Wondershare EdrawMind
Galleria mappe mentale [Lavori della comunità] AI Healthcare applicazione e futuro della sanità intelligente
- 10
[Lavori della comunità] AI Healthcare applicazione e futuro della sanità intelligente
La mappa mentale di "AI Healthcare: Applicazione e futuro dell'assistenza sanitaria intelligente" ti aiuterà a comprendere questo libro in modo più intuitivo. Spero che questa mappa mentale ti sia utile!
Modificato alle 2024-01-31 17:23:23
- Breve storia del tempo
Questa è una mappa mentale su una breve storia del tempo. "Una breve storia del tempo" è un'opera scientifica popolare con un'influenza di vasta portata. Non solo introduce i concetti di base della cosmologia e della relatività, ma discute anche dei buchi neri e dell'espansione dell'universo. questioni scientifiche all’avanguardia come l’inflazione e la teoria delle stringhe.
- Il coraggio di essere odiato
Dopo aver letto "Il coraggio di essere antipatico", "Il coraggio di essere antipatico" è un libro filosofico che vale la pena leggere. Può aiutare le persone a comprendere meglio se stesse, a comprendere gli altri e a trovare modi per ottenere la vera felicità.
- Appunti di lettura di Il coraggio di non piacere.
"Il coraggio di essere antipatico" non solo analizza le cause profonde di vari problemi nella vita, ma fornisce anche contromisure corrispondenti per aiutare i lettori a comprendere meglio se stessi e le relazioni interpersonali e come applicare la teoria psicologica di Adler nella vita quotidiana.
[Lavori della comunità] AI Healthcare applicazione e futuro della sanità intelligente
- Breve storia del tempo
Questa è una mappa mentale su una breve storia del tempo. "Una breve storia del tempo" è un'opera scientifica popolare con un'influenza di vasta portata. Non solo introduce i concetti di base della cosmologia e della relatività, ma discute anche dei buchi neri e dell'espansione dell'universo. questioni scientifiche all’avanguardia come l’inflazione e la teoria delle stringhe.
- Il coraggio di essere odiato
Dopo aver letto "Il coraggio di essere antipatico", "Il coraggio di essere antipatico" è un libro filosofico che vale la pena leggere. Può aiutare le persone a comprendere meglio se stesse, a comprendere gli altri e a trovare modi per ottenere la vera felicità.
- Appunti di lettura di Il coraggio di non piacere.
"Il coraggio di essere antipatico" non solo analizza le cause profonde di vari problemi nella vita, ma fornisce anche contromisure corrispondenti per aiutare i lettori a comprendere meglio se stessi e le relazioni interpersonali e come applicare la teoria psicologica di Adler nella vita quotidiana.
- Consigliato per te
- Profilo
AI Healthcare: applicazione e futuro della sanità intelligente
Capitolo 1 L’intelligenza artificiale dà potere al settore medico e sanitario
1.1 Contesto dello sviluppo medico e sanitario dell’intelligenza artificiale
1.1.1 I punti critici del settore stimolano nuove richieste
La salute medica è uno dei bisogni fondamentali di sostentamento delle persone
Dal lato della domanda, la domanda di servizi medici e sanitari continua a crescere rapidamente.
Nel 2002, la popolazione del mio paese di età pari o superiore a 65 anni rappresentava il 7,01% ed è entrata in una società che invecchia.
Si prevede che la percentuale della popolazione di età pari o superiore a 65 anni raggiungerà il 14% nel 2027, ed è entrata in una società profondamente invecchiata.
Le malattie croniche si diffondono e la sub-salute diventa normale
Dal lato dell’offerta, in primo luogo, l’importo totale delle risorse mediche è insufficiente. le risorse mediche totali del mio paese sono scarse e la sua popolazione è numerosa, il che si traduce in un enorme divario di risorse, in secondo luogo, le risorse non sono uniformi e le risorse mediche di alta qualità sono orientate verso le grandi città;
1.1.2 Le scoperte tecnologiche forniscono nuovi mezzi
In termini di potenza di calcolo, le unità di elaborazione grafica (GPU) hanno migliorato significativamente le prestazioni di calcolo e hanno capacità di calcolo parallelo che superano di gran lunga quelle delle unità di elaborazione centrale (CPU).
In termini di modelli algoritmici, l’apprendimento profondo è un algoritmo molto utilizzato nella ricerca e nelle applicazioni attuali, ed è anche un campo importante dell’intelligenza artificiale.
In termini di risorse di dati, esistono molti scenari in cui vengono generati dati medici e sanitari.
Uno sono i dati delle istituzioni mediche.
In secondo luogo, dati di studi genetici e clinici
In terzo luogo, i dati dei pazienti
In quarto luogo, l'assicurazione medica e i dati di pagamento
1.1.3 Vengono introdotte politiche per creare un nuovo ambiente
Negli ultimi anni, l’intelligenza artificiale ha attirato una crescente attenzione in tutto il mondo e si è sviluppata rapidamente ed è diventata un focus strategico dei paesi di tutto il mondo.
1.2 Cosa può fare l’intelligenza artificiale per la sanità?
1.2.1 La storia dell'evoluzione tecnologica dell'informatizzazione medico-sanitaria
Sottoargomento 1
1.2.2 Pre-diagnosi: prevenzione delle malattie e gestione sanitaria
La maggior parte delle malattie sono prevenibili, ma poiché i sintomi di solito non sono evidenti nelle fasi iniziali della malattia, non vengono scoperti finché la condizione non peggiora.
1.2.3 Pre-diagnosi: sequenziamento genico
Il sequenziamento genetico è un nuovo tipo di tecnologia di test genetico. Analizza e determina sequenze genetiche e può essere utilizzato nella diagnosi clinica di malattie genetiche, nello screening prenatale, nella previsione e nel trattamento dei tumori, ecc.
1.2.4 In-diagnosi: diagnosi assistita da immagini mediche
L'analisi manuale può basarsi solo sull'esperienza per giudicare ed è probabile che si verifichino valutazioni errate.
1.2.5 In-diagnosi: aiuto alla decisione clinica
Il sistema di supporto alle decisioni cliniche può fornire la diagnosi più accurata e il miglior trattamento attraverso un massiccio apprendimento della letteratura e la continua correzione degli errori.
1.2.6 Diagnosi: robot medici
Attualmente, i robot medici includono principalmente robot chirurgici, robot riabilitativi, robot infermieristici, robot di distribuzione, ecc.
1.2.7 Post-diagnosi: Assistenza riabilitativa
I dispositivi di assistenza per la riabilitazione si riferiscono a prodotti che migliorano, compensano, sostituiscono le funzioni del corpo umano e forniscono trattamenti ausiliari e prevengono la disabilità, compresi ortesi, protesi, dispositivi di assistenza per la mobilità personale, robot per la riabilitazione dell'esoscheletro, ecc. I gruppi applicabili includono principalmente disabili, anziani, e persone ferite.
1.2.8 Biomedicina
Attraverso l’apprendimento automatico e la tecnologia di elaborazione del linguaggio naturale, le informazioni contenute nella letteratura medica, negli articoli, nei brevetti e nei dati genomici possono essere analizzate per trovare candidati farmaci corrispondenti ed escludere composti efficaci per malattie specifiche, riducendo così in modo significativo tempi e costi di ricerca e sviluppo.
1.3 Sistema industriale di tecnologie mediche e sanitarie di intelligenza artificiale
1.3.1 Sistema di tecnologia medica e sanitaria di intelligenza artificiale
Collegamento percettivo
La visione artificiale è la scienza che utilizza i computer per imitare il sistema visivo umano, consentendo ai computer di avere capacità simili a quelle umane di estrazione, elaborazione, comprensione e analisi di immagini e sequenze di immagini. È ampiamente utilizzata nel riconoscimento di immagini mediche, nella diagnosi ausiliaria patologica, nell'ECG diagnosi ausiliaria, ecc.
L'elaborazione del linguaggio naturale è una direzione importante nel campo dell'informatica e dell'intelligenza artificiale. Studia varie teorie e metodi che possono ottenere una comunicazione efficace tra esseri umani e computer utilizzando il linguaggio naturale. Coinvolge molti campi, tra cui la traduzione automatica, la traduzione automatica, ecc. La comprensione della lettura, i sistemi di domande e risposte, ecc., vengono utilizzati principalmente nella raccolta e nell'analisi delle informazioni sui pazienti in aree quali il triage intelligente, la guida intelligente e gli assistenti virtuali.
La tecnologia di rilevamento Biosign si riferisce alla tecnologia che identifica e autentica l'identità di un individuo attraverso caratteristiche fisiologiche o comportamentali individuali copre un'ampia gamma di contenuti ed è utilizzata principalmente nei dispositivi indossabili sanitari e medici, nella gestione delle malattie croniche, nella previsione delle malattie e altro. campi.
La fase di pensiero serve a consentire al computer di avere una potenza di calcolo sufficiente per simulare determinati processi e comportamenti del pensiero umano per esprimere giudizi sui dati e sulle informazioni raccolti.
Il collegamento dell'azione consiste nel tradurre i risultati dell'elaborazione e del giudizio preliminari in movimenti del corpo e informazioni sui media e trasmetterli all'interfaccia interattiva uomo-macchina o a dispositivi esterni per ottenere lo scambio di informazioni e l'interazione fisica tra uomo e macchina.
Il collegamento dell'azione è strettamente correlato alla tecnologia meccanica, alla tecnologia di controllo, alla tecnologia della percezione, ecc.
1.3.2 Intelligenza Artificiale Ecologia del settore medico e sanitario
1.3.3 Modello del settore sanitario Intelligenza Artificiale
Secondo le statistiche, il valore totale del mercato delle applicazioni di intelligenza artificiale raggiungerà i 127 miliardi di dollari entro il 2025, di cui l’industria medica rappresenterà un quinto delle dimensioni del mercato
Le aziende tecnologiche nazionali ed estere hanno iniziato a impegnarsi nel campo dell’intelligenza artificiale medica
Capitolo 2 Riconoscimento di immagini mediche, “lettura” del medico assistita da computer
2.1 Scenari applicativi
2.1.1 Contesto dello sviluppo
Clinicamente, oltre il 70% delle diagnosi si basa sull’imaging medico
C’è un’enorme carenza di medici che si occupano di imaging medico
La diagnosi per immagini mediche ha un alto tasso di diagnosi errate e una bassa efficienza
Il grado di informatizzazione dell’imaging medico è basso
Lo sviluppo della tecnologia dell'intelligenza artificiale ha accelerato la velocità della diagnosi per immagini mediche, ha migliorato la precisione della diagnosi per immagini e ha apportato modifiche al modo in cui i medici di imaging "leggono"
(1) Cambiamenti nei metodi di lettura. L'applicazione dell'intelligenza artificiale consente direttamente alla macchina di eseguire automaticamente lo screening preliminare, il giudizio e la selezione delle lesioni sulla pellicola, ecc. Il medico deve essere responsabile solo del giudizio finale.
(2) La velocità di lettura cambia. L'intelligenza artificiale seleziona e seleziona automaticamente e rapidamente le lesioni. Il medico è responsabile solo della rivalutazione delle parti chiave, risparmiando ai medici un sacco di ingombranti processi di screening iniziale. Il tempo è notevolmente ridotto e l’efficienza è migliorata
(3) Modifiche alla precisione. L'intelligenza artificiale ha la duplice caratteristica di stabilità e completezza e non è influenzata dalla durata dell'orario di lavoro. Può osservare completamente l'intero film senza perdere alcuna omissione, completare rapidamente e stabilmente lo screening e il giudizio iniziali e infine avere un medico professionista. rivalutare le parti chiave. Pertanto, la precisione della lettura delle immagini è doppiamente garantita.
2.1.2 Principali scenari applicativi
(1) Classificazione dei casi di immagine
La classificazione dei casi analizza principalmente una serie di immagini tipiche per ottenere i risultati della classificazione dei casi corrispondenti.
(2) Rilevamento e segmentazione del bersaglio o della lesione
Si concentra maggiormente sulla classificazione di una certa parte dell'immagine o sulle differenze locali come piccoli tessuti e lesioni, come il rilevamento e la classificazione dei noduli polmonari comuni.
2.2 Tecnologie chiave
2.2.1 Stato attuale dello sviluppo tecnologico
(1) Stato attuale della ricerca accademica
Algoritmi di intelligenza artificiale come radiomica, deep learning e transfer learning sono stati sviluppati e testati su dati di imaging medico, formando molteplici modelli applicativi come il rilevamento delle lesioni, la segmentazione delle lesioni, il giudizio sulla natura delle lesioni, la pianificazione del trattamento e la previsione della prognosi.
(2) Stato di sviluppo del prodotto
Molte grandi imprese e start-up in patria e all’estero hanno investito nello sviluppo di prodotti di imaging medico basati sull’intelligenza artificiale.
Tencent Miying, Shenrui Medical, Jianpei Technology, Yidu Cloud, Zhiying Medical, Ruijia Yiying RayPlus, Diyinga, Laxon, ecc.
(3)Stato della domanda clinica
A causa dell’insufficiente verifica clinica dell’efficacia dell’intelligenza artificiale, della mancanza di database standard e di scenari adatti alla ricerca sull’intelligenza artificiale e di questioni etiche e normative cliniche che devono ancora essere risolte, mancano prodotti che possano essere applicati nella realtà pratica clinica.
2.2.2 Progettazione del modello
Il problema risolto dal modello deve essere di interesse comune per medici e radiologi e il miglioramento della sua efficienza o accuratezza nella risoluzione può generalmente avvantaggiare i pazienti.
La progettazione del modello deve fare riferimento alle più recenti linee guida e specifiche cliniche nei campi pertinenti e contribuire alla diagnosi e al trattamento della malattia sulla base delle procedure mediche esistenti.
Per l'apprendimento deve essere utilizzata una quantità sufficiente di dati e annotazioni sui dati. Ad esempio, l'obiettivo dell'apprendimento dovrebbe essere l'identificazione dei tumori comuni piuttosto che la diagnosi dei tumori rari.
La chiave per la progettazione del modello è selezionare il problema che è più favorevole al processo decisionale del medico e al beneficio del paziente, e il problema scelto da risolvere deve anche avere una grande quantità di dati di apprendimento facili da ottenere ed etichettare.
2.2.3 Costruzione del modello
La creazione del modello include la costruzione strutturata dei dati di apprendimento, l'uso di algoritmi di apprendimento per costruire il modello e infine la verifica del modello.
2.2.4 Selezione dell'algoritmo
La scelta dei diversi metodi di modellazione dovrebbe essere pianificata in base al volume dei dati e alla complessità dei dati di apprendimento.
Innanzitutto, per grandi quantità di dati di apprendimento, si consiglia di utilizzare il deep learning che include varie reti neurali come modellazione dello studente
In secondo luogo, per quantità medie di dati di apprendimento, puoi provare a utilizzare la modellazione di deep learning. Se l'effetto non è buono, puoi prendere in considerazione l'utilizzo di una rete neurale per estrarre funzionalità e utilizzare metodi di apprendimento automatico per creare un modello.
In terzo luogo, per una piccola quantità di dati di apprendimento, si consiglia di utilizzare metodi radiomici per condurre prima test ad alto rendimento, estrarre caratteristiche dell'immagine all'interno dell'intervallo di lesione e utilizzare metodi di apprendimento automatico per costruire modelli.
In quarto luogo, sebbene vi sia solo una quantità moderata di dati di apprendimento, esiste una grande quantità di dati modali simili che affrontano altri problemi. Puoi provare a utilizzare metodi di apprendimento di trasferimento per applicare l'esperienza di dati campione di grandi dimensioni all'apprendimento di dati campione di piccole dimensioni.
2.2.5 Istituzione del servizio
Stabilire un modello di servizio ragionevole basato sulle caratteristiche dell'applicazione, sulle esigenze cliniche e sulle abitudini lavorative dei medici durante la progettazione del modello
In primo luogo, la tecnologia di imaging cloud si sta sviluppando rapidamente. La sua combinazione con la tecnologia AI può fornire meglio alle istituzioni mediche, in particolare agli ospedali di base, un pacchetto di soluzioni di trasmissione, archiviazione e diagnosi ausiliaria, che contribuiranno a migliorare l’efficienza operativa e l’efficienza delle istituzioni mediche. accuratezza diagnostica
In secondo luogo, in termini di integrazione con i flussi di lavoro esistenti, può essere combinato con il sistema RIS per fornire report strutturati AI e, allo stesso tempo, combinato con il sistema PACS, il report di analisi completa AI può essere inviato al sistema PACS utilizzando Formato DICOM e le lesioni possono essere annotate quando i medici sfogliano i suggerimenti
2.3 Modello di business
2.3.1 Modello di sviluppo industriale
Apparecchiature per l'imaging medico, l'obiettivo finale del servizio sono gli ospedali e i medici che si occupano di imaging
Utilizzando i ricavi delle vendite di macchine o sistemi come base statistica, gli ostacoli includono l’accumulo di ricerca e sviluppo, il livello di produzione di precisione e i servizi di supporto.
Servizi di diagnostica per immagini mediche, l'obiettivo finale del servizio sono i pazienti
Utilizzando il reddito del servizio diagnostico come base statistica, i costi del lavoro dei medici vengono aggiunti alle immagini prodotte dalle apparecchiature di imaging. Il fattore più importante nel collegamento del servizio diagnostico sono le conclusioni diagnostiche professionali e affidabili.
2.3.2 Difficoltà applicative
(1) Il ragionamento di correlazione basato sull'analisi delle probabilità non può determinare la causa e l'effetto della malattia.
Tuttavia, lo sviluppo dell'intelligenza artificiale enfatizza eccessivamente la "correlazione probabilistica", ma le malattie avranno sempre aree sconosciute per le persone. Come combinare i due modelli di dati e conoscenze basati sulle conoscenze mediche esistenti è l'intelligenza artificiale per immagini mediche a livelli più profondi di trattamento e di intervento in campo medico.
(2) Sebbene le risorse di dati siano di grandi dimensioni, la loro qualità non è elevata e non possono essere interconnesse.
Sebbene l’imaging pre-medico abbia accumulato una grande quantità di dati, gettando le basi per l’analisi dell’intelligenza artificiale, la qualità non è elevata e i principali ospedali non possono essere interconnessi. Un grosso problema è anche l’apertura dei dati degli ospedali terziari con grandi quantità di dati di imaging digitale.
(3) Il grado di standardizzazione dei dati immagine è basso
Oltre alla grave carenza di standardizzazione delle immagini mediche e di dati strutturati, l’annotazione dei dati è particolarmente difficile.
(4) L'etichettatura dei dati è difficile
La formazione dell'intelligenza artificiale per l'imaging medico richiede una grande quantità di dati immagine etichettati e l'etichettatura richiede molti costi di manodopera e ha un impatto diretto sui risultati della formazione.
(5) La domanda e l’offerta di risorse mediche sono estremamente squilibrate
Altri ostacoli sono rappresentati dagli ambulatori specializzati nell'imaging o dalle cliniche ambulatoriali specializzate nell'imaging, dalle consultazioni di esperti online, dai conflitti importanti tra medico e paziente, dall'ambiente medico inadeguato, dallo spreco di risorse mediche e dagli elevati costi medici.
Capitolo 3 Sistema di supporto alle decisioni cliniche, Assistente virtuale del medico
3.1 Scenari applicativi
3.1.1 Genera sfondo
Il Clinical Decision Support System (CDSS) si riferisce a un sistema software che utilizza i dati clinici come informazioni di input e i risultati dell'inferenza come output per aiutare i medici a prendere decisioni.
Il principio di base del sistema di supporto alle decisioni cliniche è quello di costruire una base di conoscenza di varie malattie, inserire nel computer gli standard diagnostici, i giudizi di soglia, le prescrizioni terapeutiche, l'esperienza degli esperti, ecc. di varie condizioni e utilizzare le informazioni super e accurate del computer funzioni di archiviazione, estrazione e rapidità La potenza di calcolo utilizza la tecnologia dell'intelligenza artificiale e il ragionamento logico del computer per simulare il pensiero diagnostico e terapeutico dei medici, aiutando i medici a prendere decisioni rapide su diagnosi e trattamento.
Di fronte alle condizioni complesse e mutevoli dei pazienti, i medici spesso si sentono sopraffatti. Anche se lavorano duro e sono meticolosi, si verificano inevitabilmente omissioni ed errori. Le indagini hanno dimostrato che errori terapeutici o una manipolazione impropria dovuta a un processo decisionale inadeguato sono cause importanti di errori medici e persino di incidenti di responsabilità.
3.1.2 Storia dello sviluppo
La ricerca sui sistemi di supporto alle decisioni cliniche è iniziata alla fine degli anni '50. La prima direzione della ricerca è stata lo sviluppo di sistemi esperti medici. Applicando il motore di ragionamento delle regole di produzione, la conoscenza professionale e l'esperienza clinica degli esperti medici sono state ordinate e archiviate nel computer. Nella base di conoscenza, il ragionamento e la corrispondenza dei modelli vengono utilizzati per aiutare gli utenti a fare inferenze diagnostiche.
3.1.3 Prospettive applicative
Processo decisionale diagnostico: un sistema universale di supporto alle decisioni cliniche che può suggerire ai medici requisiti diagnostici, punti di identificazione e relativi piani di diagnosi e trattamento secondo linee guida standard di diagnosi e trattamento basate sulla descrizione da parte del medico dei sintomi del paziente prima della diagnosi, dei farmaci e intervento chirurgico, compresi i suggerimenti durante la diagnosi chirurgica. Punti chiave delle operazioni chirurgiche e degli esami preoperatori, ecc.
Processo decisionale sul trattamento: in base alle condizioni del paziente, all'osservazione clinica del medico, combinata con linee guida mediche e basi basate sull'evidenza, il sistema di supporto alle decisioni cliniche suggerisce al medico indicazioni farmacologiche, farmacologia, efficacia, ecc., compresi i sintomi comuni dell'intervento chirurgico complicanze e trattamento postoperatorio completo e piani di valutazione, ecc.
Processo decisionale prognostico: il sistema di supporto alle decisioni cliniche estrae i dati relativi ai pazienti e le loro informazioni mediche passate e la ricerca clinica per prevedere futuri problemi di salute dei pazienti e archivia e analizza i trattamenti che non sono conformi alle "Linee guida per la diagnosi clinica e il trattamento" e "Standard operativi tecnico-clinici" Il piano fornisce una base per la valutazione della qualità medica, migliora i livelli di gestione ospedaliera, standardizza il comportamento medico e fornisce anche prove scientifiche per la medicina basata sull'evidenza.
3.2 Tecnologie chiave
3.2.1 Tecnologie chiave del sistema
Il sistema di supporto alle decisioni cliniche è uno dei punti di valutazione fondamentali nella valutazione delle cartelle cliniche elettroniche HIMSS (EMRAM)
L'intero livello 0-7 è in realtà un processo di progressivo e continuo aggiornamento delle funzioni di supporto alle decisioni cliniche, fino a raggiungere finalmente il livello sette di capacità completa di supporto alle decisioni cliniche (CDSS completo)
Classificazione CDSS
Meccanismo dell’algoritmo decisionale: nel processo di supporto decisionale interno, attualmente è possibile applicare un’ampia gamma di algoritmi
La differenza nell'applicazione degli algoritmi decisionali dipende principalmente dal metodo di rappresentazione della conoscenza interna del sistema di supporto alle decisioni cliniche. Esistono diversi metodi di rappresentazione della conoscenza per diverse esigenze decisionali, formando così diversi meccanismi decisionali.
Progettazione della funzione del sistema: nello specifico, cos'è l'input e quale l'output Se l'output sono conclusioni diagnostiche e raccomandazioni terapeutiche, la base verrà da linee guida cliniche, casi basati sull'evidenza e letteratura autorevole.
Uno è aiutare a prendere decisioni su ciò che è giusto.
Il secondo è aiutare i medici a decidere cosa fare dopo
Metodo di interazione: nel processo di produzione delle informazioni di supporto decisionale, come è progettato il processo di interazione, se all'utente è consentito avere l'iniziativa nell'interazione e se l'utente può intervenire nel risultato finale. I metodi di raccomandazione del sistema decisionale clinico sono divisi in due tipologie: attivi e passivi.
L'approccio proattivo significa che il sistema fornisce in modo proattivo suggerimenti decisionali ai medici, indipendentemente dal fatto che il medico abbia bisogno di aiuto decisionale in quel momento.
Il metodo passivo significa che il sistema fornisce suggerimenti decisionali solo quando il medico lo chiede attivamente.
Integrazione del sistema: se la logica di funzionamento del CDSS debba essere integrata con l'attuale sistema informativo dell'ospedale o gestita in modo indipendente e se debba essere integrata con il flusso di lavoro del medico, sono tutti fattori importanti da considerare.
Livello di supporto decisionale: in termini di supporto decisionale, sia per produrre risultati direttamente sia per fornire conoscenze ausiliarie al processo decisionale in modo più indiretto, i casi di riferimento hanno anche una relazione importante con il livello di applicazione clinica del CDSS.
3.2.2 Tecnologie chiave dei dati
(1) Integrare i dati
Negli ospedali, i dati dei pazienti necessari per il supporto alle decisioni cliniche vengono raccolti attraverso il sistema di cartelle cliniche elettroniche, quindi estratti e organizzati tramite una pompa di dati.
(2) Base di conoscenze mediche
Il programma di ragionamento al centro del sistema di supporto alle decisioni cliniche può generare raccomandazioni basate sulla conoscenza e sull'esperienza della base di conoscenze per supportare il processo decisionale.
(3) Formazione del supporto decisionale
. La sua funzione è applicare la conoscenza medica ai risultati dei dati dei pazienti, analizzarli e riassumerli e infine prendere decisioni e suggerimenti corrispondenti per pazienti specifici.
Caratteristiche importanti e condizioni necessarie del CDSS per i dati
Innanzitutto, è supportato da un potente database di conoscenze mediche
In secondo luogo, la struttura della conoscenza della rete neurale aperta viene utilizzata per tracciare l’intero processo, in modo che il sistema abbia la capacità di costruire in modo casuale canali diagnostici e terapeutici procedurali per assistere i medici nell’effettuare diagnosi e trattamenti accurati, sicuri e tempestivi per i pazienti.
In terzo luogo, simulare il pensiero clinico e fornire un processo decisionale ausiliario durante tutto il processo clinico.
In quarto luogo, man mano che le condizioni del paziente cambiano, vengono generati più canali decisionali clinici per fornire ai medici riferimenti per il processo decisionale, facendo sì che la diagnosi clinica e il trattamento abbiano la natura di una consultazione multi-prospettiva.
3.3 Modello di business
3.3.1 Segmenti di mercato
(1) Informatizzazione dei grandi ospedali
Dal 2018, i documenti di gara per l'informatizzazione degli ospedali terziari in molte città non hanno formato espressioni e requisiti veramente significativi dal punto di vista clinico per la parte CDSS.
(2) Mercato primario medico-sanitario
Le istituzioni mediche primarie coprono una popolazione considerevole in Cina. Anche se misurata in termini di denaro, la capacità di pagamento di 277.000 istituzioni mediche è sufficiente a sostenere un enorme mercato CDSS primario.
3.3.2 Casi applicativi tipici
Sistema IBM Watson
Il primo passo verso la commercializzazione è la collaborazione con il Memorial Sloan-Kettering Cancer Center per addestrare congiuntamente la soluzione tumorale IBM Watson
Un team di medici e ricercatori ha caricato migliaia di cartelle cliniche, quasi 500 riviste mediche e libri di testo e 15 milioni di pagine di letteratura medica per trasformare IBM Watson in un eccezionale "esperto medico oncologico"
Nel luglio 2015, IBM Watson è diventato uno dei primi progetti commerciali di IBM Watson Health, mettendo ufficialmente in uso commerciale soluzioni oncologiche per quattro tipi di cancro: cancro ai polmoni, cancro al seno, cancro al colon e cancro del retto.
Nell'agosto 2016, IBM ha annunciato di aver completato la formazione sul trattamento adiuvante del cancro gastrico e ne ha lanciato ufficialmente l'uso.
Tipici modelli applicativi e indicazioni CDSS in Cina
(1) Assistente clinico per la salute umana
La principale fonte di dati di Health Clinical Assistant sono le monografie di qualità vecchie di 63 anni della People's Medical Publishing House, che raccolgono più di 2.000 materiali di casi ospedalieri. È stato istituito un comitato di revisione di esperti per formulare un processo di revisione e rilascio delle risorse e selezionare autorevoli contenuti da inserire nel database.
(2) Sistema di aiuto alle decisioni cliniche Huimei
Nel 2015, Huimei Medical Group ha introdotto ufficialmente l’intero sistema di conoscenza di Mayo e nel 2016 ha rilasciato il sistema di assistenza alle decisioni cliniche Huimei basato sull’intelligenza artificiale.
Fase di consultazione/triage pre-diagnosi: i pazienti possono condurre un autoesame nel sistema di triage intelligente Huimei. Attraverso una serie di domande guida, possono ottenere una valutazione adeguata della loro condizione prima del trattamento e chiarire "lieve, grave, lento e". lieve" di cure mediche. Urgente" per ottenere rapidamente consigli autorevoli sull'elaborazione.
Fase decisionale durante la diagnosi: con l'autorizzazione dell'ospedale, il sistema di assistente decisionale clinico di Huimei collabora con il produttore del sistema di cartella clinica elettronica (CPOE) per inserire i dati nella cartella clinica elettronica nel processo decisionale clinico di Huimei sistema di assistenza, in modo che i medici ambulatoriali possano sottoporsi a standardizzazione e professionalizzazione.
Il sistema può anche analizzare automaticamente la relazione tra sintomi e malattie, come la relazione tra febbre e raffreddore, febbre e polmonite, ecc., fornendo diagnosi e percorsi di trattamento standardizzati per le cliniche della catena, aiutando i medici a migliorare le proprie capacità aziendali e l’efficienza lavorativa, e migliorare le cliniche.
Fase post-diagnosi e trattamento: il sistema di assistenza decisionale clinica di Huimei non solo contiene ricchi dettagli sulla malattia, ma copre anche suggerimenti completi sul trattamento della malattia, inclusi suggerimenti sul trattamento, suggerimenti sugli esami, suggerimenti sui farmaci e guida del paziente, ecc.
In termini di uso razionale dei farmaci, il sistema ha una rigorosa funzione di revisione dei farmaci, fornendo descrizioni dei farmaci, interazioni farmacologiche, controlli delle controindicazioni, ecc., e ricordando tempestivamente ai medici di prevenire la mancata corrispondenza dei farmaci e l’abuso di antibiotici.
Il sistema di assistenza decisionale clinica Huimei digitalizza e intelligentizza la guida ai farmaci per le malattie croniche, valuta completamente le condizioni del paziente, genera automaticamente piani di trattamento come riferimento dei medici e raccomanda regimi terapeutici combinati e regimi terapeutici controindicati.
3.3.3 Direzione dello sviluppo
In primo luogo, i sistemi di supporto alle decisioni cliniche basati sui dati testuali delle cartelle cliniche hanno iniziato ad aggiungere vari elementi, comprese le immagini, per arricchire la catena di dati per le decisioni diagnostiche.
Da un punto di vista specialistico, le malattie dei nervi cranici rappresentano anche una delle direzioni importanti per l'evoluzione dei sistemi di supporto alle decisioni cliniche. Questo perché le malattie dei nervi cranici hanno le caratteristiche di molti tipi di dati coinvolti nel processo decisionale e su cui si basa il processo di diagnosi sull'esperienza accumulata a lungo termine degli esperti. Sono adatti per il miglioramento delle decisioni utilizzando metodi di intelligenza artificiale come l'apprendimento automatico
Infine, dovremmo anche affrontare le difficoltà nell’applicazione dei sistemi di supporto alle decisioni cliniche dalla ricerca e sviluppo all’implementazione.
(1) L'intersezione e l'integrazione tra tecnologia dell'informazione e medicina
(2) Come stabilire e citare un database di conoscenze cliniche unificato e su larga scala
Capitolo 4 Il sequenziamento genetico apre l’era della medicina di precisione
4.1 Scenari applicativi
4.1.1 Test prenatali non invasivi
I test genetici prenatali non invasivi possono raccogliere il sangue periferico delle donne in gravidanza e sequenziare i frammenti di DNA libero nel sangue periferico materno (compreso il DNA libero fetale). Dopo l'analisi, è possibile calcolare il rischio che il feto soffra di aneuploidia cromosomica la tecnologia può rilevare simultaneamente la trisomia 21, la trisomia 18 e la trisomia 13 e la precisione attuale può raggiungere il 99,9%
4.1.2 Rilevazione del tumore
La diagnosi complementare dei tumori NGS consente ai medici di formulare il miglior piano di trattamento in base alla variazione genetica del paziente e alle corrispondenti condizioni cliniche, di scoprire farmaci mirati potenzialmente disponibili il più presto possibile e di migliorare l'efficienza del trattamento dei farmaci antitumorali.
4.1.3 Screening per le malattie genetiche rare
Il terzo esempio di utilizzo dei test genetici per curare le “malattie preventive” è lo screening delle malattie genetiche rare.
4.1.4 Gestione sanitaria di precisione
I test genetici possono aiutare una persona a iniziare a prevenire future malattie prima che sviluppino la malattia.
4.1.5 Conferma dell'identità
DNA
4.2 Tecnologie chiave
4.2.1 Tecnologia di sequenziamento genico di prima generazione
Utilizza principalmente la fluorescenza a quattro colori e la tecnologia dell'elettroforesi capillare per il sequenziamento, che è strettamente correlata al Progetto Genoma Umano
4.2.2 Tecnologia di sequenziamento genico di seconda generazione
Questa è la tecnologia Next Generation Sequencing (NGS) di cui si sente spesso parlare oggi.
4.2.3 Tecnologia di sequenziamento genico di terza generazione
La tecnologia di sequenziamento di terza generazione può sequenziare direttamente sequenze di RNA e DNA metilato
4.3 Modello di business
4.3.1 Produzione di strumenti per il sequenziamento dei geni
4.3.2 Servizi di sequenziamento genico
I servizi di sequenziamento genetico per i servizi di ricerca scientifica assumono il sequenziamento genetico come contenuto del servizio
Tutti i servizi di sequenziamento genetico diretti al consumatore utilizzano chip genetici come piattaforma tecnologica di sequenziamento per fornire servizi.
Servizi di sequenziamento genetico con diagnosi medica come modalità principale I progetti di sequenziamento coinvolti includono lo screening della sindrome di Down, il rilevamento di tumori, il rilevamento di malattie rare, il rilevamento di agenti patogeni sconosciuti, ecc.
4.3.3 Sviluppo software e servizi cloud
Gli utenti affitteranno le capacità di sequenziamento proprio come le risorse di calcolo e di archiviazione e potranno scegliere diverse piattaforme e tecnologie di sequenziamento. Possono anche ottenere rapidamente servizi di sequenziamento tramite offerte, proprio come quando scelgono i servizi di cloud computing.
Capitolo 5: Gestione della salute, non trattare la “malattia esistente” ma trattare la “pre-malattia”
5.1 Scenari applicativi
5.1.1 Prevenzione delle malattie
Le applicazioni di prevenzione delle malattie raccolgono informazioni sulla vita personale degli utenti come abitudini alimentari, cicli di esercizio fisico e abitudini terapeutiche e utilizzano la tecnologia di intelligenza artificiale per condurre analisi dei dati per valutare quantitativamente lo stato di salute dell'utente, aiutando gli utenti a comprendere le loro condizioni fisiche in modo più completo e accurato, e fornire misure correttive, comportamenti e abitudini non salutari ne costituiscono la base
5.1.2 Gestione delle malattie croniche
Le applicazioni per la gestione delle malattie croniche fungono da ponte per la comunicazione tra medici e pazienti, riducendo il lavoro dei medici e garantendo al tempo stesso che le condizioni dei pazienti siano giudicate e trattate in condizioni note e controllabili.
5.1.3 Gestione sportiva
Le applicazioni di gestione del movimento utilizzano sensori e i relativi algoritmi per acquisire dati sul movimento attraverso dispositivi indossabili per la gestione del movimento (come quelli agganciati sul retro dei pantaloncini da corsa). Misurano la cadenza contando i passi al minuto e possono anche fornire informazioni sulle oscillazioni pelviche verticali per aiutare regolare la rotazione pelvica e le tendenze a fare grandi passi associati alla seduta prolungata e supportare l'identificazione e la correzione dei problemi di caduta pelvica.
5.1.4 Monitoraggio del sonno
Il dispositivo di monitoraggio del sonno utilizza BCG (cardiogramma) per misurare l'attività meccanica del cuore, dei polmoni e di altre funzioni del corpo e può monitorare le abitudini quotidiane del sonno dell'utente tramite l'iPhone, incluso russamento, durata del sonno, frequenza cardiaca a riposo, frequenza respiratoria, come tempo necessario Il numero di volte in cui puoi addormentarti, alzarti e il tempo totale che trascorri nel sonno profondo, ecc.
5.1.5 Gestione della salute materna e infantile
Da un lato, si tratta del monitoraggio dei dati delle donne prima e dopo la gravidanza, solitamente combinato con hardware intelligente o dispositivi indossabili per monitorare i sintomi fisiologici individuali, lo stato emotivo, il sonno e altri dati.
D'altra parte, ci sono domande e risposte sulla conoscenza genitoriale. Dalla salute materna e infantile alla nascita di una nuova vita, alla nascita e alla crescita del bambino, compresi i cambiamenti fisici personali, i cambiamenti psicologici ed emotivi, le capacità genitoriali e persino la risoluzione di vari problemi familiari complessi
5.1.6 Assistenza agli anziani
Il sistema di assistenza agli anziani è rivolto principalmente alla vita assistenziale degli anziani, consentendo ai familiari di comprendere a distanza le condizioni degli anziani e fornire assistenza tempestiva in caso di emergenza.
5.2 Tecnologie chiave
5.2.1 Tecnologie terminali chiave
Il terminale di gestione sanitaria realizza la raccolta e la trasmissione di vari dati sui segni del corpo umano (glicemia, pressione sanguigna, ossigeno nel sangue, battito cardiaco, ecc.) Integrandosi con software applicativo e servizi cloud.
Attrezzature per la gestione sanitaria
Comprende principalmente braccialetti sanitari, orologi sanitari, apparecchiature di monitoraggio indossabili, ecc., che possono condurre un monitoraggio continuo e in tempo reale di parametri fisiologici e informazioni sullo stato di salute come pressione sanguigna, zucchero nel sangue, ossigeno nel sangue ed ECG e ottenere risultati reali online. -gestione del tempo e preavviso.
Apparecchiature per test medici
Principalmente comprese apparecchiature portatili per il monitoraggio sanitario, apparecchiature per test sanitari self-service, ecc.
Attrezzature per l'assistenza infermieristica
Comprende principalmente attrezzature intelligenti per il monitoraggio, la riabilitazione e la cura, come sedie a rotelle intelligenti e letti di monitoraggio per l'assistenza domiciliare e istituzionale, nonché terminali di posizionamento interni ed esterni ad alta precisione per evitare che i malati di Alzheimer si perdano, ecc.
5.2.2 Principali tecnologie di rete
Lo strato di rete trasmette informazioni tra lo strato di percezione, lo strato di piattaforma e lo strato di applicazione attraverso la comunicazione wireless o cablata attraverso reti pubbliche o private.
5.2.3 Tecnologie chiave della piattaforma
Attualmente, le tecnologie chiave della piattaforma Big Data includono cinque tecnologie principali: tecnologia di raccolta dati, tecnologia di archiviazione dati, tecnologia della piattaforma dati, tecnologia di elaborazione dati e tecnologia di rappresentazione dei dati.
problema
(1) Questioni di interconnessione dei dati sanitari
Le informazioni di base e le varie risorse informative cliniche sono sparse, duplicate e isolate
(2) Problemi di controllo della qualità dei dati relativi alla valutazione dello stato di salute
Non esistono standard pertinenti per misurare l’accuratezza dei dati e l’identificazione scientifica di condizioni patologiche complesse.
5.3 Modello di business
5.3.1 Modello di vendita dell'hardware
La maggior parte delle aziende è nella fase di vendita dei prodotti e di raccolta dei dati e potrebbe fornire servizi a valle per la gestione dei pazienti in futuro.
La concorrenza per la vendita di prodotti terminali che raccolgono dati sanitari è molto agguerrita. L'esperienza di utilizzo del prodotto e i servizi di follow-up sono il fulcro della persistenza del cliente.
5.3.2 Modello di erogazione del servizio
Il modello di tariffazione orientato al paziente consiste nel fornire ai pazienti servizi di gestione delle malattie croniche a proprie spese.
Il modello di tariffazione per i medici è relativamente comune negli Stati Uniti. Dopo che la polizza di assicurazione medica statunitense paga in base alla qualità del servizio, gli ospedali sono sotto pressione dall'assicurazione medica e hanno l'incentivo ad aiutare i pazienti a ottenere risultati terapeutici ottimali al costo più basso i medici sono disposti a pagare per la gestione sanitaria.
5.3.3 Modello di integrazione dei dati
Un modo per fornire dati di ricerca scientifica agli istituti di ricerca
Un altro servizio completo di gestione dei dati per le istituzioni mediche
5.3.4 Modello di pagamento assicurativo
I fornitori di servizi riducono le spese per i sinistri delle compagnie di assicurazione e ottengono profitti conducendo analisi precise degli assicurati o fornendo servizi medici.
Capitolo 6 Robot medici, diagnosi, trattamento, riabilitazione e servizi
6.1 Scenari applicativi
6.1.1 Robot chirurgico
Un robot chirurgico è un dispositivo combinato di un insieme di componenti. Di solito è assemblato da un endoscopio (sonda), strumenti chirurgici come forbici, telecamere in miniatura e joystick.
La caratteristica più importante del robot è che possiede una destrezza che gli esseri umani non hanno. La sua base è: 1) il sistema di filtraggio del tremore può filtrare il tremore della mano del chirurgo; 2) il sistema di riduzione del movimento può ridurre la gamma di movimento del chirurgo proporzionalmente (5:1).
6.1.2 Robot per diagnosi e trattamento non chirurgici
I robot per diagnosi e trattamento non chirurgici includono principalmente robot per radioterapia, robot a capsula, robot per immagini e altri sistemi robotici che assistono la diagnosi e il trattamento.
6.1.3 Robot per la riabilitazione
Per rispondere alle nuove esigenze medico-sanitarie quali la chirurgia di precisione/mini-invasiva, la compensazione e riabilitazione funzionale e i servizi agli anziani
6.1.4 Robot per servizi medici
L'obiettivo dei robot per servizi medici è anche quello di aiutare il personale medico a condividere alcuni lavori di trasporto pesanti e ingombranti e a migliorare l'efficienza lavorativa del personale medico.
6.2 Tecnologie chiave
6.2.1 Ergonomia
Per comprendere la relazione interattiva tra le persone e gli altri elementi del sistema, le sue teorie, principi e metodi vengono utilizzati principalmente nel processo di progettazione dei robot, con lo scopo di ottimizzare la salute umana e le prestazioni del sistema.
L'integrazione dell'ergonomia e dei robot medici si riferisce alla tecnologia che consente di realizzare il dialogo tra esseri umani e computer in modo efficace attraverso dispositivi di input e output del computer. Le tecnologie correlate includono macchine che forniscono una grande quantità di informazioni pertinenti e richieste di istruzioni attraverso dispositivi di output o di visualizzazione. e gli esseri umani Utilizzare i dispositivi di input per inserire informazioni rilevanti nella macchina, rispondere a domande e fornire suggerimenti, ecc.
Robot di guida medica
6.2.2 Funzionamento remoto
La tecnologia di teleoperazione significa che l'operatore controlla il controller principale localmente per completare il controllo remoto dei macchinari in luoghi remoti inaccessibili o in ambienti speciali.
Telechirurgia significa che i chirurghi possono utilizzare strumenti per eseguire trattamenti chirurgici localmente su pazienti in luoghi distanti. Può alleviare la carenza di chirurghi di alta qualità in aree remote, ridurre i costi medici e dare speranza a molti pazienti che vivono in ambienti remoti o speciali.
6.2.3 Tecnologia di posizionamento spaziale
Il sistema di posizionamento dello spazio chirurgico abbina accuratamente i dati dell'immagine preoperatoria o intraoperatoria del paziente con la struttura anatomica del paziente sul letto operatorio, tiene traccia degli strumenti chirurgici durante l'operazione e aggiorna e visualizza la posizione degli strumenti chirurgici sotto forma di sonda virtuale su l'immagine del paziente in tempo reale, consentendo agli interventi chirurgici del medico di essere più precisi, efficienti e sicuri.
(1) I sistemi di navigazione basati su immagini preoperatorie richiedono una pianificazione preoperatoria e una registrazione e un monitoraggio intraoperatori. I tipici sistemi di navigazione TC preoperatoria possono essere utilizzati per la navigazione ortopedica e chirurgica della colonna vertebrale, mentre i tipici sistemi di navigazione MRI preoperatoria possono essere utilizzati per la navigazione neurochirurgica.
(2) Sistema di navigazione chirurgica per fluoroscopia a raggi X con arco a C: non è richiesta alcuna registrazione preoperatoria o intraoperatoria. Può presentare la struttura anatomica dell'immagine in tempo reale e ottenere la relazione di posizione spaziale degli strumenti chirurgici relativi il paziente. Il medico può dedurre il percorso degli strumenti chirurgici in base a questo. Si tratta di un punto caldo della ricerca negli ultimi anni
(3) Gli ultrasuoni possono produrre immagini in tempo reale, sono sicuri, convenienti ed economici. Sono attualmente comunemente utilizzati nella puntura lombare guidata da ultrasuoni, nella chirurgia dei traumi craniocerebrali, nella chirurgia di bypass dell'arteria coronaria e in altre operazioni.
(4) La risonanza magnetica intraoperatoria può monitorare lo spostamento delle strutture anatomiche intraoperatorie in tempo reale e può risolvere completamente il problema della deriva dell'immagine intraoperatoria nel sistema di navigazione delle immagini preoperatorie esistente.
(5) Gli endoscopi sono ampiamente utilizzati nella chirurgia mini-invasiva. I medici possono eseguire operazioni come la biopsia, la rimozione di calcoli e la sutura sotto la guida dell'immagine visiva dell'endoscopio.
6.2.4 Elaborazione immagine multimodale
La registrazione delle immagini mediche consiste nel trovare una sorta di trasformazione spaziale per rendere i punti corrispondenti delle due immagini completamente coerenti in termini di posizione spaziale e struttura anatomica.
Lo scopo principale della fusione delle immagini è migliorare la leggibilità delle immagini elaborando dati ridondanti tra più immagini e migliorare la chiarezza delle immagini elaborando informazioni complementari tra più immagini.
La segmentazione dell'immagine consiste nel separare diverse aree di particolare significato nell'immagine in modo che ciascuna area disgiunta soddisfi la coerenza dell'area specifica.
La visualizzazione tridimensionale delle immagini mediche esegue la ricostruzione tridimensionale dell'immagine acquisita e riduce l'impatto del rumore dell'immagine tomografica bidimensionale attraverso il filtraggio bidimensionale, migliora il rapporto segnale-rumore ed elimina la scia dell'immagine Immagine.
6.2.5 Tecnologia dell'intelligenza artificiale
Allo stato attuale, l'intelligenza artificiale può essere utilizzata per la diagnosi per immagini di molte malattie come l'oftalmologia, la medicina interna e i tumori. Può anche eseguire ragionamenti e giudizi basati sulla conoscenza e sull'esperienza fornita da uno o più esperti in un determinato campo, simulare il processo decisionale di esperti umani e risolvere problemi sul campo
6.2.6 Big data medici
I Big Data medici sono una tecnologia di database orientata alla medicina, orientata alle cartelle cliniche elettroniche, all'imaging medico, ai video ospedalieri e ad altri tipi di dati, inclusa l'estrazione strutturata di informazioni per cartelle cliniche elettroniche mediche, l'analisi dei dati per l'imaging medico e i video di sorveglianza ospedaliera Analisi intelligente, ecc.
6.2.7 Tecnologia della realtà virtuale/realtà aumentata
La tecnologia della realtà virtuale fornisce tre collegamenti chiave per il trattamento riabilitativo: pratica ripetuta, feedback sulle prestazioni e mantenimento della motivazione Creando un ambiente virtuale ragionevole e un feedback informativo efficace, i pazienti possono valutare oggettivamente le proprie condizioni, migliorando così notevolmente l'effetto dell'allenamento riabilitativo.
6.3 Modello di business
6.3.1 Modello di business dei robot chirurgici
Categoria A: Sistema robotico di partecipazione chirurgica (CAD/CAM chirurgico)
I robot medici nei sistemi di Classe A partecipano e completano principalmente l’intero processo chirurgico, comprese la resezione e la sutura. Il chirurgo svolge un ruolo di guida e di assistenza
Categoria B: Sistemi robotici per assistenti chirurgici (assistenti chirurgici)
I robot medici nei sistemi di Classe B assistono principalmente i medici nell’esecuzione di interventi chirurgici, compresa la pianificazione preoperatoria, il posizionamento intraoperatorio, ecc.
6.3.2 Modello di business dei robot per diagnosi e trattamento non chirurgici
(1) Robot per radioterapia
I prodotti tipici dei robot per radioterapia includono CyberKnife, un nuovo tipo di apparecchiatura per radioterapia stereotassica per tutto il corpo utilizzata per trattare vari tipi di cancro e tumori nel corpo.
(2) Robot del sistema di imaging
Il robot di lettura può essere utilizzato in campi di diagnosi per immagini come l'ecografia dei noduli tiroidei, lo screening del cancro cervicale e lo screening delle malattie polmonari. È un tipico esempio della combinazione di intelligenza artificiale, big data medici e robot medici.
(3) Robot capsula
Il robot capsula è un microstrumento intelligente che può entrare nel tratto gastrointestinale umano per l'esplorazione e il trattamento medico. Si tratta di una nuova svolta nella tecnologia medica per l'esame e il trattamento interventistico in vivo.
6.3.3 Modello di business dei robot di riabilitazione
(1) Riabilitazione della funzione motoria
La riabilitazione della funzione motoria è rivolta principalmente a persone con disabilità, anziani e persone con mobilità ridotta
(2) Protesi intelligenti
Le protesi intelligenti raccolgono i segnali elettromiografici di contrazione muscolare residua e stabiliscono una relazione corrispondente tra i segnali elettromiografici e i movimenti dell'articolazione protesica durante l'allenamento, simulando così in modo intelligente i movimenti degli arti reali.
(3) Altri robot riabilitativi
I campi di applicazione dei robot riabilitativi comprendono anche la riabilitazione della funzione cardiopolmonare, la riabilitazione della funzione linguistica, la riabilitazione della funzione cognitiva e altri tipi di robot riabilitativi.
6.3.4 Modello di business dei robot per servizi medici
robot di telemedicina
Può rispondere continuamente alle nuove domande poste dalle persone accumulando e aggiornando dati e può soddisfare in modo efficiente le enormi e complesse esigenze di servizi di informazione negli ospedali.
Robot per il trasporto di oggetti
In grado di realizzare una pianificazione indipendente del percorso, evitare gli ostacoli, caricare, trasportare oggetti, ecc.
robot di servizio farmacia
Dispensare medicinali
Capitolo 7 Internet industriale, nuova direzione per lo sviluppo della biomedicina
7.1 Gestione dell'intero ciclo di vita delle apparecchiature mediche
7.1 Gestione dell'intero ciclo di vita delle apparecchiature mediche
7.1.1 Contesto dello sviluppo
Poiché le autorità sanitarie del mio paese hanno aumentato i requisiti di gestione della qualità per le apparecchiature mediche nella gestione degli ospedali classificati e hanno gradualmente migliorato le norme e i regolamenti pertinenti, la sicurezza della qualità delle apparecchiature mediche e la gestione del rischio sono gradualmente diventate una parte importante per garantire la sicurezza del lavoro clinico negli ospedali a tutti i livelli.
La gestione intelligente aiuta i dipartimenti di gestione legati alle apparecchiature mediche a stabilire connessioni pratiche mentre conducono la gestione del sistema per evitare isole di informazioni.
7.1.2 Tecnologie chiave
La gestione intelligente delle apparecchiature mediche copre l'intero processo di gestione del ciclo di vita delle apparecchiature mediche e supporta i materiali di consumo medici dall'ammissione alla rottamazione.
Gestione delle apparecchiature mediche
Gestione generale dei materiali di consumo
Gestione dei materiali di consumo ad alto valore
La gestione intelligente del settore medico prende al centro il ciclo di vita delle apparecchiature mediche, utilizza mezzi intelligenti e si combina con altri sistemi informativi delle unità mediche per ottenere una gestione raffinata delle apparecchiature mediche.
7.1.3 Problemi affrontati
(1) Migliorare gli standard di gestione intelligente delle apparecchiature mediche
(2) Chiarire il livello di sviluppo della gestione intelligente delle apparecchiature mediche
(3) Determinare il contenuto della gestione intelligente delle apparecchiature mediche
7.2 Produzione additiva biomedica (stampa 3D)
7.2.1 Contesto di sviluppo
La produzione additiva (stampa 3D) richiede innanzitutto che il prodotto progettato venga presentato in forma 3D attraverso un computer, quindi vengono utilizzati materiali di stampa specifici per stampare strato dopo strato fino alla formazione del prodotto.
Le tecnologie comuni di produzione additiva (stampa 3D) nel campo della biomedicina includono principalmente lo stampaggio con sinterizzazione laser selettiva, la fotoindurimento laser, la modellazione a deposizione fusa, la tecnologia di produzione di solidi stratificati, ecc.
7.2.2 Tecnologie chiave
(1) Progettazione di modelli medici
(2) Produzione rigenerativa di tessuti e organi
(3) Produzione di dispositivi medici
7.2.3 Problemi affrontati
Principalmente limitato alle caratteristiche del materiale e all'unicità dei materiali di stampa
7.3 Ricerca e sviluppo di farmaci assistiti dall’intelligenza artificiale
7.3.1 Contesto di sviluppo
La ricerca e lo sviluppo di nuovi farmaci è un campo tecnico ad alto rischio, a lungo termine, ad alta intensità di capitale e tecnologia, e anche il tasso di fallimento della ricerca e dello sviluppo di farmaci supera il 90% (in particolare i farmaci originali).
7.3.2 Tecnologie chiave
(1) Selezione degli obiettivi
(2) Screening e ottimizzazione dei farmaci
(3) Scoperta e reclutamento dei pazienti
(4) Gestione della conformità
(5) Previsione della forma cristallina del farmaco
(6) Big data dei pazienti e ricerca nel mondo reale
Capitolo 8 Prospettive per lo sviluppo medico e sanitario dell’intelligenza artificiale cinese
8.1 Standard politici
8.1.1 Promozione dello sviluppo industriale
Sostegno alla politica nazionale
8.1.2 Supervisione e gestione del settore
Attualmente, le autorità di regolamentazione vietano ai software di assistenza virtuale di fornire consigli diagnostici su qualsiasi malattia e consentono agli utenti solo di fornire servizi di consulenza sanitaria leggera.
I prodotti e i servizi medici e sanitari di intelligenza artificiale devono soddisfare gli standard nazionali pertinenti per garantire requisiti di sicurezza, affidabilità, tracciabilità, protezione della privacy, ecc.
8.1.3 Tutela della sicurezza dei dati
Nel processo di sviluppo dei big data sanitari e medici e dell’intelligenza artificiale, questioni come la protezione della privacy personale, la sicurezza dei dati e persino la sicurezza nazionale hanno ricevuto crescente attenzione.
8.2 Innovazione tecnologica
8.2.1 Ricerca e sviluppo di tecnologie chiave
Tecnologie come sensori intelligenti, chip di rete neurale e piattaforme aperte open source sono state applicate in campo medico e sanitario e hanno ottenuto risultati notevoli.
8.2.2 Costruzione del set di dati di addestramento
Il prossimo passo sarà inizialmente costruire e aprire vari tipi di librerie di risorse di formazione di massa sull’intelligenza artificiale per la ricerca e lo sviluppo di prodotti chiave per l’intelligenza artificiale e la salute medica e per le esigenze applicative del settore.
8.2.3 Garanzia della sicurezza delle informazioni
Il sistema di struttura delle applicazioni mediche intelligenti è enorme, la piattaforma è altamente aperta, il business è complesso, ci sono molte identità degli utenti, in particolare pazienti con informazioni private sensibili, una grande quantità di dati spaziali e le informazioni sono anche altamente interconnesse nell'area metropolitana la zona.
La ricerca e lo sviluppo di intelligenza artificiale, tecnologia di sicurezza della rete medica e sanitaria continuano a rafforzarsi e la protezione della sicurezza della rete di prodotti e sistemi sarà ulteriormente rafforzata in futuro
Il mercato della sicurezza informatica diventerà gradualmente concentrato e le strategie di sicurezza informatica si sposteranno verso la difesa attiva.
La costruzione del sistema di sicurezza medica e sanitaria basato sull'intelligenza artificiale continuerà ad accelerare, verrà inizialmente stabilito un sistema di responsabilità per la gestione della sicurezza e verranno inizialmente formulate regole per l'etichettatura, la classificazione scientifica, la classificazione dei rischi e la revisione della sicurezza.
Protezione del livello?
8.3 Modello di business
8.3.1 Giganti di Internet
Baidu, Alibaba, Tencent
8.3.2 Imprese start-up
Al contrario, per le start-up, la cooperazione con le imprese del lato B è più meritevole di un’esplorazione approfondita.
8.3.3 Aziende di apparecchiature mediche
I dati raccolti per i prodotti della stessa marca sono più standardizzati e il formato è più unificato, il che facilita l'estrazione e l'applicazione dei dati.
8.4 Risorse di talento
La domanda di talenti per l’intelligenza artificiale e la salute medica proviene principalmente da due campi diversi: intelligenza artificiale e salute medica (talenti complessi)
. Aderire alla combinazione di formazione e introduzione per attrarre e coltivare i principali talenti dell'intelligenza artificiale con potenziale di sviluppo. Incoraggiare e guidare talenti e team innovativi nazionali e rafforzare la cooperazione e l’interazione con le principali istituzioni globali.
8.5 Etica normativa
Le normative legali devono proteggere l’innovazione tecnologica, e anche l’innovazione e lo sviluppo tecnologico devono rispettare il valore legale dei profitti.