快捷搜索:  as

人工智能技术在医疗保健系统中的应用

(文章滥觞:教导新闻网)

人工智能是一种高度繁杂的技巧,一旦实施,就必要进行持续的监督,以确保其达到预期的效果并确保其以最佳水平运行。

应用AI技巧的医疗保健供给者组织还必要确保自己得到了最大年夜的收益。换句话说,他们必要优化AI,以便技巧能够满意其组织的特定需求。我们与六位人工智能专家进行了交谈,每位专家在医疗保健支配方面都有富厚的履历,他们就CIO和其他卫生IT事情者若何优化其AI系统和措施以最佳地为其供给者组织供给最佳建议。

人工智能医学图像解释技巧供应商Nuance Communications的首席技巧官Joe Petro说,优化AI取决于对AI的能力的理解并将其利用于精确的问题。

他说:“今朝有很多炒作,但不幸的是,这些说法有些荒唐。”“为了优化人工智能,我们都必要懂得:我们正在考试测验办理的问题;人工智能若何办理问题;AI是否可以增强现有功能?而且,当AI没有赞助时。”例如,“可追溯性”紧张吗?人工智能有一个众所周知的“黑匣子限定”-导致神经收集做出抉择或结论的每个事实或证据并不老是众所周知的。

Petro解释说:“无意偶尔候弗成能追溯到导致神经收集得出结论的面包屑踪迹。”“是以,假如可追溯性是办理规划的要求,那么您可能必要撤退到更传统的谋略措施,这并不老是一件坏事。”该问题是否得当AI?此外,对付AI来说,问题是否体现优越且前提适当?他说,例如,在办理问题的措施中是否存在重复的,没有广泛变更且本色上是确定性的清晰模式。

他举例说:“例如,假如您将问题交给一系列专家,他们是否都邑得出相同的谜底?”“假如给人类相同的输入而不合意谜底,那么人工智能可能无法理解数据,而神经收集可能会供给与某些专家的不雅点不同等的结果。请宁神,AI会找到一个模式–问题是模式是否可重复且同等。”

是以,在AI确当当代界中,故意地狭义地定义了AI办理的问题,尤其是在医疗保健领域,从而前进了AI的准确性和适用性。他建议,选择精确的问题来办理并缩小问题的范围,是取得重大年夜成果的关键。他弥补说:“此外,培训数据必须易于得到,以创建靠得住的AI模型并孕育发生同等的验证结果。”不幸的是,无意偶尔没有可用的数据来练习神经收集。例如,在某些环境下,AI必要标记和注释数据。这种标记无意偶尔弗成用。”

放射科医生读取图像时,他们可能会或可能不会准确地指出诊断在图像中的哪个位置。没稀有据标记使培训无意偶尔变得弗成能。当CDI专家或照料护士和谐员通读全部案例时,他们很可能不会将提示查询的所有证据都反馈给医生。

Petro再说:“同样,没稀有据标记无意偶尔会使培训变得弗成能。”是以,有人必要返回数据,并可能添加标记和注释以练习初始模型。标记并非老是必需的,然则我们必要熟识到,所需的数据并不老是可用,并且可能必要昂贵的治理用度。事实是,数据本色上是“新软件”。没有精确的数据,人工智能将无法孕育发生想要的结果。”

(责任编辑:fqj)

您可能还会对下面的文章感兴趣: