Много было написано о том, как искусственный интеллект и машинное обучение создают новые возможности в здравоохранении и медицине для улучшения ухода и оптимизации процессов с помощью больших объемов данных и алгоритмов.
Благодаря Лукашу Кидзиньскому, доктору философии, постдоку биоинженерии, и Ольге Афанасьевой, доктору медицинских наук, доктору философии, резиденту дерматологии, и другим членам рабочей группы HealthAI @ Stanford было проведено отличное мероприятие, посвященное будущему здравоохранения в Университете Кларка. актовый зал Стэнфордского университета. Рабочая группа HealthAI объединяет более 250 экспертов из медицинских, инженерных и бизнес-школ для решения медицинских проблем в масштабе с использованием самых современных методов искусственного интеллекта. Цель этой группы — способствовать обсуждению направлений, которые необходимо предпринять для улучшения здравоохранения и сделать его более доступным и доступным.
Первым основным докладчиком вечера был Джошуа Райхер, доктор медицинских наук, исследователь искусственного интеллекта в Google Research, Стэнфордский клинический инструктор (аффилированный) по радиологии, который рассказал об обсуждении технологии нейронных сетей, применяемой для медицинской визуализации, с упором на радиологию, охватывая общие приложения, конструкции и возможности.
Вторым ключевым докладчиком был доктор Лей Син, профессор Джейкоба Хеймсона, кафедры радиационной онкологии и электротехники (любезно), Лаборатория искусственного интеллекта в медицине и биомедицинской физике @Stanford. Доктор Син рассказал о применении глубокого обучения в медицинской визуализации, вмешательствах под визуальным контролем, принятии клинических решений и будущих возможностях.
За этой дискуссией последовала быстрая сессия, на которой обсуждались конкретные формулировки проблем.
Вот 6 главных проблем, которые стоит решить из опроса.
1. Ранняя диагностика рака
2. Объективное фенотипирование сна.
3. Веса различных факторов риска рака
4. Как сделать EMR кросс-платформенным/межсетевым/медицинским/медицинским и т. д.
5. Психическое здоровье
6. Хронические кожные заболевания
Материалы участников, касающиеся проблем, включали различные прогностические алгоритмы и методы, в том числе способы выявления пациентов с очень высоким риском инсульта или инфаркта миокарда до того, как произойдет катастрофическое событие, ранняя диагностика рака, объективное фенотипирование сна, веса различных факторов риска рака. , Как сделать EMR кросс-платформенным/межсетевым медицинским учреждением/межсетевым поставщиком и т. д. в одном окне, Психическое здоровье, хронические кожные заболевания, Персонализированные средства обучения пациентов, связанные с их состоянием, лечением и лекарствами, изучением эффектов антибиотиков с течением времени для мониторинга иммунитета система, как диагностировать пациентов с остеопорозом с высоким риском перелома до того, как перелом произойдет, снижение объема данных электронных медицинских карт, система раннего предупреждения о вспышках инфекционных заболеваний, радиология - обнаружение узелков в легких, глаукома; ведущая причина слепоты, документация о встречах с пациентами, которая передается/делается удаленно, легкодоступные и каталогизированные реабилитационные центры, которые должным образом соответствуют набору навыков персонала потребностям пациента, радиология/хирургия — обнаружение / классификация / описание анатомии альтернативных органов / сосудов, радиология — последующие измерения индексных поражений при последующем наблюдении за онкологическими изображениями, прогнозирование траектории пациента в условиях высокой остроты (например, хирургия, отделение интенсивной терапии, реанимация, акушерство) с ранним предупреждением, мутации в некодирующих областях генома, функциональные/значимые для заболевания, митотический индекс (или Ki-67 иммуногистохимия) подсчет на предметных стеклах хирургической патологии для диагностики рака и выявления Фоллса.
Последним спикером был Амит Руши, MBA, MSIS, новатор и оператор в области здравоохранения, использующий технологии, основанные на данных. Вице-президент @GraftWorx, бывший вице-президент @Science 37 лет, бывший Medtronic Доклад Амита был посвящен применению машинного обучения в лечении хронических заболеваний. Как собирать-производить-монетизировать.
