• ในระดับการออกแบบ: การพยากรณ์โรค, การระบุกลุ่มผู้ป่วยด้วย มีความเสี่ยงสูงโรคการจัดมาตรการป้องกัน
• ในระดับการผลิต: ระบบอัตโนมัติและการเพิ่มประสิทธิภาพของกระบวนการในโรงพยาบาล ระบบอัตโนมัติ และการปรับปรุงความแม่นยำในการวินิจฉัย
• ในระดับส่งเสริม: การบริหารราคา ลดความเสี่ยงให้กับผู้ป่วย
• ในระดับการให้บริการ: การปรับวิธีการรักษาและองค์ประกอบของยาสำหรับผู้ป่วยแต่ละราย การใช้ผู้ช่วยเสมือนเพื่อสร้างเส้นทางของผู้ป่วยในคลินิกหรือโรงพยาบาล

ปัญญาประดิษฐ์ในรังสีวิทยา

ปัญญาประดิษฐ์ถูกนำมาใช้อย่างแข็งขันในการวิจัยเกี่ยวกับการพัฒนาเทคนิคการวินิจฉัยโรคมะเร็ง รายละเอียดเพิ่มเติมในบทความ:

2019

CB Insights: ในปี 2564 ตลาดสำหรับเทคโนโลยี AI ทางการแพทย์จะสูงถึง 6.6 พันล้านดอลลาร์

เมื่อต้นปี 2019 ตามรายงานของบริษัทวิเคราะห์ CB Insights ตั้งแต่ปี 2013 บริษัทสตาร์ทอัพด้านเทคโนโลยีระดับนานาชาติที่พัฒนาเทคโนโลยีปัญญาประดิษฐ์สามารถดึงดูดเงินจำนวน 4.3 พันล้านดอลลาร์ผ่านธุรกรรม 576 รายการ นอกจากนี้ ผู้เชี่ยวชาญกล่าวว่าในอีก 3 ปีข้างหน้า ตลาดสำหรับเทคโนโลยี AI ทางการแพทย์จะมีมูลค่าถึง 6.6 พันล้านดอลลาร์ เพิ่มขึ้น 40% ทุกปี

IBM และ AstraZeneca ได้สร้างโครงข่ายประสาทเทียมที่ทำนายอาการหัวใจวายได้

เมื่อต้นเดือนมีนาคม 2019 IBM และ AstraZeneca นำเสนอโครงข่ายประสาทเทียมที่สามารถทำนายอาการหัวใจวายได้ ผลงาน เทคโนโลยีใหม่มีการอธิบายไว้ในบทความตีพิมพ์เรื่อง “การจัดกลุ่มตามผลลัพธ์ของผู้ป่วยโรคหลอดเลือดหัวใจเฉียบพลันโดยใช้โครงข่ายประสาทเทียมแบบหลายงาน”

ทีมวิจัยได้รวบรวมข้อมูลด้านอายุ เพศ ประวัติชีวิต และความเจ็บป่วย นิสัยที่ไม่ดีตลอดจนผลการตรวจทางห้องปฏิบัติการ ข้อมูลการรักษา และตัวชี้วัดอื่นๆ เกือบ 40 รายการ ในผู้ป่วยผู้ใหญ่ 26,986 คนที่เข้ารับการรักษาในโรงพยาบาลในโรงพยาบาลในเมืองและชนบท 38 แห่งในประเทศจีน ข้อมูลทั้งหมดถูกป้อนเข้าสู่โครงข่ายประสาทเทียมที่จะเรียนรู้ว่าผู้ป่วยเคยเกิดเหตุการณ์ไม่พึงประสงค์ร้ายแรง (MACE) มาก่อนหรือไม่ และเขาเคยได้รับยาต้านเกล็ดเลือด บีตาบล็อคเกอร์ และสแตติน ซึ่งเป็นยาที่ช่วยลดอาการของโรคหลอดเลือดหัวใจและป้องกัน กล้ามเนื้อหัวใจตายและโรคหลอดเลือดสมอง

จากนั้น ผู้เขียนบทความได้ทำการจัดกลุ่มเคมีนเพื่อกระจายผู้ป่วยออกเป็นเจ็ดกลุ่มตามข้อมูลที่ได้รับจากโครงข่ายประสาทเทียม ผลปรากฎว่าในกลุ่มแรกซึ่งมีผู้ป่วยที่มีเหตุการณ์หัวใจและหลอดเลือดบ่อยครั้ง เช่น หัวใจวาย และโรคหลอดเลือดสมอง แต่มีอุบัติการณ์ต่ำ โรคหลอดเลือดหัวใจหัวใจ ตัวพยากรณ์หลักของการเกิดภาวะหัวใจวายครั้งต่อไปคือการมีโรคเบาหวาน ในขณะที่อีกกลุ่มหนึ่งซึ่งรวมถึงผู้ป่วยที่มีพยาธิสภาพหัวใจและหลอดเลือดอย่างรุนแรงซึ่งไม่เคยมีอาการหัวใจวายมาก่อน ตัวพยากรณ์หลักคือ อายุสูงอายุและเพิ่มความดันโลหิตซิสโตลิก

นักวิจัยเตือนว่าแม้ว่าการจัดกลุ่มจะมีผลกระทบต่อการพยากรณ์โรค แต่ก็ไม่ชัดเจนว่าข้อมูลดังกล่าวจะสามารถนำมาใช้อย่างมีประสิทธิภาพในการปฏิบัติงานทางคลินิกได้หรือไม่ อย่างไรก็ตาม งานของพวกเขาแสดงให้เห็นว่าการวิเคราะห์กลุ่มโดยใช้ปัญญาประดิษฐ์เป็นแนวทางที่น่าหวังในการจำแนกผู้ป่วยที่มีภาวะกล้ามเนื้อหัวใจตาย การวิจัยในอนาคตจะมุ่งเน้นไปที่การระบุการแทรกแซง "เฉพาะกลุ่ม" ที่คำนึงถึงประสิทธิผล การรักษาก่อนหน้า

2018

ปริมาณตลาดของเทคโนโลยี AI ในด้านการดูแลสุขภาพมีมูลค่า 1.4 พันล้านดอลลาร์ - Zion Market Research

ในปี 2018 ตลาดทั่วโลกสำหรับเทคโนโลยี AI สำหรับการดูแลสุขภาพมีมูลค่าสูงถึง 1.4 พันล้านดอลลาร์ ตามการประมาณการของบริษัทวิเคราะห์ Zion Market Research ตัวเลขดังกล่าวคาดว่าจะเพิ่มขึ้นเป็น 17.8 พันล้านดอลลาร์ภายในปี 2568 และการใช้จ่ายในโซลูชันดังกล่าวจะเพิ่มขึ้นประมาณ 43.8% ต่อปี

เงินส่วนใหญ่ที่ใช้ไปกับปัญญาประดิษฐ์ทางการแพทย์ (การเรียนรู้ของเครื่อง, การคำนวณตามบริบท, การประมวลผลภาษาธรรมชาติ, การมองเห็นของคอมพิวเตอร์, การรู้จำเสียง) อยู่ในอเมริกาเหนือ ความเป็นผู้นำเกิดจากการที่ภูมิภาคนี้เป็นตัวแทนของยักษ์ใหญ่ด้านเทคโนโลยีเช่น Microsoft, IBM, Google, Nvidia, Amazon, Intel, General Electric และ Xilinx นอกจากนี้ การควบรวมกิจการ ความร่วมมือหลัก และการเปิดตัวผลิตภัณฑ์ที่สำคัญเกิดขึ้นบ่อยครั้งในอเมริกาเหนือ

ในยุโรป ภายในปี 2562 ตลาดปัญญาประดิษฐ์ที่ใช้เพื่อวัตถุประสงค์ทางการแพทย์ถือได้ว่าเป็นตลาดเกิดใหม่ ในปี 2559 ปริมาณการซื้อขายอยู่ที่ 320 ล้านดอลลาร์ ภายในปี 2562 จะเป็น 1.61 พันล้านดอลลาร์ ในเวลาเดียวกัน 21% ของสถาบันทางการแพทย์ในยุโรปวางแผนที่จะซื้อเครื่องมือ AI ตามข้อมูลจากชุมชน e-health ของยุโรป ซึ่งตีพิมพ์ใน เมษายน 2019.

หนึ่งในตัวเร่งหลักสำหรับความต้องการผลิตภัณฑ์ AI ในด้านการแพทย์คือการขาดแคลนแพทย์ จากข้อมูลขององค์การอนามัยโลก ภายในปี 2562 57 ประเทศจะขาดแคลนพยาบาลและแพทย์ประมาณ 2.3 ล้านคน ผู้เชี่ยวชาญกล่าวว่าปัจจัยที่ขัดขวางการพัฒนาตลาดนี้คือการขาดผู้เชี่ยวชาญที่มีคุณสมบัติเหมาะสมซึ่งสามารถปฏิบัติตามแนวทางในด้าน AI ได้

นักวิเคราะห์รวมถึงบริษัทต่อไปนี้ในกลุ่มผู้ผลิตโซลูชัน AI รายใหญ่ที่สุด:

• วิสัยทัศน์ทั่วไป;
• เอ็นวิเดีย;
• ไอคิวร์;
• ไอคาร์บอน;
• สุขภาพเซอร์คาเดีย;
• อะตอมไวส์;
• จีโนมวิถีวิถี;
• โซเฟียพันธุศาสตร์;
• อาพิซิโอ;

เปิดตัวปัญญาประดิษฐ์ที่เพิ่มความสำเร็จในการทำเด็กหลอดแก้ว 20%

เมื่อปลายเดือนธันวาคม 2561 ผู้เชี่ยวชาญจากมหาวิทยาลัยคอร์นวอลล์และอิมพีเรียลคอลเลจลอนดอนได้สาธิตผลการศึกษา โดยสามารถเพิ่มประสิทธิภาพของการผสมเทียมได้ 10-20% หากใช้ปัญญาประดิษฐ์ในการประเมินคุณภาพของตัวอ่อน อ่านเพิ่มเติม.

เริ่มการติดตั้งในประเทศจีนจำนวน 4 พันบูธ โดยมีแพทย์ AI วินิจฉัยได้ภายในไม่กี่นาที

ณ สิ้นเดือนพฤศจิกายน 2561 ผู้ให้บริการออนไลน์รายใหญ่ที่สุด บริการทางการแพทย์ในประเทศจีน Ping An Healthcare and Technology กล่าวว่ามีแผนที่จะติดตั้งคลินิก AI หลายพันแห่งขนาดเท่าตู้โทรศัพท์ และกระจายไปทั่วประเทศภายใน 3 ปี ประเด็นแรกของบทบัญญัติดังกล่าว ดูแลรักษาทางการแพทย์ได้รับแล้ว อ่านเพิ่มเติม.

ปัญญาประดิษฐ์จะพัฒนาในวงการแพทย์อย่างไรในปี 2562

ญี่ปุ่นกำลังสร้างโรงพยาบาล AI เพื่อแก้ปัญหาการขาดแคลนแพทย์

ในเดือนสิงหาคม 2018 เป็นที่ทราบกันดีว่ารัฐบาลญี่ปุ่นด้วยการสนับสนุนของภาคธุรกิจและชุมชนวิทยาศาสตร์ กำลังเริ่มก่อสร้างโรงพยาบาลในประเทศที่ปัญญาประดิษฐ์จะมาช่วยเหลือแพทย์ ด้วยเทคโนโลยี AI คาดว่าจะสามารถรับมือกับปัญหาการขาดแคลนแพทย์ในญี่ปุ่น บรรเทาพนักงาน และลดค่ารักษาพยาบาล อ่านเพิ่มเติม.

มีการเสนอคำแนะนำแรกสำหรับการใช้ AI ในการดูแลสุขภาพ

18 มิถุนายน 2561 อเมริกัน สมาคมการแพทย์(AMA) ได้เสนอแนวปฏิบัติแรกของโลกสำหรับการใช้ปัญญาประดิษฐ์ในการดูแลสุขภาพ คำแถลงซึ่งตัวแทน AMA ประกาศในการประชุมประจำปีที่ชิคาโก ระบุถึงทิศทางหลักสำหรับการพัฒนา AI ในอุตสาหกรรมนี้ต่อไป

ตามคำแถลงนี้ AMA ตั้งใจที่จะดำเนินการพัฒนาในด้านปัญญาประดิษฐ์และประเด็นสำคัญอื่น ๆ เพื่อปรับปรุงผลลัพธ์ของผู้ป่วยและความพึงพอใจในวิชาชีพของแพทย์ AMA ตั้งใจที่จะใช้ตำแหน่งที่สำคัญในอุตสาหกรรมเพื่อดึงดูดผู้ผลิต จัดลำดับความสำคัญของการพัฒนา AI และจัดการกับความท้าทายที่เกี่ยวข้องกับการตรวจสอบและการนำวิธีการใหม่ไปใช้ นอกจากนี้ AMA ตั้งใจที่จะพัฒนาแผนการให้ความรู้แก่ผู้เชี่ยวชาญและสื่อสารกับผู้ป่วยเกี่ยวกับข้อจำกัดและความสามารถที่เป็นลักษณะของเครื่องมือวิเคราะห์ประเภทนี้

AMA สนับสนุนการบูรณาการแอปพลิเคชัน AI ที่เข้มงวด คุณภาพสูง และผ่านการพิสูจน์ทางคลินิก และกำหนดให้ต้องมีการควบคุมดูแลจากมืออาชีพและรัฐบาลอย่างเหมาะสมเพื่อการใช้งานที่ปลอดภัย มีประสิทธิภาพ และถูกกฎหมาย AMA เชื่อว่าเทคโนโลยีการวิเคราะห์ที่ใช้ AI ควรจะพร้อมใช้งานเพื่อทดสอบและระบุอคติในทุกขั้นตอนของการพัฒนา ตรงตามมาตรฐานชั้นนำด้านความสามารถในการทำซ้ำ และปกป้องผลประโยชน์ของบุคคลและการรักษาความลับของข้อมูลส่วนบุคคล

AMA เชื่อว่าควรมุ่งเน้นไปที่ความต้องการของผู้ใช้ และการใช้ระบบ AI ควรได้รับการทดสอบกับตัวอย่างที่เป็นตัวแทนในการทดลองทางคลินิก

AI ได้รับการสอนให้ทำนายความดันโลหิตที่ลดลงระหว่างการผ่าตัด

ในเดือนมิถุนายน พ.ศ. 2561 วารสารวิสัญญีวิทยาได้เผยแพร่ผลลัพธ์ที่ได้รับจากกลุ่มนักวิจัยที่พัฒนาอัลกอริทึมสำหรับการทำนายความดันเลือดต่ำที่อาจเกิดขึ้นหรือการหกล้มผิดปกติ ความดันโลหิตระหว่างการผ่าตัด

เพื่อสร้างอัลกอริธึม นักวิจัยใช้เทคโนโลยีการเรียนรู้ของเครื่อง ซึ่งปัญญาประดิษฐ์วิเคราะห์ข้อมูลจากผู้ป่วย 1,334 รายซึ่งมีการบันทึกความดันโลหิตระหว่างการผ่าตัด รวมเป็น 545,959 นาที จากข้อมูลเหล่านี้ ได้เตรียมอัลกอริธึมสำหรับการทำนายความดันเลือดต่ำระหว่างการผ่าตัด

หลังจากตรวจสอบอัลกอริธึมแล้ว นักวิจัยได้ทดสอบกับชุดข้อมูลชุดที่สองที่รวมการอ่านค่าความดันโลหิตจากผู้ป่วย 204 ราย ในเวลารวมทั้งสิ้น 33,236 นาที บันทึกเหล่านี้รวมถึงความดันเลือดต่ำในปี 1923 อัลกอริธึมคาดการณ์ได้อย่างแม่นยำว่าความดันโลหิตลดลงอย่างกะทันหัน 15 นาทีก่อนที่จะเกิดขึ้นใน 84% ของกรณี 10 นาทีก่อนที่จะเกิดขึ้นใน 84% ของกรณี และห้านาทีก่อนที่จะเกิดขึ้นใน 87% ของกรณี

นักวิจัยแนะนำว่าอัลกอริทึมนี้สามารถนำมาใช้โดยวิสัญญีแพทย์และศัลยแพทย์เพื่อป้องกันภาวะแทรกซ้อนที่เกี่ยวข้องกับความดันเลือดต่ำ เช่น ภาวะกล้ามเนื้อหัวใจตายหลังผ่าตัด หรือภาวะไตวายเฉียบพลัน

ดังที่มักซีม แคนเนสสัน ดร. วิทยาศาสตร์การแพทย์นักวิจัยชั้นนำ ศาสตราจารย์วิชาวิสัญญีวิทยา และอดีตหัวหน้าภาควิชาเวชศาสตร์ระหว่างการผ่าตัดที่ ศูนย์การแพทย์มหาวิทยาลัยยูซีแอลเอในลอสแอนเจลิส ก่อนหน้านี้แพทย์ไม่สามารถคาดการณ์ความดันเลือดต่ำในระหว่างการผ่าตัดได้ และแน่นอนว่า ในสภาวะเช่นนี้ วิสัญญีแพทย์จะต้องดำเนินการอย่างรวดเร็วเพื่อตอบสนองต่อความดันโลหิตที่ลดลงกะทันหัน ความสามารถในการคาดการณ์ตอนของความดันเลือดต่ำในระหว่างการผ่าตัดจะช่วยให้แพทย์สามารถป้องกันการพัฒนาของตอนเหล่านี้และภาวะแทรกซ้อนได้

AI จดจำมะเร็งผิวหนังได้ดีกว่าแพทย์

เมื่อปลายเดือนพฤษภาคม พ.ศ. 2561 มีการเผยแพร่ผลการศึกษาที่แสดงข้อมูลเพิ่มเติม ประสิทธิภาพสูงปัญญาประดิษฐ์เปรียบเทียบกับมนุษย์ในแง่ของการรับรู้มะเร็ง อย่างไรก็ตาม ในสถานที่เข้าถึงยาก คอมพิวเตอร์อาจไม่แม่นยำเท่าที่ควร อ่านเพิ่มเติม.

3 การประยุกต์ใช้ AI ที่มีแนวโน้มมากที่สุดในด้านการแพทย์

ปัญญาประดิษฐ์เกี่ยวข้องกับการวินิจฉัยอัลตราซาวนด์ของหญิงตั้งครรภ์

โรงพยาบาลอังกฤษเปิดตัว ชนิดใหม่ทดสอบทารกในครรภ์เพื่อหาโรคที่แพทย์ไม่สามารถสังเกตได้ ระบบที่ใช้ปัญญาประดิษฐ์ประกอบด้วยรูปภาพ 350,000 ภาพ จำแนกตามความเบี่ยงเบนบางประการ

ตามที่วิศวกรระบุ การวินิจฉัยด้วยอัลตราซาวนด์ด้วยปัญญาประดิษฐ์เรียกว่า ScanNav และได้รับการออกแบบมาเพื่อให้ข้อมูลเพิ่มเติมแก่แพทย์ได้แบบเรียลไทม์ ด้วยเหตุนี้ AI จึงช่วยให้ผู้เชี่ยวชาญไม่ต้องสงสัยเลยว่าได้คำนึงถึงทุกมุมแล้ว อย่างหลังมีความเกี่ยวข้องอย่างยิ่งเนื่องจากการเคลื่อนไหวของทารกในครรภ์

ขณะนี้เทคโนโลยีกำลังอยู่ในการทดสอบในโหมดทดสอบทางสูติศาสตร์ แต่ในอนาคตมีการวางแผนการพัฒนาเพื่อใช้ในการแพทย์สาขาต่างๆ อย่างไรก็ตาม ความหวังอันยิ่งใหญ่ได้ฝากไว้กับนักวินิจฉัยโรค AI ในญี่ปุ่น ซึ่งกำลังประสบปัญหาการขาดแคลนแพทย์ และในประเทศจีน ปัญญาประดิษฐ์ยังได้รับใบอนุญาตทางการแพทย์ด้วยซ้ำ

ปัญญาประดิษฐ์จะค้นหายาปฏิชีวนะชนิดใหม่

การดื้อยาปฏิชีวนะเป็นปัญหาใหญ่ประการหนึ่ง ยาสมัยใหม่. ต้องขอบคุณการใช้ยาปฏิชีวนะอย่างแพร่หลายและการไม่ปฏิบัติตามคำแนะนำของแพทย์ ยาจึงไม่ส่งผลกระทบต่อแบคทีเรียอีกต่อไป ซึ่งเป็นสาเหตุของปัญหาในการรักษาโรคทั้งที่พบบ่อยที่สุดในชีวิตประจำวันและโรคที่รุนแรง

เทคนิคหนึ่งที่สามารถจัดการกับการดื้อยาปฏิชีวนะได้คือการมองหายาปฏิชีวนะที่รู้จักหลากหลายรูปแบบ น่าเสียดายที่นี่เป็นกระบวนการที่ยากและใช้เวลานานมาก อย่างน้อยก็สำหรับคน เมื่ออัลกอริธึมเข้ามามีบทบาท ปัญหาเรื่องเวลาก็หมดความสำคัญลง

ทีมนักวิจัยชาวอเมริกันและรัสเซียได้สร้างอัลกอริธึมยาปฏิชีวนะที่สามารถแยกวิเคราะห์ฐานข้อมูลได้อย่างรวดเร็ว สามารถเปิดเผยตัวเลือกยาปฏิชีวนะได้มากกว่าที่ค้นพบระหว่างการวิจัยที่คล้ายกันในปีก่อนหน้าถึง 10 เท่า

อัลกอริธึมที่เรียกว่า VarQuest ได้รับการอธิบายไว้ในบทความที่ตีพิมพ์ในวารสาร Nature Microbiology ฉบับล่าสุด Hossein Mahimani ศาสตราจารย์แห่งมหาวิทยาลัย Carnegie Mellon กล่าวในการแถลงข่าวว่า VarQuest ได้เสร็จสิ้นการค้นหาที่อาจต้องใช้เวลาหลายร้อยปีจึงจะเสร็จสิ้นโดยใช้วิธีการคำนวณแบบดั้งเดิม

Mohimani ยังชี้ให้เห็นว่า VarQuest สามารถจัดหากลุ่มเปปไทด์ได้มากกว่าหนึ่งพันรูปแบบที่ใช้ในการผลิตยาปฏิชีวนะโดยใช้เวลาเป็นประวัติการณ์ เวลาอันสั้นและด้วยวิธีนี้ ช่วยให้นักจุลชีววิทยามีมุมมองที่กว้างขึ้น บางทีอาจเตือนพวกเขาถึงแนวโน้มหรือรูปแบบในโลกจุลชีววิทยาที่อาจไม่มีใครสังเกตเห็นเลย

2017

“สึนามิ” ของเทคโนโลยี AI กำลังเข้ามาในวงการสุขภาพ

อุปกรณ์ AI ถูกสร้างขึ้นสำหรับการตรวจสอบการนอนหลับระยะไกลโดยใช้คลื่นวิทยุ

เมื่อวันที่ 8 สิงหาคม เป็นที่รู้กันว่าวิศวกร (MIT) โดยการมีส่วนร่วมของผู้เชี่ยวชาญ โรงพยาบาลกลางแมสซาชูเซตส์ได้พัฒนาระบบ AI ที่สามารถตรวจสอบการนอนหลับของบุคคลโดยใช้คลื่นวิทยุ

ตามที่รายงานโดย TNW อุปกรณ์ดังกล่าวซึ่งดูเหมือนเราเตอร์ Wi-Fi ทั่วไป จะวิเคราะห์สัญญาณวิทยุรอบตัวบุคคลจากระยะไกล และกำหนดระยะการนอนหลับ - หลับลึกหรือเร็วโดยใช้การเคลื่อนไหวของดวงตา เนื่องจากคลื่นวิทยุสะท้อนจากวัตถุ การเคลื่อนไหวเพียงเล็กน้อยของร่างกายจะเปลี่ยนความถี่ของคลื่นที่สะท้อน การวิเคราะห์คลื่นเหล่านี้ช่วยในการระบุพารามิเตอร์ที่สำคัญของกิจกรรมของมนุษย์ เช่น ชีพจรและอัตราการหายใจ และระบุความเบี่ยงเบนจากบรรทัดฐาน อุปกรณ์ไม่ต้องใช้เซ็นเซอร์ในการทำงานและเหมาะสำหรับใช้ที่บ้าน

คาดว่าการติดตามการนอนหลับแบบเรียลไทม์ในสภาพธรรมชาติจะตอบคำถามมากมายที่เกี่ยวข้องกับความผิดปกติของการนอนหลับได้ ตามที่นักวิทยาศาสตร์ของ MIT วางแผนไว้ การพัฒนาของพวกเขาจะกลายเป็นเครื่องมือที่มีคุณสมบัติครบถ้วนในที่สุด ซึ่งจะช่วยให้แพทย์ที่ทำการรักษาสามารถตรวจสอบพารามิเตอร์การนอนหลับจากระยะไกล และปรับเปลี่ยนได้หากจำเป็น

การทดลองโคลนหมูในประเทศจีนดำเนินการโดยหุ่นยนต์ที่มี AI

เป็นครั้งแรกในประวัติศาสตร์ของมนุษยชาติที่นักวิทยาศาสตร์ชาวจีนจากสถาบันวิทยาการหุ่นยนต์และระบบอัตโนมัติ ระบบข้อมูลที่มหาวิทยาลัยหนานไค ในเทียนจิน ประสบความสำเร็จในการโคลนหมูโดยใช้หุ่นยนต์ รายงานของ China People's Daily เมื่อต้นเดือนมกราคม 2017 มีการวางตัวอ่อนโคลนจำนวน 510 ตัวในแม่สุกรอุ้มบุญ 6 ตัว จากการทดลองนี้ แม่สุกร 2 ตัว ณ สิ้นเดือนเมษายน คิดเป็นจำนวน 110 ตัว ในวันที่ตั้งครรภ์ ลูกสุกรพันธุ์เทียมที่แข็งแรงจำนวน 13 ตัวได้ถือกำเนิดขึ้น

เมื่อทำการทดลองโคลนสุกร นักวิทยาศาสตร์ได้ใช้เครื่องวิเคราะห์ไมโครแมนิปูเลเตอร์แบบหุ่นยนต์พิเศษเป็นครั้งแรก ซึ่งดำเนินการทั้งหมดเพื่อรวบรวมและถ่ายโอน DNA จากสัตว์ผู้บริจาคไปยังพาหะทดแทน ไมโครแมนิปูเลเตอร์อเนกประสงค์ที่ควบคุมโดยปัญญาประดิษฐ์สำหรับการปฏิบัติการด้วย DNA ผสมผสานฟังก์ชันของการสุ่มตัวอย่าง การทดสอบ และการผ่าตัด

กระบวนการโคลนหมูซึ่งดำเนินการโดยความร่วมมือกับสถาบันวิจัยสัตวบาลและสัตวแพทยศาสตร์ เกี่ยวข้องกับเทคนิคที่เรียกว่าเทคนิคการถ่ายโอนนิวเคลียร์เซลล์ร่างกาย (SCNT) ซึ่งมักใช้สำหรับการเพาะพันธุ์ - เมื่อนิวเคลียส เซลล์ร่างกายถ่ายโอนไปยังไข่ที่ไม่มีนิวเคลียส ข้อดีของเทคนิคนี้คือรับประกันการผสมเทียมไข่คุณภาพสูงแต่ข้อเสียคือ ระดับต่ำการทดลองเสร็จสมบูรณ์ได้สำเร็จเนื่องจากมีข้อบกพร่องในกระบวนการโคลนเป็นจำนวนมาก

ปัญหาหลักของกระบวนการโคลนการถ่ายโอนนิวเคลียร์คือการหลีกเลี่ยงการถูกทำลาย เซลล์ที่บอบบาง. นักวิจัยได้ทำการวิเคราะห์เบื้องต้นเกี่ยวกับพลังงานที่จำเป็นสำหรับเครื่องมือในการจัดการเซลล์อย่างปลอดภัยในขณะที่เอานิวเคลียสออก จากนั้นจึงปรับค่าให้ต่ำที่สุดเท่าที่จะเป็นไปได้ ระดับที่เป็นไปได้. ด้วยเหตุนี้ระดับความผิดปกติของเซลล์จึงลดลงจาก 30-40 มม. เป็น 10-15 มม. ซึ่งช่วยปรับปรุงการพัฒนาเซลล์ในภายหลังและเพิ่มโอกาสในการประสบความสำเร็จ

สันนิษฐานว่าข้อมูลที่ได้รับจากการศึกษาเกี่ยวกับความสัมพันธ์ระหว่างไมโครปฏิบัติการกับเซลล์และ การพัฒนาต่อไปเซลล์จะสามารถช่วยให้นักวิทยาศาสตร์คนอื่นๆ ค้นพบเพิ่มเติมในพื้นที่นี้ได้

ปัญญาประดิษฐ์ได้รับการสอนให้ทำนายภาวะหัวใจวายได้ดีกว่าแพทย์

ในเดือนเมษายน ปี 2017 นักวิทยาศาสตร์จากมหาวิทยาลัยน็อตติงแฮมได้นำเสนอเทคโนโลยีปัญญาประดิษฐ์ที่สามารถทำนายการเกิดภาวะหัวใจวายได้ นักพัฒนาอ้างว่าความแม่นยำในการพยากรณ์สูงกว่าแพทย์

การศึกษาเปรียบเทียบประสิทธิผลของคำแนะนำทางการแพทย์กับงานของสี่โปรแกรมที่เขียนโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง นักวิทยาศาสตร์ติดตามเป้าหมายในการค้นหารูปแบบในบันทึกของผู้ป่วยมากกว่า 378,000 ราย คอมพิวเตอร์ประกอบด้วยเกณฑ์ 22 ข้อ ซึ่งรวมถึงอายุ สัญชาติ การมีอยู่ของโรคข้ออักเสบและโรคไต และระดับคอเลสเตอรอลในเลือด

ข้อสรุปที่ทำโดยปัญญาประดิษฐ์เกี่ยวกับความเสี่ยงของการเกิดภาวะหัวใจวายถูกเปรียบเทียบกับข้อมูลในปี 2558 และพบว่ามีความแม่นยำมากกว่าการคาดการณ์ของแพทย์ตามคำแนะนำของ American College of Cardiology (ACC) และ American สมาคมโรคหัวใจ (AHA) : จากความแม่นยำ 74.5% เป็น 76.4% เทียบกับ 72.8%

ตามการประมาณการคร่าวๆ โดยผู้เขียนโครงการ คอมพิวเตอร์สามารถช่วยชีวิตคนได้มากกว่าวิธี ACC และ AHA ถึง 355 ราย นักวิทยาศาสตร์ตั้งใจที่จะเพิ่มประสิทธิภาพของระบบอัจฉริยะโดยคำนึงถึงปัจจัยเสี่ยง เช่น รูปแบบการดำเนินชีวิตและข้อมูลทางพันธุกรรม

สิ่งที่น่าสนใจคืออัลกอริทึมไม่ได้คำนึงถึงผลกระทบของโรคเบาหวาน ซึ่งถือเป็นปัจจัยเสี่ยงใน ACC และ AHA มาโดยตลอด

ตามที่ Stephen Van นักระบาดวิทยาแห่งมหาวิทยาลัยน็อตติงแฮมกล่าวไว้ ระบบทางชีววิทยามีความสัมพันธ์มากมาย ซึ่งบางระบบไม่รู้จักกับแพทย์ เช่น เนื้อหาที่เพิ่มขึ้นไขมันในร่างกายภายใต้เงื่อนไขบางประการสามารถป้องกันความผิดปกติเฉียบพลันในหัวใจได้ ปฏิสัมพันธ์ที่คล้ายกันไม่ชัดเจน สังเกตและอธิบายได้ยาก แต่โปรแกรมคอมพิวเตอร์สามารถติดตามการเชื่อมต่อโดยการวิเคราะห์ข้อมูลจำนวนมหาศาล เขาเชื่อว่า

ปัญญาประดิษฐ์ (AI, อังกฤษ: Artificial Intelligence, AI) คือศาสตร์และเทคโนโลยีในการสร้างเครื่องจักรอัจฉริยะ โดยเฉพาะโปรแกรมคอมพิวเตอร์อัจฉริยะ AI เกี่ยวข้องกับงานที่คล้ายกันในการใช้คอมพิวเตอร์เพื่อทำความเข้าใจความฉลาดของมนุษย์ แต่ไม่ได้จำกัดอยู่เพียงวิธีการทางชีวภาพเท่านั้น

ไม่มีคำตอบเดียวสำหรับคำถามที่ว่าปัญญาประดิษฐ์ทำหน้าที่อะไร นักเขียนเกือบทุกคนที่เขียนหนังสือเกี่ยวกับ AI เริ่มต้นจากคำจำกัดความบางอย่าง เมื่อพิจารณาถึงความสำเร็จของวิทยาศาสตร์นี้ในแง่ของมัน

การพัฒนา AI สามารถแยกแยะได้สองทิศทาง:

การแก้ปัญหาที่เกี่ยวข้องกับการนำระบบ AI เฉพาะทางเข้าใกล้ความสามารถของมนุษย์และการบูรณาการของระบบ ซึ่งเกิดขึ้นได้จากธรรมชาติของมนุษย์

การสร้างปัญญาประดิษฐ์ซึ่งแสดงถึงการบูรณาการระบบ AI ที่สร้างไว้แล้วให้เป็นระบบเดียวที่สามารถแก้ไขปัญหาของมนุษยชาติได้

แต่ในขณะนี้ สาขาปัญญาประดิษฐ์กำลังมองเห็นการมีส่วนร่วมของสาขาวิชาต่างๆ ที่มีความสัมพันธ์เชิงปฏิบัติกับ AI แทนที่จะเป็นสาขาวิชาพื้นฐาน มีการทดสอบหลายวิธี แต่ยังไม่มีกลุ่มวิจัยใดที่เข้าใกล้การเกิดขึ้นของปัญญาประดิษฐ์

สาขาวิทยาการหุ่นยนต์และปัญญาประดิษฐ์มีความสัมพันธ์กันอย่างใกล้ชิด การบูรณาการของทั้งสองวิทยาศาสตร์และการสร้างหุ่นยนต์อัจฉริยะถือเป็นอีกด้านหนึ่งของ AI

วิทยาการหุ่นยนต์อาศัยสาขาวิชาต่างๆ เช่น อิเล็กทรอนิกส์ กลศาสตร์ และการเขียนโปรแกรม มีหุ่นยนต์ที่ใช้ในการก่อสร้าง อุตสาหกรรม ครัวเรือน การบิน และหุ่นยนต์เอ็กซ์ตรีม (การทหาร อวกาศ ใต้น้ำ)

หุ่นยนต์จำเป็นต้องมีความฉลาดเพื่อจัดการกับวัตถุ นำทางโดยมีปัญหาในการแปล (กำหนดตำแหน่ง สำรวจพื้นที่ใกล้เคียง) และวางแผนการเคลื่อนไหว (วิธีไปถึงเป้าหมาย)

การพัฒนาและการผลิตหุ่นยนต์ทางการแพทย์ในศตวรรษที่ 21 ประสบความสำเร็จทั้งด้านเทคนิคและเศรษฐกิจ จนข้อมูลเกี่ยวกับหุ่นยนต์เหล่านี้ดูเหมือนนิยายวิทยาศาสตร์น้อยลงทุกปี

ความก้าวหน้าในระบบหุ่นยนต์และปัญญาประดิษฐ์กำลังส่งผลกระทบเพิ่มขึ้นต่อชีวิตของผู้คนในความหมายที่แท้จริงที่สุดทุกวัน ความสำเร็จด้านเทคนิคและเศรษฐกิจในด้านวิทยาการหุ่นยนต์ทำให้การแพทย์ต้องอาศัยความช่วยเหลือจากหุ่นยนต์มากขึ้น ปัจจุบัน หุ่นยนต์ทางการแพทย์สามารถทำการผ่าตัดที่ซับซ้อนได้ ช่วยให้วินิจฉัยได้แม่นยำ ดูแลผู้ป่วย และขีดความสามารถไม่ได้จำกัดอยู่เพียงเท่านี้

เราจะแก้ไขปัญหาสุขภาพของเราอย่างไร โดยเฉพาะอย่างยิ่งถ้ามันร้ายแรง? ทุกอย่างเริ่มต้นด้วยการค้นหาคลินิกที่เหมาะสมและผู้เชี่ยวชาญชั้นนำในสาขาของคุณ และตอนนี้ลองจินตนาการถึงภาพนี้

พบคลินิกผู้เชี่ยวชาญที่ประสบความสำเร็จมากที่สุดในด้านนี้และเขายอมรับ.... ตลอดเวลา!!!

เขาไม่มีนามสกุลหรือนามสกุล แต่แค่ชื่อรุ่นเท่านั้น นี่คือหุ่นยนต์!

โดยทั่วไปแล้วนี่คือโอกาสสำหรับอนาคตอันใกล้นี้ ในระหว่างนี้ หุ่นยนต์กำลังทำงานภายใต้คำแนะนำที่เข้มงวดของแพทย์ผู้มีประสบการณ์

ส่วนต่างๆ:

โรโบดอกเตอร์

โรโบคอมเพล็กซ์

โรโบซิสเตอร์

โรโบเทียม

หุ่นยนต์ในตัวเรา

หุ่นยนต์ฟื้นฟูสมรรถภาพ

โรโบช่วยเหลือ

หุ่นยนต์ทางการแพทย์คืออะไร และเหตุใดจึงมีความจำเป็น

หุ่นยนต์ทางการแพทย์คือหุ่นยนต์ที่สร้างขึ้นเพื่อดำเนินการใดๆ ที่เกี่ยวข้องกับการแพทย์โดยทั่วไปและสุขภาพของมนุษย์โดยเฉพาะ นักเขียนนิยายวิทยาศาสตร์หลายสิบคนในผลงานนับร้อยที่บรรยายโดยละเอียดทุกอย่าง ฟังก์ชั่นที่เป็นไปได้งานของหุ่นยนต์ทางการแพทย์ และแม้แต่คุณสมบัติของอุปกรณ์ที่ต้องการ ตามคำอธิบายเหล่านี้ หุ่นยนต์น้ำผึ้งแห่งอนาคตจะปรากฏในภาพต่างๆ ซึ่งรวมถึง “ชุดปฐมพยาบาล” ขนาดเล็กที่ซับซ้อนแต่ชาญฉลาดมากซึ่งติดตั้งอยู่ในชุดอวกาศ และศูนย์การแพทย์แบบอยู่กับที่ที่สามารถ “ฟื้นคืนชีพคนตายได้” นักเขียนนิยายวิทยาศาสตร์ยังได้พัฒนาแบบจำลองผู้ช่วยหุ่นยนต์ พี่เลี้ยงเด็ก และเจ้าหน้าที่สุขาภิบาลอื่นๆ หลายสิบแบบ แม้กระทั่งตัวเลือกของนาโนโรบอตที่มีอยู่ในเลือดมนุษย์ตลอดเวลา ซึ่งสามารถกำจัดสารพิษ รักษาบาดแผล และทำให้ฮีโร่ในภาพยนตร์แอ็คชั่นนิยายวิทยาศาสตร์ไม่อาจเข้าถึงได้อย่างแท้จริง

ในความเป็นจริง หุ่นยนต์ทางการแพทย์กำลังพัฒนาไปในทิศทางเดียวกัน ประการแรก สิ่งเหล่านี้คือคอมเพล็กซ์การผ่าตัด และถึงแม้ว่าความเป็นอิสระในการตัดสินใจนั้นมีเงื่อนไขเพียงอย่างเดียว แต่หุ่นยนต์ทางการแพทย์เหล่านี้ก็ประสบความสำเร็จมาแล้วหลายร้อยครั้ง

ทิศทางพื้นฐานที่สองในปัจจุบันสามารถเรียกได้ว่าเป็นชั้นเรียนของผู้ช่วยหุ่นยนต์ พยาบาลอัตโนมัติเหล่านี้มีรูปร่างหน้าตาคล้ายมนุษย์ แต่มีความก้าวหน้าอย่างมากในการช่วยเหลือเจ้าหน้าที่ที่เป็นมนุษย์และผู้ป่วย

ทิศทางที่สามเกี่ยวข้องกับอวัยวะเทียมเป็นหลัก การพัฒนาอุปกรณ์ทดแทนแขนขามนุษย์ และการสร้างโครงกระดูกภายนอก แขนขา "อัจฉริยะ" เทียมไม่เพียงแต่ช่วยเหลือผู้ป่วยเฉพาะรายเท่านั้น แต่ยังช่วยพัฒนาเทคโนโลยีหุ่นยนต์ใหม่ๆ อีกด้วย

นอกเหนือจากอุปกรณ์ทางการแพทย์ที่ใช้หุ่นยนต์จำนวนมากแล้ว ยังเป็นพาหนะสำหรับผู้ที่สูญเสียความสามารถในการเคลื่อนไหวอย่างอิสระ ไม่ว่าจะเป็นรถเข็นที่มีระบบควบคุมอัจฉริยะหรืออุปกรณ์อพยพผู้บาดเจ็บออกจากสนามรบ

แล้วเราจะทำยังไงถ้าไม่มีอุปกรณ์ช่วยสอนแบบหุ่นยนต์สำหรับแพทย์ในอนาคต? หุ่นยนต์ทางการแพทย์เหล่านี้บิดเบี้ยวจากอาการปวดฟัน “ให้กำเนิด” เด็กๆ และอดทนต่อความยากลำบากอื่นๆ ที่เกิดขึ้นกับพวกเขาอย่างแน่วแน่

รายการคำแนะนำข้างต้นสำหรับการพัฒนาหุ่นยนต์ทางการแพทย์สามารถใช้เป็นคำตอบสำหรับคำถามที่ว่า ทำไมหุ่นยนต์ทางการแพทย์ถึงจำเป็น?

Grigory Kolesnikov หัวหน้าโครงการเร่งความเร็ว G4A (Grants4Apps) ที่ Bayer ในรัสเซีย พูดถึงสิ่งที่เป็นอุปสรรคต่อการนำไปปฏิบัติทางการแพทย์ และอภิปรายว่าเป็นไปได้หรือไม่ที่สตาร์ทอัพในด้านนี้จะเอาชนะอุปสรรคดังกล่าว

AI ช่วยผู้เชี่ยวชาญทางการแพทย์ได้อย่างไร

เมื่อเร็ว ๆ นี้ Google ได้พูดคุยเกี่ยวกับการเข้าสู่ตลาดระบบปัญญาประดิษฐ์ตามแผนที่วางไว้ซึ่งสามารถกำจัดเสียงรบกวนจากการสนทนาทางโทรศัพท์ (เช่น สุนัขเห่า) ตามที่เราสัญญาไว้ อัลกอริธึมที่ใช้ปัญญาประดิษฐ์ภายในสมาร์ทโฟนจะช่วยดำเนินการตามปกติได้มากที่สุด โอกาสที่น่าประทับใจเพราะว่า คนสมัยใหม่ใช้เวลาหลายชั่วโมงต่อวันอยู่หน้าจออุปกรณ์ของพวกเขา และเทคโนโลยีดังกล่าวได้ก่อตั้งขึ้นอย่างมั่นคงในชีวิตของเราแล้ว

ปัจจุบัน ปัญญาประดิษฐ์ถูกนำมาใช้อย่างแข็งขันในการพัฒนาเครื่องใช้ในครัวเรือน ระบบสั่งงานด้วยเสียงส่วนบุคคล และระบบรักษาความปลอดภัย ในกรณีที่ต้องมีการประมวลผลข้อมูลจำนวนมาก

ในทางการแพทย์ ปัญญาประดิษฐ์ทำให้สามารถเพิ่มประสิทธิภาพในการวินิจฉัยได้ เนื่องจากสามารถทำงานกับปริมาณมากได้ มีกรณีที่ทราบกันดีอยู่แล้วเมื่อบริการวินิจฉัย "อัจฉริยะ" ของ IBM Watson ระบุผู้ป่วยอายุ 60 ปีที่มีการวินิจฉัยที่ไม่ถูกต้อง แบบฟอร์มที่หายากมะเร็งเม็ดเลือดขาว ในการดำเนินการนี้ ระบบจะ "ศึกษา" บทความทางวิทยาศาสตร์เกี่ยวกับมะเร็ง 20 ล้านบทความภายใน 10 นาที

ด้วยเหตุนี้ AI จึงช่วยลดปริมาณงานประจำในแต่ละวันที่ผู้เชี่ยวชาญทางการแพทย์ถูกบังคับให้แก้ไขได้ และสามารถย่อให้เล็กลงได้ ข้อผิดพลาดที่เป็นไปได้. อีกทั้งยังเปิดโอกาสให้เกิดวิชาชีพใหม่ๆ ในการให้บริการระบบดิจิทัลทางการแพทย์อีกด้วย

ทำไมทุกอย่างถึงไม่ราบรื่นนัก?

ปัจจุบันมีการใช้โปรแกรมและอุปกรณ์ที่มีปัญญาประดิษฐ์ในการวิเคราะห์ภาพ X-ray, CT และ MRI (เพียงพอที่จะอัปโหลดภาพเข้าสู่ระบบ หลังจากนั้น AI จะดำเนินการวิเคราะห์และให้ข้อสรุป) ยา "อัจฉริยะ" ใช้ในการติดตามทางไกล โรคเรื้อรังและในการประเมินความจำเป็นในการเข้ารับการรักษาในโรงพยาบาลของผู้ที่ผ่าตัดโดยใช้หุ่นยนต์ช่วย เภสัชกรยังได้ฝึกฝนเทคโนโลยีใหม่ ๆ ด้วย โดยมีการใช้ AI ในการพัฒนายาใหม่ ๆ

ดังนั้นเมื่อเร็ว ๆ นี้ Semantic Hub ได้สร้างบริการที่ใช้ปัญญาประดิษฐ์เพื่อทำให้การประเมินศักยภาพเป็นไปโดยอัตโนมัติ เวชภัณฑ์ก่อนจะปล่อยออกสู่ตลาด ระบบรวบรวมและวิเคราะห์เอกสารนับล้าน รวมถึงสิ่งพิมพ์ทางวิทยาศาสตร์ที่เกี่ยวข้องกับโรค วัตถุประสงค์และผลกระทบของยาที่กำลังพัฒนา จากนั้นจะวิเคราะห์ข้อมูลและสรุปเกี่ยวกับศักยภาพของยาโดยคำนึงถึงปัจจัยเสี่ยงและความได้เปรียบทางการแข่งขันทั้งหมด ก่อนหน้านี้ผู้พัฒนายาสามารถศึกษาเอกสารดังกล่าวด้วยตนเองได้เพียง 1% เท่านั้น

ผลิตภัณฑ์ บริการ และกระบวนการทางการแพทย์ "อัจฉริยะ" ขณะนี้ได้รับการพัฒนาโดยบริษัท "ดิจิทัล" ชั้นนำเกือบทั้งหมด จากข้อมูลของบริษัทวิจัย Venture Scanner ระบุว่าการพัฒนาดังกล่าวดำเนินการโดยบริษัทมากกว่า 800 แห่งทั่วโลก

ผู้เชี่ยวชาญหลายคนคาดการณ์ว่าตลาดปัญญาประดิษฐ์จะเพิ่มขึ้นอย่างรวดเร็ว ประมาณหนึ่งในสามต่อปี BIS Research ประมาณการว่าตลาด AI ด้านการดูแลสุขภาพโดยรวมจะสูงถึง 28 พันล้านดอลลาร์ภายในปี 2568

แต่ไม่ใช่ทุกสิ่งที่เป็นสีดอกกุหลาบ มีอุปสรรคในการนำเทคโนโลยี AI มาใช้ในทางการแพทย์ และบ่อยครั้งที่มีคำถามเกิดขึ้นจากผู้เชี่ยวชาญทางการแพทย์ ซึ่งนวัตกรรมสามารถทำให้เกิดความไม่ไว้วางใจอย่างสมเหตุสมผลได้

สาเหตุของปัญหาที่เกิดขึ้นคืออะไร? ลองคิดดูสิ

อุปสรรคต่อปัญญาประดิษฐ์ในการแพทย์

1. ข้อมูล “ความสดใหม่ครั้งที่สอง”

แน่นอนว่าเรากำลังพูดถึงคุณภาพและปริมาณข้อมูลทางการแพทย์ ข้อมูลที่สะสมในเวชระเบียนของผู้ป่วยอาจไม่สมบูรณ์และมีข้อผิดพลาด ความไม่ถูกต้อง และข้อกำหนดที่ไม่ได้มาตรฐาน มีบันทึกเกี่ยวกับชีวิต นิสัย และพฤติกรรมของผู้ป่วยไม่เพียงพอ กลไกที่มีประสิทธิภาพในการรวบรวมข้อมูลนี้ยังไม่มีอยู่จริง

ผลลัพธ์ของการวิเคราะห์ตามข้อมูลดังกล่าวจะทำให้เกิดความสงสัยอย่างสมเหตุสมผลเสมอ และความพยายามในการปรับปรุงคุณภาพของการวิเคราะห์นี้จะเข้าสู่กระบวนการที่ต้องใช้แรงงานมาก

เพื่อขจัดปัญหานี้ ขณะนี้มีการเสนอทางเลือกสำหรับการฝึกอบรมปัญญาประดิษฐ์ด้วยข้อมูลจำนวนเล็กน้อย ตัวอย่างที่ประสบความสำเร็จของการฝึกอบรมดังกล่าว ได้แก่ หลักการทำงานของแป้นพิมพ์สมาร์ทโฟนเมื่อระบบจดจำและวิเคราะห์คำที่ป้อนก่อนหน้านี้และสามารถคาดเดาเนื้อหาของข้อความที่ตามมาได้ แอปพลิเคชันสำหรับการจดจำใบหน้าและเพลงใช้เทคโนโลยีที่คล้ายคลึงกัน

หากนำไปใช้ในทางการแพทย์ได้สำเร็จ ระบบ Machine Learning ก็สามารถแก้ปัญหาได้หลายอย่าง เช่น การตรวจสอบความเข้ากันได้ของยา การวินิจฉัยโดยอาศัย การวิเคราะห์ทางพันธุกรรม. ตัวอย่างเช่น เราสามารถอ้างอิงวิธีแก้ปัญหาของบริษัท Droice Labs ซึ่งทำสิ่งที่กล่าวมาข้างต้นส่วนใหญ่แล้วในทางปฏิบัติในรัสเซีย

2. หุ่นยนต์เงียบ

ข้อจำกัดประการที่สองของนวัตกรรมที่นำเสนอในด้านการแพทย์คือการขาดความโปร่งใสของกระบวนการตัดสินใจโดยแกนกลางทางปัญญาของระบบ ปัญญาประดิษฐ์ทำงานตามหลักการ “กล่องดำ” หากมีข้อผิดพลาดในอัลกอริธึมและระบบตัดสินใจผิด จะเป็นการยากมากที่จะตอบคำถามว่า "ทำไม"

ขณะนี้พวกเขากำลังพัฒนาเครื่องจักรที่สามารถเปิดเผยเหตุผลในการตัดสินใจได้ นักวิทยาศาสตร์ชาวอเมริกันกำลังใกล้จะเปิดตัวผลิตภัณฑ์ดังกล่าวสู่ตลาด โดยเฉพาะอย่างยิ่ง สำนักงานโครงการวิจัยขั้นสูงด้านกลาโหม (DARPA) สนับสนุนกลุ่มวิจัย 13 กลุ่มที่เกี่ยวข้องกับการแก้ปัญหานี้

บริษัท Intellogic ในประเทศยังอ้างสิทธิบัตรในการใช้ออนโทโลยีทางการแพทย์เพื่อเตรียมแบบจำลองทางคณิตศาสตร์และนำเสนอผลการทดสอบโมเดลโครงข่ายประสาทเทียม ผู้เขียนสิทธิบัตรระบุว่าแนวทางนี้จะช่วยให้แพทย์เข้าใจเส้นทางการตัดสินใจโดยใช้เครื่องจักร และลดปริมาณข้อมูลที่ต้องใช้ในการฝึกแบบจำลองได้อย่างมาก

ความซับซ้อนของวิธีการประมวลผลข้อมูลโดยใช้ปัญญาประดิษฐ์ทำให้เกิดปัญหาอื่น: การคัดเลือกและการพัฒนาบุคลากรที่สามารถใช้และบำรุงรักษาระบบอย่างมีประสิทธิภาพด้วยอัลกอริธึมที่ไม่สำคัญ

3. เครื่องจักรอัจฉริยะ - แนวทางที่ชาญฉลาด!

นอกจากตัวอัลกอริธึมเองซึ่งสามารถทำการวิเคราะห์ด้วยความแม่นยำสูงแล้ว ทีมงานโครงการที่แข็งแกร่งยังจำเป็นต้องนำนวัตกรรมไปสู่การปฏิบัติได้สำเร็จอีกด้วย ความสำเร็จของโครงการด้านการแพทย์ดังกล่าวขึ้นอยู่กับว่าผู้เข้าร่วมมีปฏิสัมพันธ์กันอย่างไร

ทีมงานควรรวมผู้เชี่ยวชาญด้วย หลากหลายความสามารถในสาขาวิชา อัลกอริธึมทางคณิตศาสตร์และแนวทางการรักษาความปลอดภัยของข้อมูล พร้อมทักษะการเขียนโปรแกรมและการนำเสนอข้อมูลด้วยภาพ เป็นที่พึงปรารถนาอย่างยิ่งที่ผู้เข้าร่วมไม่มีความสามารถที่แตกต่างกันเพียงอย่างใดอย่างหนึ่ง เพื่อที่จะเข้าใจและส่งเสริมซึ่งกันและกันได้ดี

4. ราคาและความคุ้มค่า

ความซับซ้อนที่เกิดขึ้นใหม่ทำให้ต้นทุนในการพัฒนา การดำเนินการ และการประยุกต์ใช้โซลูชันปัญญาประดิษฐ์เพิ่มขึ้น โครงการที่มีต้นทุนสูงยังเกี่ยวข้องกับความจำเป็นในการปรับแต่งระบบใหม่สำหรับข้อมูลที่สะสมในสถาบันการแพทย์แห่งใดแห่งหนึ่ง และเพื่อจัดตั้งทีมที่มีคุณสมบัติและมีแรงจูงใจ

และนี่ก็ทำให้เกิดข้อสงสัยเกี่ยวกับความสามารถในการปรับขนาดเทคโนโลยีที่นำเสนอโดยสตาร์ทอัพได้อย่างรวดเร็ว ตัวอย่างเช่น การปรับขนาดสามารถทำได้ในกรณีของการประมวลผลภาพทางการแพทย์ประเภทหนึ่ง แต่จำเป็นต้องทำมากกว่านี้

ผู้เชี่ยวชาญในอุตสาหกรรมเห็นพ้องกันว่าในระยะสั้น การนำปัญญาประดิษฐ์มาใช้จะไม่นำไปสู่การลดต้นทุนที่เห็นได้ชัดเจน เราต้องมองหาพื้นที่ที่การประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์จะสร้างมูลค่าที่สูงกว่าต่อไป

5. ใครจะปกป้องคุณจากแฮกเกอร์?

เราต้องไม่ลืมว่าเพื่อให้มั่นใจถึงการทำงานของปัญญาประดิษฐ์ จำเป็นต้องจัดให้มีการเข้าถึงพลังการประมวลผลประสิทธิภาพสูง ซึ่งมักจะเป็น สถาบันการแพทย์เลขที่ ด้วยเหตุนี้ อาร์เรย์ข้อมูลจะต้องถูกย้ายออกไปนอกขอบเขตของสถาบัน และสิ่งนี้คุกคามความปลอดภัยของพื้นที่จัดเก็บข้อมูล ซึ่งควรให้ความสำคัญเป็นอันดับแรก ไม่ใช่เรื่องบังเอิญที่โครงการใช้งานปัญญาประดิษฐ์จำนวนมากต้องหยุดลงเนื่องจากความเสี่ยงที่เกี่ยวข้องกับความปลอดภัยของข้อมูลโดยเฉพาะ

ตัวอย่างที่โดดเด่นที่สุดอย่างหนึ่งคือเมื่อกระทรวงกิจการทหารผ่านศึกของสหรัฐอเมริกาหลังจากเริ่มต้นความร่วมมือที่ประสบความสำเร็จ ได้ยกเลิกข้อตกลงกับสตาร์ทอัพ Flow Health ซึ่งเป็นผู้พัฒนาระบบวินิจฉัยโรคอัจฉริยะ ตามที่กระทรวงสาธารณสุขของสหรัฐอเมริกาอธิบาย สัญญาถูกยกเลิกเมื่อทราบว่าระบบกำลังประมวลผลข้อมูลที่เป็นความลับ แผนกพิจารณาว่านี่เป็นการละเมิดการรักษาความปลอดภัยของข้อมูลส่วนบุคคลของผู้ป่วยทหารผ่านศึก อย่างไรก็ตามไม่เคยพบรอยรั่วใดๆ

หลีกทางให้สติปัญญา!

ชุมชนผู้เชี่ยวชาญตระหนักดีถึงปัญหาที่มีอยู่และพยายามที่จะตอบสนองต่อปัญหาเหล่านั้น โดยคิดผ่านหลักการออกแบบระบบหุ่นยนต์ เสนอให้หารือเกี่ยวกับจริยธรรมของการใช้ปัญญาประดิษฐ์ในทางปฏิบัติ และพัฒนาทางเลือกใหม่สำหรับการแนะนำเทคโนโลยี แต่ยอมรับเถอะว่า การพัฒนาแนวทางและมาตรฐานอย่างเพียงพอต้องใช้เวลา

ปัญหาส่วนใหญ่ที่ทำให้การใช้โซลูชั่นปัญญาประดิษฐ์ช้าลงในการแพทย์ไม่ได้เกี่ยวข้องกับด้านเทคโนโลยีเลย บ่อยครั้งที่ปัญหาเหล่านี้เป็นปัญหาด้านจริยธรรมและขั้นตอนการบริหารความยากลำบากในการรวบรวมและประมวลผลข้อมูล (การให้เวลาแพทย์ที่จำเป็นในการป้อนข้อมูลลงในฐานข้อมูล) ปัญหาในการแบ่งพื้นที่รับผิดชอบการทำความเข้าใจกลไกการทำงานของระบบเทียม.. .

โอกาสคืออะไร?

แม้จะมีความยากลำบาก แต่โครงการต่างๆ ก็มีโอกาส ฉันเชื่อว่าในอีกไม่กี่ปีข้างหน้า เทคโนโลยีปัญญาประดิษฐ์จะสามารถค้นหาผู้บริโภคของตนในกลุ่มบริษัทยา ในการค้นหาโมเลกุลและเป้าหมายทางชีววิทยาใหม่ ในการจำลองเสมือนของการทดลองพรีคลินิก และในการวิเคราะห์ข้อมูล การทดลองทางคลินิก. บ่อยครั้งเมื่อทำงานกับบริษัทใหญ่ๆ เงื่อนไขที่จำเป็นเพื่อการเปิดตัวโครงการได้สำเร็จ

ปัญหาทั้งหมดสามารถแก้ไขได้ สิ่งสำคัญคือเมื่อใช้แนวทางใหม่ๆ เราจะสามารถก้าวไปข้างหน้าได้ ไม่ใช่ "ยิงตัวเองตาย"

การวินิจฉัย

จากข้อมูลของ Frost & Sullivan1 ตลาดสำหรับปัญญาประดิษฐ์ในการแพทย์เติบโตขึ้น 40% ต่อปี และภายในปี 2564 มูลค่าการซื้อขายจะอยู่ที่ประมาณ 6.6 พันล้านดอลลาร์ ประการแรก แมชชีนเลิร์นนิงจะเปลี่ยนสาขาการแพทย์สามด้าน: จะปรับปรุงความสามารถในการวินิจฉัย ทำให้การทำงานของนักรังสีวิทยาง่ายขึ้น และนักพยาธิวิทยา จะทำให้การพยากรณ์โรคมีประสิทธิภาพมากขึ้น

Ziad Obermayer จาก Harvard Medical School และ Ezekiel Emanuel จาก University of Pennsylvania เขียนเกี่ยวกับเรื่องนี้ในบทความของ The New England Journal of Medicine (NEJM)2 ในความเห็นของพวกเขา ในอนาคตอันใกล้นี้ แมชชีนเลิร์นนิงจะกลายเป็นเครื่องมือที่ขาดไม่ได้สำหรับแพทย์ที่ต้องการทำความเข้าใจผู้ป่วยอย่างแท้จริง โครงข่ายประสาทเทียมสามารถวินิจฉัยการแพร่กระจายของมะเร็งเต้านมได้ไม่เลวร้ายไปกว่าแพทย์ผู้มีประสบการณ์ มะเร็งเต้านมเป็นหนึ่งในประเภทที่พบบ่อยที่สุด เนื้องอกมะเร็ง. เฉพาะในปี พ.ศ. 2555 มีรายงานผู้ป่วยรายใหม่ของโรคนี้มากกว่า 1.6 ล้านรายทั่วโลก ใน 6-10% ของกรณี เนื้องอกได้แพร่กระจายไปแล้วในขณะที่วินิจฉัยเบื้องต้น เพื่อวินิจฉัยกระบวนการนี้ จะใช้การตรวจชิ้นเนื้อต่อมน้ำเหลืองในภูมิภาค

ตัวอย่างวัสดุที่ยึดได้แต่ละตัวอย่างจะได้รับการตรวจด้วยกล้องจุลทรรศน์โดยนักพยาธิวิทยา ภายใต้สภาวะที่เหมาะสมและไม่จำกัดเวลา แพทย์จะทำผิดพลาดน้อยมาก ใน ชีวิตจริงนักพยาธิวิทยาอาจตรวจสอบและบรรยายตัวอย่างหลายสิบตัวอย่างทุกวัน

กลุ่มนักวิจัยจากมหาวิทยาลัย Radboud ในประเทศเนเธอร์แลนด์ได้ริเริ่มการสร้างการแข่งขันที่ท้าทายพิเศษ Camelyon3 ซึ่งอัลกอริธึมสมัยใหม่จะแข่งขันกันในการตรวจหาการแพร่กระจายของมะเร็งเต้านม ทีมงานจะฝึกแบบจำลองเพื่อจดจำมะเร็งในเนื้อเยื่อที่มีสุขภาพดีในภาพมะเร็งเต้านม 400 ภาพ จากนั้นเปรียบเทียบผลลัพธ์กับภาพควบคุมที่แบบจำลองไม่สามารถเข้าถึงได้ระหว่างการฝึก

เมื่อปีที่แล้ว โครงข่ายประสาทเทียมของสตาร์ทอัพ PathAI4 ซึ่งเป็นพันธมิตรของ Philips ในการพัฒนาแอปพลิเคชันปัญญาประดิษฐ์ในทางการแพทย์ เกิดขึ้นครั้งแรกในการแข่งขัน Camelyon นักวิทยาศาสตร์จาก PathAI นำหน้าทีมอื่นด้วยคะแนนที่กว้าง อัลกอริธึมของพวกเขาทำผิดพลาดเพียง 35 รายจาก 1,000 ราย อัตรานี้ต่ำกว่าแพทย์จริงเล็กน้อย ยิ่งไปกว่านั้น หากแพทย์หันไปใช้การแจ้งเตือนของโครงข่ายประสาทเทียม จำนวนข้อผิดพลาดก็ลดลงจาก 3% เป็น 1%

ในช่วงไม่กี่ปีที่ผ่านมา มีตัวอย่างมากมายของความสำเร็จในการจดจำภาพทางการแพทย์โดยใช้โครงข่ายประสาทเทียม โครงข่ายประสาทเทียมระบุมะเร็งต่อมลูกหมากและมะเร็งปอดจากการตัดชิ้นเนื้อได้อย่างแม่นยำ และเก่งพอๆ กับแพทย์ผิวหนังในการระบุมะเร็งผิวหนังจากภาพถ่ายปกติ

นอกเหนือจากการจัดหมวดหมู่ภาพแล้ว ปัญญาประดิษฐ์ยังสามารถแก้ปัญหาอื่นๆ ได้ เช่น การเลือกการรักษาหรือการชี้แจงการพยากรณ์โรค ตัวอย่างแรกเริ่มคือระบบผู้เชี่ยวชาญ Mycin5 ซึ่งพัฒนาขึ้นในปี 1970 ที่มหาวิทยาลัยสแตนฟอร์ด หน้าที่ของเธอคือเลือกยาปฏิชีวนะที่เหมาะสมที่สุดสำหรับการรักษา โรคติดเชื้อ. ถึงกระนั้นเธอก็แนะนำชุดค่าผสมที่ประสบความสำเร็จมากกว่าแพทย์ อย่างไรก็ตาม ระบบนี้ไม่เคยถูกนำมาใช้ในการปฏิบัติงานทางคลินิกจริง

ระบบ Mycin ตอบคำถามใช่และไม่ใช่ภายในชุดกฎที่กำหนดเพื่อค้นหาคำตอบที่ถูกต้อง ระบบผู้เชี่ยวชาญสมัยใหม่ทำงานในลักษณะเดียวกัน แต่ส่วนใหญ่มักจะได้รับมอบหมายให้รวบรวมข้อมูลผู้ป่วยโดยอัตโนมัติแล้วนำเสนอต่อแพทย์ใน แบบฟอร์มที่สะดวกด้วยเคล็ดลับของคุณเอง

นี่คือวิธีการทำงานของระบบติดตามดูแลผู้ป่วยหนักที่พัฒนาโดย Philips ระบบรวบรวมและบูรณาการข้อมูลที่มีอยู่ทั้งหมดเกี่ยวกับผู้ป่วย และช่วยให้แพทย์ตัดสินใจโดยใช้ข้อมูลได้อย่างรวดเร็ว ตามที่ Sergey Lavanov หัวหน้าแผนกข้อมูลทางการแพทย์ของ Philips กล่าวว่าระบบดังกล่าวสามารถตรวจสอบการเปลี่ยนแปลงของตัวบ่งชี้ที่สำคัญต่อชีวิตของผู้ป่วยได้อย่างต่อเนื่อง และแจ้งให้แพทย์ทราบเกี่ยวกับแนวทางของสถานการณ์ที่คุกคาม

ปัญญาประดิษฐ์ซึ่งทำให้สามารถทำงานกับข้อมูลส่วนบุคคลที่หลากหลายจำนวนมาก ควรกลายเป็นกุญแจสำคัญในการวินิจฉัยที่แม่นยำยิ่งขึ้นและการรักษาที่ไม่แพง

แตกต่างจากระบบผู้เชี่ยวชาญแบบดั้งเดิม ปัญญาประดิษฐ์สมัยใหม่ใช้ข้อมูลจำนวนมากและสามารถเรียนรู้จากมันได้ ตัวอย่างจริง. ทำให้สามารถค้นหาการเชื่อมโยงที่ซับซ้อนและไม่ชัดเจนในข้อมูล และช่วยให้ผู้เชี่ยวชาญทำการตัดสินใจทางคลินิกได้ ตัวอย่างเช่น ในการศึกษาล่าสุดที่ตีพิมพ์ในวารสาร PLOS ONE6 โครงข่ายประสาทเทียมได้รับการฝึกอบรมเพื่อทำนายการพัฒนาของโรคหลอดเลือดหัวใจหรือภาวะแทรกซ้อน โครงข่ายประสาทเทียมได้รับการฝึกอบรมเกี่ยวกับบันทึกผู้ป่วยอิเล็กทรอนิกส์จำนวน 3 แสนราย ซึ่งสะท้อนถึงพัฒนาการและผลลัพธ์ของโรค จากการทดสอบ เครือข่ายเข้าถึงบันทึกตั้งแต่เริ่มแรกเพียงบันทึกเดียวและสร้างการคาดการณ์ ซึ่งนักวิจัยเปรียบเทียบกับผลลัพธ์ของโรคจากบันทึกภายหลังในเวชระเบียน

ในความเป็นจริง โครงข่ายประสาทเทียมนั้นต้องหากฎเกณฑ์ต่างๆ เพื่อประเมินความเสี่ยงของโรคหัวใจและหลอดเลือด เป็นผลให้คาดการณ์ว่าจะมีภาวะแทรกซ้อนจากโรคหลอดเลือดหัวใจเพิ่มขึ้น 7.6% มากกว่าแนวทางปัจจุบัน ซึ่งเทียบเท่ากับ 355 ชีวิตโดยประมาณที่สามารถช่วยชีวิตได้

Stephen Weng นักระบาดวิทยาแห่งมหาวิทยาลัยน็อตติงแฮม กล่าวในการให้สัมภาษณ์กับ Science News7 ว่าหากปัจจัยทางพันธุกรรมหรือข้อมูลเกี่ยวกับไลฟ์สไตล์ของบุคคลถูกเพิ่มเข้าไปในแบบจำลอง การคาดการณ์ก็จะแม่นยำยิ่งขึ้น

บูรณาการข้อมูลการวิเคราะห์ อุปกรณ์อิเล็กทรอนิกส์ที่สวมใส่ได้ เวชระเบียนยักษ์ใหญ่ในอุตสาหกรรมเช่น IBM, Alphabet (Google) และ Philips ก็กำลังพยายามเช่นกัน ตัวอย่างเช่น Philips กำลังพัฒนาโครงสร้างพื้นฐานที่ช่วยให้สามารถทำงานกับข้อมูลที่ได้รับจากอุปกรณ์สวมใส่ได้และเวชระเบียนของผู้ป่วย ด้วยความช่วยเหลือนี้ แพทย์จะสามารถสร้างคำแนะนำและการคาดการณ์เฉพาะบุคคลสำหรับผู้ป่วยเฉพาะรายได้อย่างแม่นยำ โซลูชันที่มีอยู่แล้วในปัจจุบันสามารถทำงานร่วมกับข้อมูลภาพทางการแพทย์และข้อมูลใหม่ รวมถึงแบบจำลองเชิงสถิติเชิงทดลองได้พร้อมๆ กัน ในอนาคตสิ่งนี้จะช่วยให้แพทย์สามารถใช้ระบบปัญญาประดิษฐ์ใหม่ในการทำงานได้

ในการให้สัมภาษณ์กับ CNBC8 Frans van Houten ผู้บริหารสูงสุดฟิลิปส์เน้นย้ำว่าทุกวันนี้ เมื่อประชากรมีอายุมากขึ้นและมีจำนวนเพิ่มมากขึ้น ฟิลิปส์ก็เดิมพันด้านการดูแลสุขภาพ โดยเน้นย้ำว่าเทคโนโลยีการวินิจฉัยและการป้องกันเป็นหนึ่งในเทคโนโลยีที่มีแนวโน้มมากที่สุด

1 อ้างอิงจากเอกสารการนำเสนอของ Frost & Sullivan ที่นำเสนอในการประชุมที่ลอนดอน วันที่ 4 ตุลาคม 2016 2 New England Journal of Medicine 3 “Camelion” 4 “ปาย”. 5 “มิตรสิน”. 6 "โปรดหนึ่ง" 7 ข่าววิทยาศาสตร์ 8 ซีเอ็นเอ็น

ปัญญาประดิษฐ์ โครงข่ายประสาทเทียม และแมชชีนเลิร์นนิงเข้ามาอย่างรวดเร็วและมั่นคงในอุตสาหกรรมข้อมูลด้านการดูแลสุขภาพ โดยเป็นหนึ่งในตัวขับเคลื่อนหลักและขอบเขตการพัฒนาในปีต่อๆ ไป นอกจากการแพทย์ทางไกลแล้ว นี่ยังเป็นหนึ่งในหัวข้อที่ได้รับความนิยมมากที่สุดในสื่อและบล็อกเกอร์ จำนวนข้อความและการอภิปรายเพิ่มขึ้นอย่างต่อเนื่องโดยมีการวางแผนหรือสร้างโซลูชันปฏิวัติใหม่สำหรับการแพทย์ซึ่งสร้างขึ้นบนพื้นฐานของวิธีปัญญาประดิษฐ์แล้ว

เราได้เตรียมผลงานที่น่าสนใจที่สุด 10 ประการในหัวข้อนี้ที่สมควรได้รับความสนใจสำหรับคุณ

1. การตื่นตัวครั้งใหญ่ของปัญญาประดิษฐ์นิตยสาร New York Times ตีพิมพ์บทความที่อธิบายว่า Google Translate เรียนรู้ที่จะแปลเกือบเหมือนมนุษย์ได้อย่างไร ปัญญาประดิษฐ์คืออะไร และแมวและห้องภาษาจีนเกี่ยวข้องกับมันอย่างไร บรรณาธิการของ vc.ru ตีพิมพ์คำแปลของบทความนี้ที่อยู่ https://vc.ru/21767-the-great-ai-awakening
2. ปัญญาประดิษฐ์จะเปลี่ยนการดูแลสุขภาพใน 5 ปีอย่างไร Norman Winarski ผู้ร่วมก่อตั้ง Siri และที่ปรึกษากองทุนร่วมลงทุน SRI Ventures กล่าวถึงอนาคตของการดูแลสุขภาพในอีก 5 ปี โดยคำนึงถึงอิทธิพลของปัญญาประดิษฐ์ ที่อยู่: https://rb.ru/story/future-of-ai-healthcare/
3. ปัญญาประดิษฐ์และการตัดสินใจทางการแพทย์. Sergey Sorokin ซีอีโอของ Intellogik และผู้ก่อตั้ง Botkin.AI เกี่ยวกับความสามารถของปัญญาประดิษฐ์ในการสนับสนุนการตัดสินใจทางการแพทย์และการพัฒนาการวินิจฉัย: https://www.if24.ru/iskin-i-vrachebnoe-reshenie/
4. อัลกอริทึมของ Andrew Ng วินิจฉัยโรคปอดบวมได้ดีกว่าแพทย์. ทีมงานที่มหาวิทยาลัยสแตนฟอร์ดนำโดย Andrew Ng พัฒนาอัลกอริทึมการเรียนรู้เชิงลึกซึ่งมีประสิทธิภาพเหนือกว่านักรังสีวิทยาที่มีประสบการณ์ในการวินิจฉัยโรคปอดบวมจากรังสีเอกซ์ https://hightech.fm/2017/11/16/pneumonia-algorithm
5. ปัญญาประดิษฐ์สามารถรักษาได้เช่นเดียวกับแพทย์: แนวโน้มในการพัฒนา AI ในด้านการแพทย์. Ilya Popov สมาชิกคณะทำงานอุตสาหกรรมภายใต้กระทรวงการคลังแห่งสหพันธรัฐรัสเซีย หอการค้าและอุตสาหกรรมแห่งสหพันธรัฐรัสเซีย และธุรกิจรัสเซีย กล่าวถึงแนวโน้มการพัฒนา AI ในด้านเภสัชกรรมและการแพทย์ พร้อมให้การคาดการณ์สำหรับปี 2561 : https://rb.ru/opinion/trendy-razvitiya -ai-v-farme/
6. ปัญญาประดิษฐ์จะช่วยวินิจฉัยโรคในโรงพยาบาลทุกแห่งในประเทศจีน. แพลตฟอร์ม AI ทางการแพทย์สามารถทำการวินิจฉัยที่ซับซ้อนที่สุดได้ด้วยความแม่นยำ 85% และกำหนดแผนการรักษาได้ โรคมะเร็งซึ่งร้อยละ 96 ตรงกับความคิดเห็น แพทย์ที่ดีที่สุดจีน, ไชน่าเดลี่ รายงาน ที่อยู่: https://hightech.fm/2017/10/11/ai-china-diagnostic
7. ปัญญาประดิษฐ์ - การปฏิวัติหรือวิธีการทางการตลาดแบบใหม่?ทบทวนความคิดเห็นในหัวข้อปัญญาประดิษฐ์จากผู้เชี่ยวชาญต่างๆ: https://www.crn.ru/numbers/spec-numbers/detail.php?ID=123946
8. ความเข้าใจผิดเกี่ยวกับปัญญาประดิษฐ์. ทุกวันเราได้ยินว่าปัญญาประดิษฐ์จะแก้ปัญหาทั้งหมดของเรา ตั้งแต่รถยนต์ที่ขับเคลื่อนด้วยตนเองไปจนถึงการรักษาโรคมะเร็ง ในเวลาเดียวกัน นักวิทยาศาสตร์และหัวหน้าภาคอุตสาหกรรมบางคน เช่น อีลอน มัสก์ ผู้ก่อตั้ง Tesla เชื่อว่าปัญญาประดิษฐ์ก่อให้เกิดภัยคุกคามต่อมนุษยชาติ ความจริงอยู่ที่ไหนและสิ่งที่ซ่อนอยู่ภายใต้คำนี้? ผู้เชี่ยวชาญด้านวิทยาการคอมพิวเตอร์ Anatoly Gershman พูดถึงตำนานหลักเกี่ยวกับ AI https://postnauka.ru/faq/80051
9. โซลูชันและโครงการ AI ที่น่าสนใจที่สุดประจำปี 2560. หนึ่งในแนวโน้มไอทีที่สดใสที่สุดในปีที่ผ่านมาคือการพัฒนาบริการอย่างรวดเร็วโดยใช้เทคโนโลยีการเรียนรู้ของเครื่องและระบบปัญญาประดิษฐ์ (AI) บนพื้นฐาน โครงข่ายประสาทเทียม. เราจำโซลูชันซอฟต์แวร์ที่เป็นต้นฉบับและมีแนวโน้มมากที่สุดในพื้นที่นี้ https://3dnews.ru/963472/
10. Google เปิดตัวเครื่องมือ AI แบบโอเพ่นซอร์สสำหรับการแพทย์ที่แม่นยำ. บริษัทได้สร้าง DeepVariant ซึ่งเป็นเครื่องมือที่ใช้ปรับปรุงความแม่นยำของการจัดลำดับจีโนมได้ผ่านทาง Google Cloud