Intel Transforming Healthcare | Intel Business
 |
来源：
英特爾人工智慧產品事業部副總裁、人工智慧實驗室和軟體總經理Arjun Bansal指出，目前醫療行業主要有三大挑戰，第一是數據量特別大，而且不斷地在增加；第二是臨床醫生不夠多，第三是高額的時間和花費成本。
為瞭解決這三大類的問題和挑戰，英特爾正在借助領先的人工智慧技術產品組合，與眾多全球外行業合作夥伴，在疾病監測、臨床環境、成像分析、虛擬服務，以及虛擬現實助手等領域，積極部署人工智慧解決方案，為醫療領域的數據處理提供技術支撐，推動醫療領域的智慧化，擴展精準醫療領域的邊界。
疾病監測
在疾病監測領域，借助基於機器學習或認知系統的預測模型，醫生可以根據患者的特徵，對其是否會患上慢性疾病，進行風險預估，無需堅持既定的護理計劃，或讓患者重複入院治療。這樣的早期干預，可以大大降低患者的醫療費用。
Montefiore Health System部署了，基於英特爾至強處理器上的數據分析平台，該平台可即時分析，各種大量原始數據，幫助臨床醫生為患者，確定最佳治療計劃。同時還可以利用規範模型，來辨識病人呼吸衰竭的風險，這樣醫護人員就可以採取預警措施，從而即時干預、挽救生命並節約資源。
Montefiore Health System部署了，基於英特爾至強處理器上的數據分析平台，該平台可即時分析，各種大量原始數據，幫助臨床醫生為患者，確定最佳治療計劃。同時還可以利用規範模型，來辨識病人呼吸衰竭的風險，這樣醫護人員就可以採取預警措施，從而即時干預、挽救生命並節約資源。
臨床環境
在臨床環境中也可以利用，基於機器學習的模型，常見的預測模型包括使用電子病歷數據，來評估在醫院內感染疾病的風險，透過操作模型預測病人進入急症室的概率等。
 |
| New Sharp* Security Camera uses Intel® Architecture | Intel® Software |
英特爾與夏普醫療，共同開發的快速反應團隊模式，可以根據電子病歷中的數據，預測哪些病人需要快速反應小組的干預。同時透過該模型，醫院也可以迅速找到相應的急救人員和設備，進而縮短響應時間。在利用歷史數據對模型，進行測試的實驗中， 預估患者需要快速反應小組干預的準確率約為80％。
成像分析
利用深度學習分析醫學圖像也是人工智慧技術，在醫療領域的重要應用之一。在這方面英特爾已經與業界合作夥伴合作，利用深度學習技術分析醫學圖像，來進行腫瘤檢測。
在與GE醫療的合作中， GE醫療集團採用英特爾至強可擴展平台，將成像設備的總體擁有成本降低25％。透過與GE Healthcare的成像解決方案配合使用，英特爾至強可擴展平台，可以幫助放射科醫師提高閱讀效率，第一張圖像顯示時間降至2秒以下，全部研究加載時間降至8秒以下。
在與GE醫療的合作中， GE醫療集團採用英特爾至強可擴展平台，將成像設備的總體擁有成本降低25％。透過與GE Healthcare的成像解決方案配合使用，英特爾至強可擴展平台，可以幫助放射科醫師提高閱讀效率，第一張圖像顯示時間降至2秒以下，全部研究加載時間降至8秒以下。
虛擬服務
人工智慧的第四個案例，是以遠端醫療為代表的虛擬服務。遠端醫療的應用，為企業和消費者提供了更為豐富的解決方案，住院醫療機器人InTouch Health，就是新穎解決方案的代表之一。同時，由此產生的影像數據集，可用於開發人工智慧解決方案，進而完善臨床診斷。
例如在遠端中風疾病診斷的案例中，基於深度學習的模型，可以辨識患者的早期中風特徵，繼而提高診斷正確率，並大大縮短診療時間。
例如在遠端中風疾病診斷的案例中，基於深度學習的模型，可以辨識患者的早期中風特徵，繼而提高診斷正確率，並大大縮短診療時間。
虛擬現實
人工智慧的第五個案例，是創建下一代虛擬現實助手。在未來，人工智慧可以在虛擬現實會話中，對參與者的交互進行響應。患者可以與虛擬環境進行交互，並觀察病情可能發生的變化。在外科訓練方面，人工智慧可以用來分析圖像，進而辨識頂級外科醫生的最佳做法，這些方法可以被反饋到模擬中，並可以隨著時間的推移不斷獲得改進。
總之，數位化轉型為醫療健康領域，帶來了新機會，在轉型的過程中，醫療組織應該將數據作為核心能力，來提升業務流程和患者體驗。隨著計算分析能力的進一步提升，人工智慧在醫療健康領域的應用場景，將更加豐富。
沒有留言:
張貼留言