進化思維 3 醫療 AI,聚焦基層

Mondo 科技 更新 2024-01-19

乙個患有奇怪疾病的 4 歲男孩。 我看了 17 位醫生,但沒有找到**。 他的媽媽向 ChatGPT 尋求幫助。 是今年爆炸式增長的ChatGPT。 ChatGPT表示,孩子患有臍帶栓系綜合症。 然後,醫生確認了ChatGPT的診斷。 雖然ChatGPT不是每次都對。 但這一次。 幫了大忙。

這是《進化的力量》中分享的乙個案例,它其實讓我很驚訝,我們都知道,人工智慧在已知的知識體系中計算可能性,它可能比人類更快,它可能比大多數醫生“更聰明”,但它超越醫學專家的能力令人難以置信。

OpenAI創始人山姆·奧特曼(Sam Altman)在一次演講中表示,當模型很大時,有時會有一些令人驚訝的結果。 我們也不完全明白為什麼。

如果人工智慧真的能夠思考和探索未知,也許不會是驚喜,而是恐懼

2024年11月30日,ChatGPT誕生,在世界範圍內掀起熱議。 根據 Similarweb 的說法,今年1月,平均每天約有1300萬獨立訪客使用ChatGPT,是去年12月的兩倍多,累計使用者總數超過1億,創下網際網絡應用最快破億的紀錄,超越了此前TikTok在9個月內突破1億的速度。 這是以往任何人工智慧應用都無法比擬的。

ChatGPT之所以受歡迎,主要原因如下:

技術創新ChatGPT之所以能夠爆火,得益於其強大的技術支援。 ChatGPT在深度學習習技術中使用了Transformer模型,可以有效地處理自然語言的語義和上下文關係。 通過大規模的預訓練,ChatGPT能夠理解並生成連貫的對話,使使用者互動更加智慧型和自然。 ChatGPT還具有生成式語言模型的特點,可以獨立思考並生成相應的響應,為使用者帶來全新的互動體驗。 應用範圍廣ChatGPT的廣泛應用也促成了它的普及。 在商業領域,ChatGPT可用於智慧型客服和諮詢,幫助企業提高服務質量和效率。 在教育領域,ChatGPT可以作為輔助教育工具,與學生溝通、答疑解惑,提供個性化的習支援。 在醫療領域,ChatGPT可用於智慧型會診和健康會診,為患者提供及時準確的醫療建議。 ChatGPT還可以用於社交娛樂、新聞推薦等領域,滿足人們多樣化的需求。 經濟效益:ChatGPT 驅動的聊天機械人比呼叫中心和面對面互動等傳統客戶服務渠道更具成本效益。 他們全天 24 小時提供服務**,以更低的成本解決客戶問題並提高客戶滿意度。 此外,AIGC可以更高效地生成文章、撰寫、設計甚至完成更複雜的內容,大大提高了內容創作和輸出的效率。 綜上所述,ChatGPT和人工智慧的普及是多種因素共同作用的結果。 隨著技術的不斷進步和創新,我們可以期待人工智慧在未來的發展中發揮更大的作用。

技術研究和分析公司 Gartner 將其評為 2022 年頂級戰略技術趨勢的第一名。 根據 Gartner 的資料,到 2025 年,生成式 AI 將佔所有生成資料的 10%,但目前這一比例還不到 1%。

在傳統人工智慧和高階分析的基礎上,生成式人工智慧可以在中國(每年)進一步釋放價值2萬億美元的經濟效益。 27日,麥肯錫公司大中華區高階合夥人鐘薇爾在接受同一場新聞發布會上表示。

ChatGPT的驚人表現,也成功點燃了中國人工智慧迎頭趕上的熱情。 曾幾何時,我們對人工智慧寄予厚望,人工智慧承載著中國在高科技領域的追趕甚至超越西方發達國家,畢竟中國龐大的人口基數和廣闊的市場為人工智慧的應用創造了條件。 然而,ChatGPT的發布再次給中國高科技企業敲響了警鐘,僅僅滿足應用層的創新是不夠的,人工智慧還需要底層技術。

因此,中國的高新技術企業也不甘示弱,紛紛加入戰鬥。

:文心大模型 騰訊:渾源大模型 阿里:通益大模型 華為:盤古大模型 除了這些頂尖企業,其他行業的獨角獸也紛紛推出了自己的大模型,比如筆者所從事的醫療行業,也不甘示弱,具有格局特色的大模型產品如雨後春筍般湧現。

Deepwise Medical:Deepwise Metai。

自主研發的通用醫學影象理解模型DeepWise-CIRP模型,可以自動學習習從原始影象中理解醫學影象並上報資訊,無需過多的人工標註。

雲智盛:山海大模型
依託山海模式,雲智盛發布了“手術病歷撰寫助手”、“門診病歷生成系統”、“商業保險智慧型理賠系統”三大醫療產品應用。

醫學聯合會:MEDGPT
自主研發的國內首個基於Transformer架構的醫療大語言模型——MEDGPT。 MEDGPT主要旨在充分發揮真實醫療場景中的實際診療價值,實現從疾病預防、診斷、開發全過程的智慧型診療能力。

朗瑪資訊:朗瑪39ai全科醫生
依託龍馬資訊網際網絡醫療業務20餘年積累的海量醫療健康資料,基於先進的自然語言處理技術和深度學習習演算法,通過大模型訓練手段,“朗馬39ai全科醫生”可以解決人們日常生活中大部分的醫療問答、健康科學、健康管理等相關問題。

除了這些業務和產品外,還有:healthgpt華佗GPTbsoftgptcloud gpt等一會。

筆者所在的公司可以說是第一家從事醫療人工智慧應用和推廣的企業,從與IBM Watson合作之初,就一直致力於將人工智慧應用於腫瘤領域。 由於中美戰爭等諸多因素影響,公司在放棄與IBM的合作後,也投入了大量資源進行腫瘤人工智慧的自主研發,並取得了一定的研發成果。

事實上,人工智慧在醫療領域也有如此廣泛的應用,包括但不限於以下幾點:

智慧型診療:使用人工智慧技術診斷疾病。 計算機可以幫助醫生對病理和體檢報告進行統計,通過大資料、深度挖掘等技術對患者的醫療資料進行分析和挖掘,自動識別患者的臨床變數和指標。 計算機通過與“學習”相關的專業知識,模擬醫生的思維和診斷推理,從而給出可靠的診斷和良好的方案。

早在2024年11月6日,“2024年度臨床醫師綜合筆試”及格線公布,科大訊飛“智慧型醫療助手”機械人取得456分的成績,超過臨床從業人員資格線(360分),在全國53萬名考生中屬於中高階水平。

智慧型識別醫學影像AI可以通過大量的醫學影象習,通過學習大量的醫學影象,幫助醫生定位病灶區域,減少漏診和誤診的問題。

騰訊公尺影是騰訊首款應用於醫療領域的AI產品。 它包含 6 個 AI 系統,涵蓋食道癌、肺癌、糖尿病視網膜病變、宮頸癌和乳腺癌等疾病。 其中,其早期食管癌智慧型篩查系統最為成熟,實驗室準確率達90%,目前已進入臨床前實驗階段。

醫療機械人機械人廣泛應用於醫療領域,如智慧型假肢、修復受損人體的外骨骼和輔助裝置,以及協助醫務人員工作的醫療機械人。 目前,關於機械人在醫療界的應用研究主要集中在手術機械人、**機械人、護理機械人和服務機械人等。

2024年11月6日,國產達文西XI手術機械人在進博會上正式發布,直觀復星成功實現達文西手術機械人國產化。

個性化**人工智慧可以根據患者的遺傳學、病史和其他資訊提供個性化的解決方案。 例如,根據患者的遺傳資訊,可以對某種藥物產生反應,從而做出更好的方案選擇。

2024年7月23日,在北京國際胸外科論壇開幕式上,由首都醫科大學宣武醫院胸外科張毅教授團隊與百洋智慧型科技股份有限公司聯合合作的科研成果——肺癌SmartCDS正式發布。 該系統旨在利用人工智慧助力專家資源共享,構建演算法、技術、體驗的醫療互聯新生態,共同打造肺癌患者診療新體驗。

醫療管理:人工智慧可用於醫療管理,如病例管理、醫療資源配置等,提高醫療效率和質量。

利用雲智生山海模型手術病歷書寫助手的語音識別技術和資訊摘要生成能力,在手術過程中自動記錄語音,並將其轉化為有價值的資訊。 門診病歷生成系統利用山海模式的知識圖譜和語言處理能力,幫助醫生快速生成標準化的門診病歷文件。

人工智慧在醫療領域的應用,可以提高醫療的效率和質量,改善患者**的體驗,也幫助醫生更好地處理海量的資料和資訊,提高醫療水平。 特別是在基層醫療領域,人工智慧更具應用價值。 為什麼?

首先,人工智慧最大的優勢或價值是什麼?《進化的力量》說,未來所有的巨大機遇都隱藏在“生產力”這個詞中。 取代重複的低階勞動,提高工作效率,降低人為錯誤率,是人工智慧首先需要解決的問題,換句話說:事半功倍。 換人做決策,做更高層次的事情,是人工智慧技術不斷迭代公升級的過程。

對於基層醫療機構來說,沒有複雜的臨床決策,而是更基礎的診斷,繁瑣重複的工作。 但是,基層醫生水平參差不齊,醫療技術水平相對較低。 人工智慧現在更多的是在人類現有的知識框架內學習和習進化,在決策能力上可能比大多數普通人強,但不一定比專家強。 如果把基層醫生的水平看成60分,把醫學專家的水平看成90分甚至更高,很明顯,人工智慧要把60分提高到80分比較容易,而把90分提高到1分就比較困難了。 因此,基層醫療機構、基層醫生需要更多的輔助工具,更容易提高生產力,在某些方面甚至可以完全取代全科醫生。

與科大訊飛的“智慧型醫療助手”一樣,朗瑪的39ai全科醫生也瞄準了這一領域,“朗瑪39ai全科醫生”現階段的認知水平可以達到中級全科醫生的醫學水平。 未來將廣泛應用於基層醫療衛生機構,為醫務人員開展臨床輔助診斷服務,提供類似“全科醫生”的人工智慧服務,開展輔助診斷、健康諮詢、健康管理,形成區級疾病譜,提高醫務人員診療水平,為普通百姓提供終生健康管理諮詢服務週期。

作者負責百洋健康雲在完成基礎產品的布局後,一定會通過整合或自主開發的方式,將人工智慧的能力移植到平台上,從而幫助基層醫療機構和醫生提高生產力,為客戶提供更好的產品體驗。

Caigen Lao Tan(頭條號,抖音號,**號同名),經驗豐富的程式設計師、架構師、研發總監,現為某集團子公司負責人,從技術到產品,榮獲2024年、2024年度人人網產品經理社群人氣撰稿人。

相關問題答案