臨床意思決定支援システムの研究は 1950 年代後半に始まり、生産ルールの推論エンジンを適用することにより、医療専門家の専門知識と臨床経験がコンピュータに保存されるようになりました。ナレッジ ベースでは、ユーザーが診断上の推論を行うのに役立つ推論とパターン マッチングが使用されます。

診断上の意思決定: 診断、投薬、治療前の臨床医による患者の症状の説明に基づいて、標準的な診断と治療のガイドラインに従って、診断要件、識別ポイント、および関連する診断と治療計画を医師に提示できる普遍的な臨床意思決定支援システム。外科診断時の注意事項や手術のポイント、術前検査など。

治療の意思決定: 患者の状態、医師の臨床観察に基づいて、医療ガイドラインと証拠に基づいた根拠を組み合わせた臨床意思決定支援システムにより、外科手術の一般的な症状を含む薬剤の適応症、薬理、有効性などを医師に提示します。合併症、包括的な術後の治療と評価計画など。

予後の意思決定：臨床意思決定支援システムは、患者の過去の医療情報や臨床研究に関するデータをマイニングして、患者の将来の健康問題を予測し、「臨床診断および治療ガイドライン」に準拠しない治療法を保存および分析します。 「臨床技術運営基準」 この計画は、医療の質の評価の基礎を提供し、病院の管理レベルを向上させ、医療行為を標準化し、また科学的根拠に基づいた医療の科学的証拠を提供します。

臨床意思決定支援システムは、HIMSS 電子医療記録評価 (EMRAM) における中心的な評価ポイントの 1 つです

レベル 0 ～ 7 全体は、実際には臨床意思決定支援機能の漸進的かつ継続的なアップグレードのプロセスであり、最終的にレベル 7 の包括的な臨床意思決定支援機能 (完全な CDSS) に達します。

CDSS 分類

(1) データの統合

(2) 医療知識ベース

(3) 意思決定支援フォーメーション

データに対する CDSS の重要な特性と必要条件

(1) 大病院の情報化

(2) 主要な医療・健康市場

IBMワトソンシステム

中国における典型的な CDSS アプリケーション モデルと方向性

まず、臨床医療記録のテキスト データに基づく臨床意思決定支援システムに、画像を含むさまざまな要素が追加され始め、診断上の意思決定のためのデータ チェーンが強化されました。

専門家の観点から見ると、脳神経関連疾患は臨床意思決定支援システムの進化の重要な方向性の 1 つでもあります。これは、脳神経疾患には意思決定に関与するさまざまな種類のデータの特徴があり、診断プロセスに依存しているためです。専門家の長期にわたる蓄積された経験に基づいており、機械学習などの人工知能手法を使用した意思決定の強化に適しています。

最後に、研究開発から実装まで臨床意思決定支援システムを適用する際の困難にも直面する必要があります。

非侵襲的な出生前遺伝学的検査では、妊婦の末梢血を採取し、母体の末梢血中の遊離 DNA の断片（胎児の遊離 DNA を含む）の配列を決定し、胎児が染色体異数性を患うリスクを計算できます。この技術は 21 トリソミー、18 トリソミー、13 トリソミーを同時に検出でき、現在の精度は 99.9% に達します。

NGS による腫瘍のコンパニオン診断により、医師は患者自身の遺伝子変異とそれに対応する臨床症状に基づいて最適な治療計画を立て、利用可能な可能性のある標的薬剤をできるだけ早期に発見し、抗腫瘍薬の治療効率を向上させることができます。

「予防的疾患」の治療に遺伝子検査を使用する 3 番目の例は、希少な遺伝性疾患のスクリーニングです。

遺伝子検査は、病気を発症する前に将来の病気の予防を開始するのに役立ちます。

DNA

ヒトゲノム計画と密接に関係する配列決定には主に4色蛍光とキャピラリー電気泳動技術を使用します。

それが今よく耳にするNext Generation Sequencing（NGS）技術です。

第三世代シーケンス技術により、RNA およびメチル化 DNA 配列を直接シーケンスできます。

科学研究サービス向けの遺伝子配列決定サービスは、遺伝子配列決定をサービス内容として採用します

消費者向けの遺伝子配列決定サービスはすべて、サービスを提供するための配列決定技術プラットフォームとして遺伝子チップを使用します。

医療診断を主な手段とする遺伝子配列決定サービスには、前述のダウン症候群のスクリーニング、腫瘍の検出、希少疾患の検出、未知の病原体の検出などが含まれます。

ユーザーは、コンピューティング リソースやストレージ リソースと同様にシーケンス機能をレンタルし、クラウド コンピューティング サービスを選択するのと同じように、入札を通じてシーケンス サービスを迅速に取得することもできます。

疾病予防アプリケーションは、ユーザーの食生活、運動サイクル、服薬習慣などの個人的な生活情報を収集し、人工知能技術を使用してデータ分析を行うことでユーザーの健康状態を定量的に評価し、ユーザーの健康状態をより包括的かつ正確に把握するのに役立ちます。不健康な行動や習慣は基礎となります。

慢性疾患管理アプリケーションは、医師と患者の間のコミュニケーションの橋渡しとして機能し、既知の制御可能な条件の下で患者の状態を確実に判断し、対処しながら、医師の仕事を軽減します。

動作管理アプリケーションは、センサーとそのアルゴリズムを使用して、動作管理ウェアラブル (ランニング パンツの後ろにクリップされたものなど) を通じて動作データを取得し、1 分あたりの歩数をカウントすることでケイデンスを測定し、役立つデータとして骨盤の垂直振動に関する情報を提供することもできます。長時間座ることに伴う骨盤の回転や大股開きの傾向を調整し、骨盤の下がりの問題の特定と修正をサポートします。

この睡眠モニタリングデバイスは、BCG (心電図) を使用して心臓、肺、その他の身体機能の機械的活動を測定し、いびき、睡眠時間、安静時心拍数、呼吸数、睡眠状態など、ユーザーの毎日の睡眠習慣を iPhone を通じてモニタリングできます。入眠、起床の回数、深い眠りに費やした合計時間など。

一方では、妊娠前後の女性のデータ監視用であり、通常はスマートハードウェアまたはウェアラブルデバイスと組み合わせて、個人の生理学的症状、感情状態、睡眠、その他のデータを監視します。

一方で、子育ての知識に関する質疑応答もある。母子の健康から新しい命の誕生、赤ちゃんの誕生と成長に至るまで、個人の身体の変化、心理的、感情的な変化、子育てのスキル、さらにはさまざまな複雑な家族問題の解決まで。

高齢者介護システムは、主に高齢者の介護生活を対象としており、家族が遠隔地から高齢者の状態を把握し、緊急時にタイムリーな支援を行うことができる。

健康管理端末は、アプリケーションソフトやクラウドサービスと連携することで、人体のさまざまなサインデータ（血糖値、血圧、血中酸素、心拍数など）の収集・送信を実現します。

ネットワーク層は、公衆ネットワークまたはプライベート ネットワークを介した無線または有線通信を通じて、認識層、プラットフォーム層、およびアプリケーション層の間で情報を送信します。

現在、ビッグデータプラットフォームのキーテクノロジーには、データ収集技術、データストレージ技術、データプラットフォーム技術、データ処理技術、データ表現技術の5つのコア技術が含まれています。

問題

ほとんどの企業は製品の販売とデータ収集の段階にあり、将来的には患者を管理する下流サービスを提供する可能性があります。

健康データを収集する端末製品の販売競争は非常に熾烈を極めており、製品の使用体験やフォローアップサービスが顧客密着度の核となっています。

患者指向の課金モデルは、患者に慢性疾患管理サービスを自己負担で提供することです。

米国では医師の料金モデルが比較的一般的であり、米国の医療保険ではサービスの質に応じて支払いが行われるため、病院は医療保険からの圧力を受けており、患者が最小限の費用で最適な治療結果を達成できるように支援するというインセンティブを持っています。医師は健康管理のために喜んでお金を払います。

科学研究データを研究機関に提供する方法

もうひとつの医療機関向け総合データ管理サービス

サービス提供者は、保険契約者の正確な分析や医療サービスの提供により、保険会社の保険金請求費用を削減し、利益を得る。

手術ロボットは、一連のコンポーネントを組み合わせたデバイスです。通常、内視鏡（プローブ）、ハサミなどの手術器具、小型カメラ、ジョイスティックから組み立てられます。

このロボットの最大の特徴は、人間にはない器用さである。その根拠は、1) 震えフィルタリングシステムが外科医の手の震えを除去できること、2) モーションリダクションシステムが外科医の可動範囲を減らすことができることである。比例的に (5:1) 。

非外科診断・治療ロボットには、主に放射線治療ロボット、カプセルロボット、画像診断ロボットなど、診断・治療を支援するロボットシステムが含まれます。

精密・低侵襲手術、機能補償・リハビリテーション、高齢者サービスなどの新たな医療・健康ニーズに応える

医療サービスロボットは、医療スタッフが重くて面倒な搬送作業を分担し、医療スタッフの作業効率を向上させることにも焦点を当てています。

人間とシステム内の他の要素とのインタラクティブな関係を理解するために、その理論、原理、方法は主にロボットの設計プロセスで使用され、人間の健康とシステムのパフォーマンスを最適化することを目的としています。

人間工学と医療ロボットの統合とは、コンピュータの入出力デバイスを介して人間とコンピュータ間の対話を効果的に実現する技術を指します。関連技術には、出力デバイスや表示デバイスを介して大量の関連情報や指示を提供する機械が含まれます。入力デバイスを使用して、関連情報をマシンに入力し、質問に答え、プロンプトを表示するなどします。

遠隔操作技術とは、オペレーターがメインコントローラーをローカルで制御し、アクセスできない遠隔地や特殊な環境にある機械の遠隔制御を完了することを意味します。

遠隔手術とは、外科医が器具を使用して遠隔地の患者に局所的に外科的治療を行えることを意味し、遠隔地における質の高い外科医の不足を緩和し、医療費を削減し、遠隔地や特殊な環境に住む多くの患者に希望を与えることができます。

手術空間位置決めシステムは、患者の術前または術中の画像データと手術ベッド上の患者の解剖学的構造を正確に照合し、手術中に手術器具を追跡し、手術器具の位置を仮想プローブの形で更新して表示します。患者の画像をリアルタイムで表示できるため、医師の外科手術がより正確、効率的かつ安全になります。

医用画像の位置合わせは、2 つの画像の対応する点を空間的位置と解剖学的構造の点で完全に一致させるために、ある種の空間変換を見つけることです。

画像融合の主な目的は、複数の画像間の重複データを処理することで画像の可読性を向上させることと、複数の画像間の補完情報を処理することで画像の鮮明さを向上させることです。

画像セグメンテーションは、画像内の特別に重要な異なる領域を分離し、それぞれのばらばらの領域が特定の領域の一貫性を満たすようにすることです。

医用画像の 3 次元可視化では、取得した画像を 3 次元再構成し、2 次元フィルタリングにより 2 次元断層画像のノイズの影響を低減し、信号対雑音比を改善し、後流を除去します。画像。

現在、人工知能は眼科、内科、腫瘍など多くの疾患の画像診断に利用されており、特定の分野の専門家が提供する知識や経験に基づいて推論や判断を行い、シミュレーションを行うこともできます。人間の専門家の意思決定プロセスを支援し、医療問題を解決します。

医療ビッグデータは、電子医療記録、医療画像、病院ビデオおよびその他の種類のデータを対象とした医療指向のデータベース技術であり、医療電子カルテの構造化情報抽出、医療画像のデータ分析、病院監視ビデオなどを含みます。 . インテリジェントな分析など

仮想現実技術は、リハビリテーション治療に重要な 3 つのリンクを提供します。つまり、反復練習、パフォーマンスのフィードバック、モチベーションの維持です。合理的な仮想環境と効果的な情報のフィードバックを設定することで、患者は自分の状態を客観的に評価でき、リハビリテーションのトレーニング効果が大幅に向上します。

カテゴリーA：手術参加ロボットシステム（手術CAD/CAM）

カテゴリB：手術助手ロボットシステム（手術助手）

(1) 放射線治療ロボット

(2) 画像系ロボット

(3) カプセルロボット

(1) 運動機能リハビリテーション

(2) インテリジェント義肢

(3) その他のリハビリテーションロボット

遠隔医療ロボット

アイテム搬送ロボット

薬局サービスロボット

7.1.1 開発の背景

7.1.2 主要なテクノロジー

7.1.3 直面する問題

積層造形 (3D プリンティング) では、最初に設計された製品をコンピューターを通じて 3D 形式で表示する必要があり、次に特定の印刷材料を使用して、製品が形成されるまで層ごとに印刷します。

生物医学分野における一般的な積層造形 (3D プリンティング) 技術には、主に選択的レーザー焼結成形、レーザー光硬化、溶融堆積モデリング、積層固体製造技術などが含まれます。

(1) 医療モデルの設計

(2) 再生組織・臓器の製造

(3) 医療機器の製造

主に印材の材質特性や単体性に限定

新薬の研究開発はリスクが高く、長期にわたる資本と技術が集中する技術分野であり、医薬品の研究開発の失敗率も90％以上と高い（特に先発医薬品）。

(1) 対象者スクリーニング

(2) 薬剤のスクリーニングと最適化

(3) 患者の発見と募集

(4) コンプライアンス管理

(5) 薬物の結晶形予測

(6) 患者ビッグデータと現実世界の研究

国家政策支援

現在、規制当局は仮想アシスタント ソフトウェアが病気に関する診断アドバイスを提供することを禁止しており、ユーザーに軽い健康相談サービスのみを許可しています。

人工知能の医療および健康製品およびサービスは、セキュリティ、信頼性、トレーサビリティ、プライバシー保護などの要件を確保するために、関連する国家基準を満たしている必要があります。

健康と医療のビッグデータと人工知能の開発プロセスにおいて、個人のプライバシー保護、データセキュリティ、さらには国家安全保障などの問題への注目が高まっています。

スマートセンサー、ニューラルネットワークチップ、オープンソースのオープンプラットフォームなどの技術は、医療・健康分野に応用され、目覚ましい成果を上げています。

次のステップは、主要な人工知能と医療健康製品、および業界アプリケーションのニーズの研究開発のために、さまざまな種類の人工知能の大規模なトレーニング リソース ライブラリを最初に構築して公開することです。

百度、アリババ、テンセント

対照的に、スタートアップ企業にとっては、Bサイドビジネスとの連携の方がより深く検討する価値があります。

同じブランドの製品について収集されたデータはより標準化され、形式がより統一されているため、データマイニングとアプリケーションが容易になります。