苹果、谷歌、微软等巨头正在人工智能医疗领域做什么?

  • 时间:
  • 浏览:1
  • 来源:大发快3官方网址—大发快3APP下载

巨头公司们在发力,初创企业们也是各显神通,亲戚亲戚很多很多人现在不可能 见识到了各种各样的AI应用形式,从 Ginger.io的行为健康监测和健康分析平台 Sensely的虚拟助理,到 Ava等公司推出的可穿戴设备和各种APP,再到Clue公司最近推出的生育预测窗口。另外有一有有一个典型是Buoy Health最近推出的医学专用引擎,Buoy的数据库所含了11000份临床文献和17000余种病情,患者样本逾100万人。

Zebra成立于2014年,致力于开发算法,使电脑自动识别医学图像,诊断从骨科到心脑血管疾病等多种疾病。该公司现在不可能 稳步建立了很多很多人的数据库,并结合深度学习技术,以开发算法来实现自动医学诊断。另一家以色列的例如型公是AiDoc,这家公司没法 融资了700万美元。

否则这并有的是 让亲戚亲戚很多很多人停止创新,要是怀着更严谨的态度进行创新。数字医疗从业者们不可能 刚现在结束意识到,要解锁AI的真正潜力不需要 建立战略合作 伙伴关系,还不需要 高质量的数据,并对统计数据有有一有有一个清醒的认识。

如同Google的CEO Sundar Pichai在前两周的Google I/O 开发者大会上所表示的,什儿 科技巨头的行动还远不止此,去年亲戚亲戚很多很多人成立了Tensor计算中心,Google称之为AI-first数据中心。

“Google现在不可能 把所有的AI工作归拢到了Google.ai,什儿 部门是诸多团队和努力的结晶,亲戚亲戚很多很多人都专注于使AI能造福每很多很多人。”Pichai表示,“Google.ai将重点关注有一有有一个方面:研究、工具和基础设施,以及应用型AI。”

除开Google,没法 例子要是苹果657公司最近也收购了一家名为 Lattice的AI公司,该公司有着开发医疗应用算法的技术背景。

除了症状检索以外,Buoy首先会要求用户输入年龄、性别和症状等筛选条件,否则在细分数据后决定接下来的大问提,从而不断缩小搜索范围,最少使用两三分钟后,大问提没法 具体,并为用户提供不可能 的病症列表和接下来的选项。

几周前,微软和数据连接平台供应商 Validic建立了合作 伙伴关系,将患者参与度纳入到了 HealthVault Insights研究项目中。

就在本月中旬,Google方面表态,亲戚亲戚很多很多人不可能 将很多很多人本用于翻译和图像识别的消费级机器学习技术,应用到了医疗领域。亲戚亲戚很多很多人的研究团队Google Brain将与斯坦福大学、加州大学旧金山分校等知名学府展开合作 ,旨在从数以百万计的患者身上获取数据。

随着医疗行业对AI认识的渐渐成熟是什么是什么是什么的句子的句子期是什么是什么 ,其实最大的技术难点还好的反义词在于创新过程中遇到的监管障碍、关键数据获取等挑战。

我知道你:“病理学涉及到庞大的数据大问提,然而机器学习不可能 做好准备去处里它。亲戚亲戚很多很多人构建了神经网络,来检测癌症是否 扩散到了相邻的淋巴结。什儿 工作还发生早期阶段,不过它不可能 显示出了能将准确度从73%提升至89%的能力。当然亲戚亲戚很多很多人仍不需要 警惕的是,亲戚亲戚很多很多人的诊断也发生很多很多很多很多误报,不过什儿 大问提亲戚亲戚很多很多人不可能 交诸病理学家来处里,亲戚亲戚很多很多人不需要 提高诊断准确性。”

将患者数据应用到真实诊断中

每很多很多人都为AI魅力所倾倒,否则不需要 多久,亲戚亲戚很多很多人不需要 看见它为医疗行业带来真正意义上的转型呢?最近,亲戚亲戚很多很多人不可能 见识到了AI应用在了从最简单的手机app到最比较复杂的诊断任务,其形式也从自然语言或图像识别,到依靠强大的算法处里几十年积累的医学研究数据库等的方方面面。

如同医疗行业的很多很多技术一样,进入什儿 行业会面临监管障碍、与传统医院IT系统的互操作性大问提,以及获取关键医疗数据方面的障碍等诸多挑战,AI技术要我在什儿 行业里立足生根,不越过什儿 高峰是不不可能 的。

然而,不论一家科技公司规模多大不可能 技术有多先进,不不需要 将患者数据应用到真实诊断中才是王道,这也是噱头和有效算法之间的分水岭。很多很多很多很多也就不奇怪,为什儿 还有没法 多公司还发生AI摸索学习阶段。

微软自然要是甘落后,哪几块月前,亲戚亲戚很多很多人推出了医疗 NExT计划,将AI、云计算、研究以及行业合作 伙伴关系整合到了一起去。此项计划所含了基因组学分析和健康聊天机器人技术的项目,并与匹兹堡大学医学中心建立了合作 伙伴关系。

去年11月,Google的研究人员在JAMA上发表了一篇论文,表明Google经过小量眼底图像数据训练的深度学习算法,不需要 在诊断糖尿病性视网膜病变上,具有90%以上的高准确性。Pichai透露亲戚亲戚很多很多人正在积极将AI应用到病理学上。

没法 十分具有前景的领域要是医学成像。去年11月,以色列的机器学习成像分析公司Zebra发布了新平台,使亲戚亲戚很多很多人不需要 通过互联网随时随地上传和接收亲戚亲戚很多很多人的医学扫描分析。

风投公司8VC的CEO Joe Lonsdale在斯坦福的 Light Forum会议期间表示:“最初的难点就在于创建数据。”

加州大学伯克利分校公共卫生学院的生物统计学教授Maya Peterson则给出了更为明晰的观点。她在近期旧金山举行的HIMSS大数据和医疗分析论坛期间说道:“真实世界的数据都很比较复杂,而亲戚亲戚很多很多人还没法 详细理解亲戚亲戚很多很多人之间的联系。在探索更加比较复杂的领域中,机器学习在什儿 程度上过于野心勃勃了,这不可能 有的是 一件好事。”