Conecte-se
Fazer login

Galeria de mapas mentais [Community Works] AI Healthcare aplicação e futuro da saúde inteligente

[Community Works] AI Healthcare aplicação e futuro da saúde inteligente

O mapa mental de "AI Healthcare: Aplicação e Futuro dos Cuidados de Saúde Inteligentes" ajudará você a entender este livro de forma mais intuitiva. Espero que este mapa mental seja útil para você!

Editado em 2024-01-31 17:23:23

슈퍼직장인

Trabalhos recentes Ver mais trabalhos>>

[Community Works] AI Healthcare aplicação e futuro da saúde inteligente

슈퍼직장인

Trabalhos recentes Ver mais trabalhos>>

Recomendado para você
Descrição

COMUNICAÇÃO EMPÁTICA
- 6
João Victor Araújo
Veículo de saneamento silencioso e inteligente
- 9
슈퍼직장인
sistema sanguíneo-zzw
- 6
WSb6eYgD
Fisiologia - Sangue
- 10
WSb6eYgD
Situação atual e tendências de desenvolvimento da Internet médica e de saúde
- 5
슈퍼직장인
Mapa mental de doenças do sistema cardiovascular-medicina
- 27
WSb6eYgD
Saúde – perder 20 quilos
- 6
WSysQn6v
Mapa mental sobre cirrose
- 12
WSb6eYgD
Medicina - Cuidados com pacientes com insuficiência cardíaca
- 5
WSb6eYgD
Sistema Respiratório de Medicina Interna-zzw
- 5
WSb6eYgD

AI Healthcare: aplicação e futuro da saúde inteligente

Capítulo 1 A Inteligência Artificial capacita a indústria médica e de saúde

1.1 Antecedentes do Desenvolvimento Médico e de Saúde em Inteligência Artificial

1.1.1 Os pontos fracos da indústria estimulam novas demandas

A saúde médica é uma das necessidades de subsistência mais fundamentais das pessoas

Do lado da procura, a procura de serviços médicos e de saúde continua a crescer rapidamente.

Em 2002, a população do meu país com 65 anos ou mais representava 7,01% e entrou numa sociedade em envelhecimento.

Espera-se que a proporção da população com 65 anos ou mais atinja 14% em 2027, e entrou numa sociedade profundamente envelhecida.

As doenças crónicas espalham-se e a sub-saúde torna-se normal

Do lado da oferta, em primeiro lugar, o montante total de recursos médicos é insuficiente. os recursos médicos totais do meu país são escassos e a sua população é grande, resultando numa enorme lacuna de recursos; em segundo lugar, os recursos são desiguais e os recursos médicos de alta qualidade são direcionados para as grandes cidades;

1.1.2 Os avanços tecnológicos proporcionam novos meios

Em termos de poder de computação, as unidades de processamento gráfico (GPUs) melhoraram significativamente o desempenho da computação e possuem capacidades de computação paralela que excedem em muito as das unidades centrais de processamento (CPUs).

Em termos de modelos de algoritmos, o aprendizado profundo é um algoritmo importante na pesquisa e aplicação atual, e também é um campo importante da inteligência artificial.

Em termos de recursos de dados, existem muitos cenários onde são gerados dados médicos e de cuidados de saúde.

Um deles são os dados de instituições médicas.

Em segundo lugar, dados de ensaios genéticos e clínicos

Terceiro, dados do paciente

Quarto, seguro médico e dados de pagamento

1.1.3 Políticas são introduzidas para criar um novo ambiente

Nos últimos anos, a inteligência artificial atraiu cada vez mais atenção em todo o mundo e desenvolveu-se rapidamente. Tornou-se um foco estratégico de países ao redor do mundo.

1.2 O que a inteligência artificial pode fazer pelos cuidados de saúde?

1.2.1 A história da evolução tecnológica da informatização médica e de saúde

Subtópico 1

1.2.2 Pré-diagnóstico: prevenção de doenças e gestão em saúde

A maioria das doenças é evitável, mas como os sintomas geralmente não são óbvios nos estágios iniciais da doença, eles não são descobertos até que a condição piore.

1.2.3 Pré-diagnóstico: Sequenciamento genético

O sequenciamento genético é um novo tipo de tecnologia de teste genético que analisa e determina sequências genéticas e pode ser usado no diagnóstico clínico de doenças genéticas, triagem pré-natal, previsão e tratamento de tumores, etc.

1.2.4 In-diagnosis: Diagnóstico assistido por imagens médicas

A análise manual só pode confiar na experiência para julgar, e é provável que ocorram erros de julgamento.

1.2.5 In-diagnóstico: auxílio à decisão clínica

O sistema de apoio à decisão clínica pode fornecer o diagnóstico mais preciso e o melhor tratamento através do aprendizado massivo da literatura e da correção contínua de erros.

1.2.6 Diagnóstico: robôs médicos

Atualmente, os robôs médicos incluem principalmente robôs cirúrgicos, robôs de reabilitação, robôs de enfermagem, robôs de distribuição, etc.

1.2.7 Pós-diagnóstico: Assistência de reabilitação

Dispositivos auxiliares de reabilitação referem-se a produtos que melhoram, compensam, substituem funções do corpo humano e fornecem tratamento auxiliar e previnem incapacidades, incluindo órteses, próteses, dispositivos auxiliares de mobilidade pessoal, robôs de reabilitação de exoesqueleto, etc. e pessoas feridas Paciente etc.

1.2.8 Biomedicina

Através da aprendizagem automática e da tecnologia de processamento de linguagem natural, as informações na literatura médica, artigos, patentes e dados genómicos podem ser analisadas para encontrar candidatos a medicamentos correspondentes e selecionar compostos eficazes para doenças específicas, reduzindo assim significativamente o tempo e os custos de investigação e desenvolvimento.

1.3 Sistema Industrial de Tecnologia Médica e de Saúde de Inteligência Artificial

1.3.1 Sistema de Tecnologia Médica e de Saúde de Inteligência Artificial

Link de percepção

A visão computacional é a ciência que usa computadores para imitar o sistema visual humano, permitindo que os computadores tenham capacidades semelhantes às humanas de extrair, processar, compreender e analisar imagens e sequências de imagens. É amplamente utilizada no reconhecimento de imagens médicas, diagnóstico auxiliar patológico, ECG. diagnóstico auxiliar, etc.

O processamento de linguagem natural é uma direção importante no campo da ciência da computação e da inteligência artificial. Ele estuda várias teorias e métodos que podem alcançar uma comunicação eficaz entre humanos e computadores usando linguagem natural. A compreensão de leitura e os sistemas de perguntas e respostas, etc., são usados principalmente na coleta e análise de informações do paciente em áreas como triagem inteligente, orientação inteligente e assistentes virtuais.

A tecnologia de detecção Biosign refere-se à tecnologia que identifica e autentica a identidade de um indivíduo por meio de características fisiológicas individuais ou características comportamentais. A tecnologia de detecção Biosign cobre uma ampla gama de conteúdo e é usada principalmente em dispositivos vestíveis médicos e de saúde, gerenciamento de doenças crônicas, previsão de doenças e outros. Campos.

O estágio de pensamento visa permitir que o computador tenha poder computacional suficiente para simular certos processos e comportamentos de pensamento humano para fazer julgamentos sobre os dados e informações coletados.

O elo de ação é traduzir os resultados do processamento e julgamento preliminares em movimentos corporais e informações da mídia e transmiti-los à interface interativa homem-máquina ou dispositivos externos para alcançar a troca de informações e a interação física entre humanos e máquinas e máquinas.

O elo de ação está intimamente relacionado à tecnologia mecânica, tecnologia de controle, tecnologia de percepção, etc.

1.3.2 Ecologia da Indústria Médica e de Saúde de Inteligência Artificial

1.3.3 Padrão da Indústria de Inteligência Artificial em Saúde

Segundo as estatísticas, o valor total do mercado de aplicações de inteligência artificial atingirá 127 mil milhões de dólares até 2025, dos quais a indústria médica será responsável por um quinto do tamanho do mercado.

Empresas de tecnologia nacionais e estrangeiras começaram a se implantar na área de inteligência artificial médica

Capítulo 2 Reconhecimento de imagens médicas, “leitura” médica assistida por computador

2.1 Cenários de aplicação

2.1.1 Antecedentes do desenvolvimento

Clinicamente, mais de 70% dos diagnósticos dependem de imagens médicas

Há uma enorme escassez de médicos de imagens médicas

O diagnóstico por imagem médica tem alta taxa de erros de diagnóstico e baixa eficiência

O grau de informatização da imagem médica é baixo

O desenvolvimento da tecnologia de inteligência artificial acelerou a velocidade do diagnóstico por imagem médica, melhorou a precisão do diagnóstico por imagem e trouxe mudanças na forma como os médicos de imagem “lêem”

(1) Mudanças nos métodos de leitura. A aplicação da inteligência artificial permite diretamente que a máquina execute automaticamente a triagem preliminar, o julgamento e a seleção da lesão no filme, etc. O médico só precisa ser responsável pelo julgamento final.

(2) A velocidade de leitura muda. A inteligência artificial rastreia e seleciona as lesões de forma automática e rápida. O médico é responsável apenas pela reavaliação das partes principais, poupando aos médicos um processo de triagem inicial complicado. O tempo é bastante reduzido e a eficiência é melhorada

(3) Mudanças de precisão. A inteligência artificial tem a dupla característica de estabilidade e abrangência, e não é afetada pela duração do horário de trabalho. Pode observar todo o filme sem perder nenhuma omissão, concluir de forma rápida e estável a triagem e o julgamento inicial e, finalmente, contar com um médico profissional. rejulgar as partes principais. Portanto, a precisão da leitura da imagem é duplamente garantida.

2.1.2 Principais cenários de aplicação

(1) Classificação de casos de imagem

A classificação de casos analisa principalmente um conjunto de imagens típicas para obter os resultados correspondentes da classificação de casos.

(2) Detecção e segmentação de alvos ou lesões

Centra-se mais na classificação de uma determinada parte da imagem ou em diferenças locais, como pequenos tecidos e lesões, como na detecção e classificação de nódulos pulmonares comuns.

2.2 Tecnologias-chave

2.2.1 Situação atual do desenvolvimento tecnológico

(1) Situação atual da pesquisa acadêmica

Algoritmos de inteligência artificial, como radiômica, aprendizagem profunda e aprendizagem por transferência, foram desenvolvidos e testados em dados de imagens médicas, formando vários modelos de aplicação, como detecção de lesões, segmentação de lesões, julgamento da natureza da lesão, planejamento de tratamento e previsão de prognóstico.

(2) Status de desenvolvimento do produto

Muitas grandes empresas e empresas iniciantes no país e no exterior investiram no desenvolvimento de produtos de imagens médicas de IA.

Tencent Miying, Shenrui Medical, Tecnologia Jianpei, Yidu Cloud, Zhiying Medical, Ruijia Yiying RayPlus, Diyinga, Laxon, etc.

(3)Status do pedido clínico

Devido à verificação clínica insuficiente da eficácia da inteligência artificial, à falta de bases de dados padrão e cenários adequados para a investigação em inteligência artificial, e a questões clínicas éticas e regulamentares que ainda não foram resolvidas, há uma falta de produtos que possam ser aplicados em condições reais. prática clínica.

2.2.2 Projeto do modelo

O problema resolvido pelo modelo deve ser de preocupação comum para médicos e radiologistas, e a melhoria na eficiência ou precisão de sua resolução pode geralmente beneficiar os pacientes.

A concepção do modelo precisa de se referir às mais recentes directrizes e especificações clínicas em domínios relevantes e contribuir para o diagnóstico e tratamento de doenças com base em procedimentos médicos existentes.

Uma quantidade suficiente de dados e anotações de dados deve ser utilizada para a aprendizagem. Por exemplo, o foco da aprendizagem deve ser a identificação de tumores comuns e não o diagnóstico de tumores raros.

A chave para o design do modelo é selecionar o problema que é mais propício à tomada de decisão do médico e ao benefício do paciente, e o problema escolhido para resolver também deve ter uma grande quantidade de dados de aprendizagem que sejam fáceis de obter e rotular.

2.2.3 Construção do modelo

O estabelecimento do modelo inclui a construção estruturada dos dados de aprendizagem, o uso de algoritmos de aprendizagem para construir o modelo e, finalmente, a verificação do modelo.

2.2.4 Seleção de algoritmo

A escolha de diferentes métodos de modelagem deve ser planejada com base no volume de dados e na complexidade dos dados de aprendizagem.

Primeiro, para grandes quantidades de dados de aprendizagem, recomenda-se a utilização de aprendizagem profunda, incluindo várias redes neurais, como modelagem do aluno.

Em segundo lugar, para quantidades médias de dados de aprendizagem, você pode tentar usar modelagem de aprendizado profundo. Se o efeito não for bom, considere usar uma rede neural para extrair recursos e usar métodos de aprendizado de máquina para construir um modelo.

Terceiro, para uma pequena quantidade de dados de aprendizagem, recomenda-se usar métodos radiômicos para realizar primeiro testes de alto rendimento, extrair características de imagem dentro da faixa de lesão e usar métodos de aprendizado de máquina para construir modelos.

Quarto, embora haja apenas uma quantidade moderada de dados de aprendizagem, há uma grande quantidade de dados modais semelhantes que enfrentam outros problemas. Você pode tentar usar métodos de aprendizagem por transferência para aplicar a experiência de dados de grandes amostras ao aprendizado de dados de pequenas amostras.

2.2.5 Estabelecimento de serviços

Estabelecer um modelo de serviço razoável com base nas características da aplicação, nas necessidades clínicas e nos hábitos de trabalho dos médicos durante a concepção do modelo

Em primeiro lugar, a tecnologia de imagem em nuvem está se desenvolvendo rapidamente. Sua combinação com a tecnologia de IA pode fornecer melhor às instituições médicas, especialmente aos hospitais de base, um pacote de soluções de transmissão, armazenamento e diagnóstico auxiliar de imagens, o que ajudará a melhorar a eficiência operacional e a eficiência das instituições médicas. precisão diagnóstica

Em segundo lugar, em termos de integração com os fluxos de trabalho existentes, pode ser combinado com o sistema RIS para fornecer relatórios estruturados de IA e, ao mesmo tempo, combinado com o sistema PACS, o relatório de análise abrangente de IA pode ser submetido ao sistema PACS usando Formato DICOM e as lesões podem ser anotadas quando os médicos navegam nas imagens de dicas.

2.3 Modelo de negócios

2.3.1 Modelo de desenvolvimento industrial

Equipamentos de imagens médicas, o alvo final do serviço são hospitais e médicos de imagem

Utilizando as receitas de vendas de máquinas ou sistemas como base estatística, as barreiras incluem a acumulação de I&D, o nível de produção de precisão e os serviços de apoio.

Serviços de diagnóstico por imagem médica, o alvo final do serviço são os pacientes

Utilizando a receita do serviço de diagnóstico como base estatística, os custos trabalhistas dos médicos são somados às imagens produzidas pelos equipamentos de imagem. O fator mais importante no vínculo do serviço de diagnóstico são as conclusões diagnósticas profissionais e confiáveis.

2.3.2 Dificuldades de Aplicação

(1) O raciocínio de correlação baseado na análise de probabilidade não pode determinar a causa e o efeito da doença.

No entanto, o desenvolvimento da IA enfatiza demais a "correlação probabilística", mas as doenças sempre terão áreas desconhecidas para as pessoas. Como combinar os dois modelos de dados e conhecimento com base no conhecimento médico existente é a inteligência artificial de imagens médicas. a níveis mais profundos de tratamento e intervenção na área médica.

(2) Embora os recursos de dados sejam grandes em volume, a sua qualidade não é elevada e não podem ser interligados.

Embora a imagem pré-médica tenha acumulado uma grande quantidade de dados, estabelecendo as bases para a análise de inteligência artificial, a qualidade não é alta e os principais hospitais não podem ser interligados. E a abertura de dados dos hospitais terciários com grandes quantidades de dados de imagens digitais também é um grande problema.

(3) O grau de padronização dos dados de imagem é baixo

Além da grave escassez de padronização de imagens médicas e de dados estruturados, a anotação de dados é particularmente difícil.

(4) A rotulagem de dados é difícil

O treinamento em inteligência artificial de imagens médicas requer uma grande quantidade de dados de imagens rotuladas, e a rotulagem exige muitos custos de mão de obra e tem impacto direto nos resultados do treinamento.

(5) A oferta e a procura de recursos médicos são extremamente desequilibradas

Clínicas ambulatoriais especializadas em imagens ou imagens, consultas especializadas on-line, conflitos proeminentes entre médico e paciente, ambiente médico precário, desperdício de recursos médicos e altos custos médicos também são obstáculos.

Capítulo 3 Sistema de Apoio à Decisão Clínica, Assistente Virtual do Médico

3.1 Cenários de aplicação

3.1.1 Gerar plano de fundo

Sistema de Apoio à Decisão Clínica (CDSS) refere-se a um sistema de software que usa dados clínicos como informações de entrada e resultados de inferência como saída para ajudar os médicos a tomar decisões.

O princípio básico do sistema de apoio à decisão clínica é construir uma base de conhecimento de várias doenças, inserir no computador os padrões de diagnóstico, julgamentos iniciais, prescrições de tratamento, experiência especializada, etc. funções de armazenamento, extração e rápida O poder da computação usa tecnologia de inteligência artificial e raciocínio lógico computacional para simular o pensamento de diagnóstico e tratamento dos médicos, ajudando os médicos a tomar decisões rápidas de diagnóstico e tratamento.

Diante das condições complexas e mutáveis dos pacientes, os médicos muitas vezes se sentem sobrecarregados. Mesmo que trabalhem duro e sejam meticulosos, inevitavelmente ocorrerão omissões e erros. As investigações mostraram que erros de medicação ou manuseio inadequado devido à má tomada de decisão são causas importantes de erros médicos e até mesmo de acidentes de responsabilidade.

3.1.2 Histórico de desenvolvimento

A pesquisa sobre sistemas de apoio à decisão clínica começou no final da década de 1950. A primeira direção de pesquisa foi o desenvolvimento de sistemas especialistas médicos. Ao aplicar o mecanismo de raciocínio das regras de produção, o conhecimento profissional e a experiência clínica dos especialistas médicos eram classificados e armazenados no computador. Na base de conhecimento, o raciocínio e a correspondência de padrões são usados para ajudar os usuários a fazer inferências diagnósticas.

3.1.3 Perspectivas de aplicação

Tomada de decisão diagnóstica: Um sistema universal de apoio à decisão clínica que pode orientar os médicos com requisitos de diagnóstico, pontos de identificação e diagnósticos e planos de tratamento relacionados de acordo com diretrizes padrão de diagnóstico e tratamento com base na descrição do médico dos sintomas do paciente antes do diagnóstico, medicação e cirurgia, incluindo avisos durante o diagnóstico cirúrgico Pontos-chave de operações cirúrgicas e exames pré-operatórios, etc.

Tomada de decisão de tratamento: Com base na condição do paciente, na observação clínica do médico, combinada com orientações médicas e com base em evidências, o sistema de apoio à decisão clínica informa ao médico indicações de medicamentos, farmacologia, eficácia, etc., incluindo sintomas comuns de cirurgia complicações e planos abrangentes de tratamento e avaliação pós-operatórios, etc.

Tomada de decisão prognóstica: O sistema de apoio à decisão clínica extrai dados relacionados aos pacientes e suas informações médicas anteriores e pesquisas clínicas para prever futuros problemas de saúde dos pacientes e armazena e analisa tratamentos que não cumprem as "Diretrizes de Diagnóstico e Tratamento Clínico" e “Padrões Operacionais Técnicos Clínicos” O plano fornece uma base para avaliação da qualidade médica, melhora os níveis de gestão hospitalar, padroniza o comportamento médico e também fornece evidências científicas para a medicina baseada em evidências.

3.2 Tecnologias-chave

3.2.1 Tecnologias-chave do sistema

O sistema de apoio à decisão clínica é um dos principais pontos de avaliação na classificação de registros médicos eletrônicos HIMSS (EMRAM)

Todo o nível 0-7 é na verdade um processo de atualização progressiva e contínua das funções de apoio à decisão clínica, até finalmente atingir o nível sete de capacidade abrangente de apoio à decisão clínica (CSS completo)

Classificação CDSS

Mecanismo de algoritmo de decisão: No processo interno de apoio à decisão, uma ampla gama de algoritmos pode ser aplicada atualmente

A diferença na aplicação dos algoritmos de tomada de decisão depende principalmente do método de representação do conhecimento interno do sistema de apoio à decisão clínica. Existem diferentes métodos de representação do conhecimento para diferentes necessidades de tomada de decisão, formando assim diferentes mecanismos de tomada de decisão.

Design da função do sistema: Especificamente, o que é entrada e o que é saída Se a saída são conclusões diagnósticas e recomendações de medicação, então a base virá de diretrizes clínicas, casos baseados em evidências e literatura confiável.

Uma delas é ajudar a tomar decisões sobre o que é certo.

A segunda é ajudar os médicos a decidir o que fazer a seguir

Método de interação: No processo de saída de informações de apoio à decisão, como é desenhado o processo de interação, se o usuário pode ter a iniciativa na interação e se o usuário pode intervir no resultado final. Os métodos de recomendação do sistema de tomada de decisão clínica são divididos em dois tipos: ativos e passivos.

A abordagem proativa significa que o sistema fornece sugestões de tomada de decisão aos médicos de forma proativa, independentemente de o médico precisar de ajuda para tomar decisões neste momento.

O método passivo significa que o sistema só dá sugestões de tomada de decisão quando o médico solicita ativamente ao sistema.

Integração do sistema: Se a lógica de funcionamento do CDSS deve ser integrada ao sistema de informação atual do hospital ou executada de forma independente, e se precisa ser integrada ao fluxo de trabalho do médico, são fatores importantes a serem considerados.

Nível de apoio à decisão: Em termos de apoio à decisão, seja para produzir resultados diretamente ou para fornecer conhecimento auxiliar na tomada de decisão de forma mais indireta, os casos de referência também têm uma relação importante com o nível de aplicação clínica do CDSS.

3.2.2 Principais tecnologias de dados

(1) Integrar dados

Nos hospitais, os dados dos pacientes necessários para apoio à decisão clínica são recolhidos através do sistema de registo médico eletrónico e depois extraídos e organizados através de uma bomba de dados.

(2) Base de conhecimento médico

O programa de raciocínio no centro do sistema de apoio à decisão clínica pode gerar recomendações baseadas no conhecimento e na experiência da base de conhecimento para apoiar a tomada de decisão.

(3) Formação de apoio à decisão

. Sua função é aplicar o conhecimento médico aos resultados dos dados do paciente, analisar e resumir e, finalmente, tomar decisões e sugestões correspondentes para pacientes específicos.

Características importantes e condições necessárias do CDSS para dados

Primeiro, é apoiado por uma poderosa base de dados de conhecimento médico

Em segundo lugar, a estrutura de conhecimento da rede neural aberta é usada para rastrear todo o processo, de modo que o sistema tenha a capacidade de construir aleatoriamente diagnósticos processuais e canais de tratamento para ajudar os médicos a fazer diagnósticos e tratamentos precisos, seguros e oportunos para os pacientes.

Terceiro, simule o pensamento clínico e forneça ajuda na tomada de decisões durante todo o processo clínico.

Quarto, à medida que a condição do paciente muda, múltiplos canais de tomada de decisão clínica são gerados para fornecer aos médicos referências para a tomada de decisão, fazendo com que o diagnóstico clínico e o tratamento tenham a natureza de uma consulta multiperspectiva.

3.3 Modelo de negócios

3.3.1 Segmentos de mercado

(1) Informatização de grandes hospitais

Desde 2018, os editais de licitação de informatização de hospitais terciários em muitas cidades não formaram expressões e requisitos verdadeiramente clinicamente significativos para a parte do CDSS.

(2) Mercado médico e de saúde primário

As instituições médicas primárias cobrem uma população considerável na China. Mesmo se medida em termos monetários, a capacidade de pagamento de 277.000 instituições médicas é suficiente para apoiar um enorme mercado primário de CDSS.

3.3.2 Casos de aplicação típicos

Sistema IBM Watson

Seu primeiro passo na comercialização é cooperar com o Memorial Sloan-Kettering Cancer Center para treinar em conjunto a solução para tumores IBM Watson

Uma equipe de médicos e pesquisadores carregou milhares de registros de pacientes, quase 500 revistas e livros médicos e 15 milhões de páginas de literatura médica para transformar o IBM Watson em um excelente "especialista médico em oncologia"

Em julho de 2015, o IBM Watson se tornou um dos primeiros projetos comerciais do IBM Watson Health, colocando oficialmente em uso comercial soluções oncológicas para quatro tipos de câncer: câncer de pulmão, câncer de mama, câncer de cólon e câncer retal.

Em agosto de 2016, a IBM anunciou que havia concluído o treinamento sobre tratamento adjuvante do câncer gástrico e lançado oficialmente para uso.

Modelos e instruções típicas de aplicação de CDSS na China

(1) Assistente clínico de saúde humana

A principal fonte de dados do Health Clinical Assistant são as monografias de qualidade de 63 anos da People's Medical Publishing House, que coleta mais de 2.000 materiais de casos hospitalares. Um comitê de revisão de especialistas foi estabelecido para formular um processo de revisão e liberação de recursos e selecionar autoridades. conteúdo para inclusão no banco de dados.

(2) Sistema de auxílio à decisão clínica Huimei

Em 2015, o Huimei Medical Group apresentou oficialmente todo o sistema de conhecimento da Mayo e, em 2016, lançou o sistema de assistência à tomada de decisões clínicas baseado em inteligência artificial Huimei.

Consulta pré-diagnóstico/etapa de triagem: Os pacientes podem realizar o autoexame no Sistema de Triagem Inteligente Huimei. Por meio de uma série de perguntas norteadoras, eles podem obter uma avaliação adequada de sua condição antes do tratamento e esclarecer o "leve, grave, lento e. leve" de tratamento médico. Urgente" para obter rapidamente conselhos de processamento autorizados.

Estágio de tomada de decisão no diagnóstico: Com a autorização do hospital, o sistema assistente de tomada de decisão clínica Huimei coopera com o fabricante do sistema de prontuário médico eletrônico (CPOE) para implantar os dados do prontuário eletrônico na tomada de decisão clínica Huimei sistema assistencial, para que os médicos ambulatoriais possam ser submetidos à padronização e profissionalização.

O sistema também pode explorar automaticamente a relação entre sintomas e doenças, como a relação entre febre e resfriado, febre e pneumonia, etc., fornecendo diagnóstico padronizado e caminhos de tratamento para clínicas da rede, ajudando os médicos a melhorar suas capacidades de negócios e eficiência de trabalho, e melhorando o apelo da marca.

Estágio pós-diagnóstico e tratamento: o sistema de assistência à tomada de decisões clínicas Huimei não só possui ricos detalhes sobre doenças, mas também cobre sugestões abrangentes de tratamento de doenças, incluindo sugestões de tratamento, sugestões de exames, sugestões de medicamentos e orientação ao paciente, etc.

Em termos de uso racional de medicamentos, o sistema tem uma função rigorosa de revisão de medicamentos, fornecendo descrições de medicamentos, interações medicamentosas, verificações de contra-indicações, etc., e lembrando prontamente os médicos para evitar incompatibilidades de medicamentos e abuso de antibióticos.

O sistema de assistência à decisão clínica Huimei digitaliza e inteligenteiza o guia de medicação para doenças crônicas, avalia completamente a condição do paciente, gera automaticamente planos de tratamento para referência dos médicos e recomenda regimes de medicação combinados e regimes de medicação contra-indicados.

3.3.3 Direção de desenvolvimento

Primeiro, os sistemas de apoio à decisão clínica baseados em dados de texto de registros médicos clínicos começaram a adicionar vários elementos, incluindo imagens, para enriquecer a cadeia de dados para decisões diagnósticas.

Do ponto de vista do especialista, as doenças relacionadas aos nervos cranianos também são uma das direções importantes para a evolução dos sistemas de apoio à decisão clínica. Isso ocorre porque as doenças dos nervos cranianos têm as características de muitos tipos de dados envolvidos na tomada de decisões e no processo de diagnóstico. na experiência acumulada de especialistas a longo prazo. Eles são adequados para o aprimoramento de decisões usando métodos de inteligência artificial, como aprendizado de máquina.

Finalmente, devemos também enfrentar as dificuldades na aplicação de sistemas de apoio à decisão clínica, desde a investigação e desenvolvimento até à implementação.

(1) A intersecção e integração da tecnologia da informação e da medicina

(2) Como estabelecer e citar um banco de dados de conhecimento clínico unificado e em grande escala

Capítulo 4 O sequenciamento genético abre a era da medicina de precisão

4.1 Cenários de aplicação

4.1.1 Teste pré-natal não invasivo

O teste genético pré-natal não invasivo pode coletar o sangue periférico de mulheres grávidas e sequenciar os fragmentos de DNA livre no sangue periférico materno (incluindo DNA fetal livre). Após a análise, o risco de o feto sofrer de aneuploidia cromossômica pode ser calculado. a tecnologia pode detectar simultaneamente trissomia 21, trissomia 18 e trissomia 13, e a precisão atual pode chegar a 99,9%

4.1.2 Detecção de tumor

O diagnóstico complementar de tumores NGS permite que os médicos formulem o melhor plano de tratamento com base na variação genética do próprio paciente e nas condições clínicas correspondentes, descubram medicamentos direcionados potencialmente disponíveis o mais cedo possível e melhorem a eficiência do tratamento de medicamentos antitumorais.

4.1.3 Rastreio de doenças genéticas raras

O terceiro exemplo de utilização de testes genéticos para tratar “doenças preventivas” é o rastreio de doenças genéticas raras.

4.1.4 Gestão precisa da saúde

Os testes genéticos podem ajudar uma pessoa a começar a prevenir doenças futuras antes de desenvolvê-las.

4.1.5 Confirmação de identidade

ADN

4.2 Tecnologias-chave

4.2.1 Tecnologia de sequenciamento genético de primeira geração

Usa principalmente fluorescência de quatro cores e tecnologia de eletroforese capilar para sequenciamento, que está intimamente relacionado ao Projeto Genoma Humano

4.2.2 Tecnologia de sequenciamento genético de segunda geração

Essa é a tecnologia de Sequenciamento de Próxima Geração (NGS) que é frequentemente ouvida agora.

4.2.3 Tecnologia de sequenciamento genético de terceira geração

A tecnologia de sequenciamento de terceira geração pode sequenciar diretamente sequências de RNA e DNA metilado

4.3 Modelo de negócios

4.3.1 Fabricação de instrumentos de sequenciamento genético

4.3.2 Serviços de sequenciamento genético

Os serviços de sequenciamento genético para serviços de pesquisa científica consideram o sequenciamento genético como conteúdo de serviço

Todos os serviços de sequenciamento genético direto ao consumidor usam chips genéticos como plataforma de tecnologia de sequenciamento para fornecer serviços.

Serviços de sequenciamento genético com diagnóstico médico como modalidade principal Os projetos de sequenciamento envolvidos incluem o já mencionado rastreamento da síndrome de Down, detecção de tumores, detecção de doenças raras, detecção de patógenos desconhecidos, etc.

4.3.3 Desenvolvimento de software e serviços em nuvem

Os usuários alugarão recursos de sequenciamento, assim como recursos de computação e armazenamento, e poderão escolher diferentes plataformas e tecnologias de sequenciamento. Eles podem até obter rapidamente serviços de sequenciamento por meio de licitações, assim como escolher serviços de computação em nuvem.

Capítulo 5: Gestão da saúde, não tratando a “doença existente”, mas tratando a “pré-doença”

5.1 Cenários de aplicação

5.1.1 Prevenção de doenças

Os aplicativos de prevenção de doenças coletam informações da vida pessoal dos usuários, como hábitos alimentares, ciclos de exercícios e hábitos de medicação, e usam tecnologia de inteligência artificial para realizar análises de dados para avaliar quantitativamente o estado de saúde do usuário, ajudando os usuários a compreender suas condições físicas de forma mais abrangente e precisa, e fornecer medidas corretivas. Comportamentos e hábitos prejudiciais à saúde fornecem a base.

5.1.2 Gestão de doenças crônicas

As aplicações de gestão de doenças crónicas servem como ponte para a comunicação entre médicos e pacientes, reduzindo o trabalho dos médicos e garantindo ao mesmo tempo que as condições dos pacientes são avaliadas e tratadas sob condições conhecidas e controláveis.

5.1.3 Gestão desportiva

Os aplicativos de gerenciamento de movimento usam sensores e seus algoritmos para capturar dados de movimento por meio de wearables de gerenciamento de movimento (como aqueles presos na parte de trás de shorts de corrida). Eles medem a cadência contando passos por minuto e também podem fornecer informações sobre oscilações pélvicas verticais para ajudar. ajustar a rotação pélvica e tendências de passadas excessivas associadas à posição sentada prolongada e apoiar a identificação e correção de problemas de queda pélvica.

5.1.4 Monitoramento do sono

O dispositivo de monitoramento do sono usa BCG (cardiograma) para medir a atividade mecânica do coração, pulmões e outras funções do corpo, e pode monitorar os hábitos diários de sono do usuário através do iPhone, incluindo ronco, duração do sono, frequência cardíaca em repouso, frequência respiratória, como tempo que leva para O número de vezes que você consegue adormecer, levantar e o tempo total que passa em sono profundo, etc.

5.1.5 Gestão da saúde materna e infantil

Por um lado, destina-se à monitorização de dados das mulheres antes e depois da gravidez, geralmente combinada com hardware inteligente ou dispositivos vestíveis para monitorizar sintomas fisiológicos individuais, estado emocional, sono e outros dados.

Por outro lado, há perguntas e respostas sobre o conhecimento parental. Da saúde materna e infantil ao nascimento de uma nova vida, ao nascimento e crescimento do bebê, incluindo mudanças físicas pessoais, mudanças psicológicas e emocionais, habilidades parentais e até mesmo a resolução de vários problemas familiares complexos

5.1.6 Cuidados ao Idoso

O sistema de assistência ao idoso visa principalmente o cuidado da vida do idoso, permitindo que os familiares entendam remotamente a condição do idoso e prestem assistência oportuna em caso de emergência.

5.2 Tecnologias-chave

5.2.1 Principais tecnologias de terminal

O terminal de gerenciamento de saúde realiza a coleta e transmissão de vários dados de sinais do corpo humano (açúcar no sangue, pressão arterial, oxigênio no sangue, batimentos cardíacos, etc.) por meio da integração com software aplicativo e serviços em nuvem.

Equipamento de gestão de saúde

Inclui principalmente pulseiras de saúde, relógios de saúde, equipamentos de monitoramento vestíveis, etc., que podem realizar monitoramento contínuo e em tempo real de parâmetros fisiológicos e informações de estado de saúde, como pressão arterial, açúcar no sangue, oxigênio no sangue e ECG, e alcançar resultados reais online -gestão do tempo e aviso prévio.

Equipamento de testes médicos

Incluindo principalmente equipamentos portáteis de monitoramento de saúde, equipamentos de teste de saúde de autoatendimento, etc.

Equipamento de cuidados de enfermagem

Inclui principalmente equipamentos inteligentes de monitoramento, reabilitação e cuidados, como cadeiras de rodas inteligentes e camas de monitoramento para atendimento domiciliar e institucional, e terminais de posicionamento interno e externo de alta precisão para evitar que pacientes com Alzheimer se percam, etc.

5.2.2 Principais tecnologias de rede

A camada de rede transmite informações entre a camada de percepção, a camada de plataforma e a camada de aplicação por meio de comunicação sem fio ou com fio por meio de redes públicas ou privadas.

5.2.3 Principais tecnologias de plataforma

Atualmente, as principais tecnologias da plataforma de big data incluem cinco tecnologias principais: tecnologia de coleta de dados, tecnologia de armazenamento de dados, tecnologia de plataforma de dados, tecnologia de processamento de dados e tecnologia de representação de dados.

problema

(1) Questões de interconexão de dados de saúde

As informações básicas e vários recursos de informação clínica estão espalhados, duplicados e isolados

(2) Questões de controle de qualidade dos dados de avaliação do estado de saúde

Não existem padrões relevantes para medir a precisão dos dados e a identificação científica de doenças complexas.

5.3 Modelo de negócios

5.3.1 Modelo de vendas de hardware

A maioria das empresas está na fase de venda de produtos e recolha de dados e poderá fornecer serviços a jusante para gerir pacientes no futuro.

A competição pela venda de produtos terminais que coletam dados de saúde é muito acirrada. A experiência de uso do produto e os serviços de acompanhamento são o cerne da fidelidade do cliente.

5.3.2 Modelo de prestação de serviços

O modelo de cobrança orientado ao paciente visa fornecer aos pacientes serviços de gerenciamento de doenças crônicas às suas próprias custas.

O modelo de cobrança para médicos é relativamente comum nos Estados Unidos. Depois que a apólice de seguro médico dos EUA paga de acordo com a qualidade do serviço, os hospitais estão sob pressão do seguro médico e têm o incentivo para ajudar os pacientes a obter os melhores resultados de tratamento com o menor custo. os médicos estão dispostos a pagar pela gestão da saúde.

5.3.3 Modelo de integração de dados

Uma forma de fornecer dados de pesquisa científica para instituições de pesquisa

Outro serviço abrangente de gerenciamento de dados para instituições médicas

5.3.4 Modelo de pagamento de seguros

Os prestadores de serviços reduzem as despesas com sinistros das seguradoras e obtêm lucros conduzindo análises precisas dos segurados ou prestando serviços médicos.

Capítulo 6 Robôs Médicos, Diagnóstico, Tratamento, Reabilitação e Serviços

6.1 Cenários de aplicação

6.1.1 Robô cirúrgico

Um robô cirúrgico é um dispositivo combinado de um conjunto de componentes. Geralmente é montado a partir de um endoscópio (sonda), instrumentos cirúrgicos como tesouras, câmeras em miniatura e joysticks.

A maior característica do robô é que ele possui uma destreza que os humanos não possuem. Sua base é: 1) o sistema de filtragem de tremor pode filtrar o tremor da mão do cirurgião; proporcionalmente (5:1).

6.1.2 Robôs de diagnóstico e tratamento não cirúrgico

Os robôs de diagnóstico e tratamento não cirúrgicos incluem principalmente robôs de radioterapia, robôs de cápsulas, robôs de imagem e outros sistemas robóticos que auxiliam no diagnóstico e tratamento.

6.1.3 Robô de reabilitação

Para responder às novas necessidades médicas e de saúde, como cirurgia de precisão/minimamente invasiva, compensação funcional e reabilitação e serviços para idosos

6.1.4 Robôs de serviços médicos

O foco dos robôs de serviços médicos também é ajudar a equipe médica a compartilhar alguns trabalhos de transporte pesados e complicados e melhorar a eficiência do trabalho da equipe médica.

6.2 Tecnologias-chave

6.2.1 Ergonomia

Para compreender a relação interativa entre as pessoas e outros elementos do sistema, suas teorias, princípios e métodos são utilizados principalmente no processo de projeto do robô, com o objetivo de otimizar a saúde humana e o desempenho do sistema.

A integração da ergonomia e dos robôs médicos refere-se à tecnologia de realização do diálogo entre humanos e computadores de uma forma eficaz através de dispositivos de entrada e saída de computador. As tecnologias relacionadas incluem máquinas que fornecem uma grande quantidade de informações relevantes e solicitações de instruções através de dispositivos de saída ou exibição. e humanos Use dispositivos de entrada para inserir informações relevantes na máquina, responder perguntas e fornecer avisos, etc.

Robô de orientação médica

6.2.2 Operação remota

A tecnologia de teleoperação significa que o operador controla localmente o controlador principal para completar o controle remoto de máquinas em locais remotos inacessíveis ou em ambientes especiais.

A telecirurgia significa que os cirurgiões podem usar instrumentos para realizar tratamento cirúrgico localmente em pacientes em locais distantes. Ela pode aliviar a escassez de cirurgiões de alta qualidade em áreas remotas, reduzir custos médicos e dar esperança a muitos pacientes que vivem em ambientes remotos ou especiais.

6.2.3 Tecnologia de posicionamento espacial

O sistema de posicionamento do espaço cirúrgico combina com precisão os dados de imagem pré-operatórios ou intraoperatórios do paciente com a estrutura anatômica do paciente na cama cirúrgica, rastreia os instrumentos cirúrgicos durante a operação e atualiza e exibe a posição dos instrumentos cirúrgicos na forma de uma sonda virtual no a imagem do paciente em tempo real, permitindo que as operações cirúrgicas do médico sejam mais precisas, eficientes e seguras.

(1) Os sistemas de navegação baseados em imagens pré-operatórias requerem planejamento pré-operatório e registro e rastreamento intraoperatório. Sistemas típicos de navegação por TC pré-operatória podem ser usados para navegação cirúrgica ortopédica e de coluna, e sistemas típicos de navegação por ressonância magnética pré-operatória podem ser usados para navegação neurocirúrgica.

(2) Sistema de navegação cirúrgica por fluoroscopia de raios X com braço C: Não é necessário registro pré-operatório ou intra-operatório. Pode apresentar a estrutura anatômica da imagem em tempo real e obter a relação posicional espacial dos instrumentos cirúrgicos em relação a. o paciente pode inferir o trajeto dos instrumentos cirúrgicos com base nisso. É um foco de pesquisa nos últimos anos.

(3) O ultrassom pode produzir imagens em tempo real, é seguro, conveniente e de baixo custo. Atualmente, é comumente usado em punção lombar guiada por ultrassom, cirurgia de trauma craniocerebral, cirurgia de revascularização do miocárdio e outras operações.

(4) A ressonância magnética intraoperatória pode monitorar o deslocamento das estruturas anatômicas intraoperatórias em tempo real e pode resolver completamente o problema de desvio de imagem intraoperatória no sistema de navegação de imagens pré-operatória existente.

(5) Os endoscópios são amplamente utilizados em cirurgias minimamente invasivas. Os médicos podem realizar operações como biópsia, remoção de cálculos e suturas sob a orientação da imagem visual do endoscópio.

6.2.4 Processamento de imagem multimodo

O registro de imagens médicas consiste em encontrar algum tipo de transformação espacial para tornar os pontos correspondentes das duas imagens completamente consistentes em termos de posição espacial e estrutura anatômica.

O principal objetivo da fusão de imagens é melhorar a legibilidade das imagens, processando dados redundantes entre múltiplas imagens, e melhorar a clareza das imagens, processando informações complementares entre múltiplas imagens.

A segmentação de imagens consiste em separar diferentes áreas de significado especial na imagem, de modo que cada área disjunta satisfaça a consistência da área específica.

A visualização tridimensional de imagens médicas realiza a reconstrução tridimensional da imagem adquirida e reduz o impacto do ruído da imagem tomográfica bidimensional através da filtragem bidimensional, melhora a relação sinal-ruído e elimina a esteira do imagem.

6.2.5 Tecnologia de Inteligência Artificial

Atualmente, a inteligência artificial pode ser usada para diagnóstico por imagem de diversas doenças, como oftalmologia, medicina interna e tumores. Ela também pode realizar raciocínio e julgamento com base no conhecimento e experiência fornecidos por um ou mais especialistas em uma determinada área, simulando o. processo de tomada de decisão de especialistas humanos e resolver problemas médicos.

6.2.6 Big data médica

Big data médico é uma tecnologia de banco de dados orientada para a medicina, orientada para registros médicos eletrônicos, imagens médicas, vídeos hospitalares e outros tipos de dados, incluindo extração estruturada de informações para registros médicos eletrônicos médicos, análise de dados para imagens médicas e vídeos de vigilância hospitalar. Análise inteligente, etc.

6.2.7 Tecnologia de realidade virtual/realidade aumentada

A tecnologia de realidade virtual fornece três links principais para o tratamento de reabilitação: prática repetida, feedback de desempenho e manutenção da motivação. Ao configurar um ambiente virtual razoável e feedback de informações eficaz, os pacientes podem avaliar objetivamente suas próprias condições, melhorando muito o efeito do treinamento de reabilitação.

6.3 Modelo de negócios

6.3.1 Modelo de negócios do robô cirúrgico

Categoria A: Sistema Robô de Participação Cirúrgica (CAD/CAM Cirúrgico)

Os robôs médicos em sistemas Classe A participam e completam principalmente todo o processo cirúrgico, incluindo ressecção e sutura. O cirurgião desempenha um papel orientador e auxiliar

Categoria B: Sistemas Robóticos para Assistentes Cirúrgicos (Assistentes Cirúrgicos)

Os robôs médicos em sistemas Classe B auxiliam principalmente os médicos na realização de cirurgias, incluindo planejamento pré-operatório, posicionamento intraoperatório, etc.

6.3.2 Modelo de negócios de robô de diagnóstico e tratamento não cirúrgico

(1) Robô de radioterapia

Produtos típicos de robôs de radioterapia incluem CyberKnife, um novo tipo de equipamento de radioterapia estereotáxica de corpo inteiro usado para tratar vários tipos de câncer e tumores no corpo.

(2) Robô do sistema de imagem

O robô de leitura pode ser usado em campos de diagnóstico de imagem, como ultrassom de nódulos de tireoide, rastreamento de câncer cervical e rastreamento de doenças pulmonares. É um exemplo típico da combinação de inteligência artificial, big data médico e robôs médicos.

(3) Robô cápsula

O robô cápsula é uma microferramenta inteligente que pode entrar no trato gastrointestinal humano para exploração e tratamento médico. É um novo avanço na tecnologia médica para exame e tratamento intervencionista in vivo.

6.3.3 Modelo de negócios do robô de reabilitação

(1) Reabilitação da função motora

A reabilitação da função motora destina-se principalmente a pessoas com deficiência, idosos e pessoas com mobilidade limitada

(2) Próteses inteligentes

As próteses inteligentes coletam sinais eletromiográficos de contração muscular residual e estabelecem uma relação correspondente entre os sinais eletromiográficos e os movimentos articulares protéticos durante o treinamento, simulando assim de forma inteligente os movimentos reais dos membros.

(3) Outros robôs de reabilitação

Os campos de aplicação dos robôs de reabilitação também incluem reabilitação da função cardiopulmonar, reabilitação da função da linguagem, reabilitação da função cognitiva e outros tipos de robôs de reabilitação.

6.3.4 Modelo de negócios do robô para serviços médicos

robô de telemedicina

Pode responder continuamente a novas questões levantadas pelas pessoas através da acumulação e atualização de dados, e pode preencher de forma eficiente as enormes e complexas necessidades de serviços de informação nos hospitais.

Robô de transporte de itens

Capaz de realizar planejamento de caminho independente, prevenção de obstáculos, cobrança, transporte de itens, etc.

robô de serviço de farmácia

Dispensando medicamentos

Capítulo 7 Internet Industrial, nova direção para o desenvolvimento da biomedicina

7.1 Gestão do ciclo de vida completo de equipamentos médicos

7.1.1 Histórico de desenvolvimento

À medida que as autoridades de saúde do meu país aumentaram os requisitos de gestão de qualidade para equipamentos médicos na gestão de hospitais classificados e melhoraram gradualmente as regras e regulamentos relevantes, a segurança da qualidade dos equipamentos médicos e a gestão de riscos tornaram-se gradualmente uma parte importante para garantir a segurança do trabalho clínico em hospitais em todos os níveis.

O gerenciamento inteligente ajuda os departamentos de gerenciamento relacionados a equipamentos médicos a estabelecer conexões práticas enquanto conduzem o gerenciamento do sistema para evitar ilhas de informações.

7.1.2 Tecnologias-chave

O gerenciamento inteligente de equipamentos médicos abrange todo o processo de gerenciamento do ciclo de vida dos equipamentos médicos e dá suporte aos consumíveis médicos, desde a admissão até o desmantelamento.

Gestão de equipamentos médicos

Gestão geral de consumíveis

Gestão de consumíveis de alto valor

O gerenciamento médico inteligente considera o ciclo de vida do equipamento médico como núcleo, usa meios inteligentes e combina-se com outros sistemas de informação de unidades médicas para obter um gerenciamento refinado de equipamentos médicos.

7.1.3 Problemas enfrentados

(1) Melhorar os padrões de gestão inteligente para equipamentos médicos

(2) Esclarecer o nível de desenvolvimento da gestão inteligente de equipamentos médicos

(3) Determinar o conteúdo do gerenciamento inteligente de equipamentos médicos

7.2 Fabricação aditiva biomédica (impressão 3D)

7.2.1 Histórico de desenvolvimento

A manufatura aditiva (impressão 3D) requer primeiro que o produto projetado seja apresentado em formato 3D por meio de um computador e, em seguida, materiais de impressão específicos são usados para imprimir camada por camada até que o produto seja formado.

As tecnologias comuns de fabricação aditiva (impressão 3D) no campo da biomedicina incluem principalmente moldagem por sinterização seletiva a laser, fotocura a laser, modelagem por deposição fundida, tecnologia de fabricação de sólidos em camadas, etc.

7.2.2 Tecnologias-chave

(1) Projeto de modelo médico

(2) Fabricação regenerativa de tecidos e órgãos

(3) Fabricação de dispositivos médicos

7.2.3 Problemas enfrentados

Limitada principalmente às características do material e à singularidade dos materiais de impressão

7.3 Pesquisa e desenvolvimento de medicamentos assistidos por inteligência artificial

7.3.1 Histórico de desenvolvimento

A pesquisa e o desenvolvimento de novos medicamentos são um campo técnico de alto risco, de longo prazo, que exige capital e tecnologia intensiva, e a taxa de fracasso na pesquisa e desenvolvimento de medicamentos também chega a mais de 90% (especialmente medicamentos originais)

7.3.2 Tecnologias-chave

(1) Triagem de alvo

(2) Triagem e otimização de medicamentos

(3) Descoberta e recrutamento de pacientes

(4) Gestão de conformidade

(5) Previsão da forma cristalina da droga

(6) Big data de pacientes e pesquisas do mundo real

Capítulo 8 Perspectivas para o desenvolvimento médico e de saúde da inteligência artificial na China

8.1 Padrões políticos

8.1.1 Promoção do desenvolvimento industrial

Apoio à política nacional

8.1.2 Supervisão e gestão da indústria

Atualmente, as autoridades reguladoras proíbem o software de assistente virtual de fornecer aconselhamento diagnóstico sobre qualquer doença e permitem apenas que os usuários forneçam serviços leves de consulta de saúde.

Os produtos e serviços médicos e de saúde de inteligência artificial devem atender aos padrões nacionais relevantes para garantir requisitos de segurança, confiabilidade, rastreabilidade, proteção da privacidade, etc.

8.1.3 Proteção de segurança de dados

No processo de desenvolvimento de big data médico e de saúde e inteligência artificial, questões como proteção da privacidade pessoal, segurança de dados e até mesmo segurança nacional têm recebido atenção crescente.

8.2 Inovação tecnológica

8.2.1 Pesquisa e desenvolvimento de tecnologia chave

Tecnologias como sensores inteligentes, chips de redes neurais e plataformas abertas de código aberto foram aplicadas nas áreas médica e de saúde e alcançaram resultados notáveis.

8.2.2 Construção do conjunto de dados de treinamento

O próximo passo será construir e abrir inicialmente vários tipos de bibliotecas massivas de recursos de treinamento de inteligência artificial para a pesquisa e desenvolvimento de inteligência artificial chave, produtos de saúde médica e necessidades de aplicação da indústria.

8.2.3 Garantia de segurança da informação

O sistema inteligente de estrutura de aplicativos médicos é enorme, a plataforma é altamente aberta, o negócio é complexo, existem muitas identidades de usuários, especialmente pacientes com informações privadas confidenciais, uma grande quantidade de dados espaciais, e as informações também estão altamente interconectadas na região metropolitana área.

A pesquisa e o desenvolvimento de tecnologias de inteligência artificial, segurança de redes médicas e de saúde continuam a se fortalecer, e a proteção da segurança de redes de produtos e sistemas será ainda mais fortalecida no futuro

O mercado de segurança da informação tornar-se-á gradualmente concentrado e as estratégias de segurança da informação mudarão para uma defesa activa.

A construção do sistema de inteligência artificial médica e de segurança sanitária continuará a acelerar, um sistema de responsabilidade de gestão de segurança será inicialmente estabelecido e serão inicialmente formuladas regras para rotulagem, classificação científica, classificação de risco e revisão de segurança.

Proteção de nível?

8.3 Modelo de negócios

8.3.1 Gigantes da Internet

Baidu, Alibaba, Tencent

8.3.2 Empresas iniciantes

Em contraste, para as empresas iniciantes, a cooperação com empresas do lado B é mais digna de exploração aprofundada.

8.3.3 Empresas de equipamentos médicos

Os dados coletados para produtos de uma mesma marca são mais padronizados e o formato é mais unificado, o que facilita a mineração e aplicação de dados.

8.4 Recursos de talentos

A demanda por talentos em inteligência artificial e saúde médica vem principalmente de dois campos diferentes: inteligência artificial e saúde médica (talentos complexos)

. Aderir à combinação de treinamento e introdução para atrair e cultivar talentos líderes em inteligência artificial com potencial de desenvolvimento. Incentivar e orientar talentos e equipes inovadoras nacionais e fortalecer a cooperação e a interação com as principais instituições globais.

8.5 Ética Regulatória

As regulamentações legais precisam proteger a inovação tecnológica, e a inovação e o desenvolvimento tecnológico também precisam respeitar os resultados financeiros do valor legal.