人工智能首页 > AI资讯 > 正文

人工智能系统与医疗设备以及医院信息系统之间的兼容和集成

2019-11-08 阅读888次

  在医院建立专业性医疗人工智能平台的基础上,与医院的临床科室密切合作,选择适合的疾病种类进行其诊断和治疗系统的开发,从而提高诊断和治疗的效果。

  先从医学影像人工智能系统的开发和应用开始,在此基础上,进一步集成更多类型的数据例如病历数据、检验检查数据、患者日常健康监测数据等,从而构建更加丰富和全面的医疗大数据,为开发更丰富的人工智能系统打好基础。

人工智能系统与医疗设备以及医院信息系统之间的兼容和集成

  01 医疗人工智能平台建设

  医疗人工智能平台包括数据资源层、人工智能平台和医疗应用层。

  (1)数据资源层提供基础数据,通过采集各个科室的医疗影像数据,病历数据等,打通业务系统间的数据壁垒,为人工智能平台提供数据基础。

  (2)人工智能平台由计算能力,开源框架,算法和技术构成。计算能力为人工智能平台的运算速度提供保障。

  以肺结节医疗影像数据为例,每位患者平均拥有20-30张片子,在自动识别肺结节时常用的计算机视觉模型如残差神经网络,它可以使数十层甚至上百层的神经网络的训练成为可能,这对计算能解决方案供应商提供医疗解决方案的公司大多数是具有综合医疗信息化经验的公司,这些公司在医疗行业深耕多年,对医疗行业的业务流程比较熟悉,在发展人工智能医疗影像方面有天然优势。

  这些公司对医院的应用场景、医生的诉求有比较深刻的理解,可以快速将人工智能技术与需求结合,形成满足医生需求的产品。此外,这些公司具有较为广泛的客户渠道和稳定的合作医院,能够更容易将人工智能系统在医院内部推广、落地。

  目前人工智能在医疗行业中的应用一部分以嵌入式系统应用于医疗仪器端,即在医疗设备端使用人工智能技术,优化设备性能。

  例如通过动作捕捉技术判断患者康复情况,提供可视化的数据影像展示,为医生制定康复计划提供有力数据支持;另一部分以数据中心里的影像数据、病历等为基础,在辅助影像诊断、辅助临床决策等领域发力。

  这些公司以原有业务为立足点,有多年技术积累为自身优势,纷纷扩展新业务领域,扩展医疗人工智能新领域。

  医疗数据提供方深度学习特别适合大量数据的应用,例如常规检查产生的大量数据。

  提高诊断效率和准确度的能力对于疾病的早期诊断和治疗至关重要,对于因为医生短缺导致评估影像和病理切片需要耽搁很长时间的地区,可以派上很大的用处。

  作为医疗影像提供方的基层医院、专科医生、省级医院和新兴的独立影像中心对人工智能辅助影像诊断系统有迫切的需求。

  中国的医疗影像数据处于从传统胶片向电子胶片过度的阶段,影像数据信噪比相对较低,即便医生经历长期的专业训练,诊断结论也往往受到医生自身经验、疲劳程度和耐心程度等因素限制。

  深度学习使用非监督或半监督的特征学习和分层特征提取高效算法来代替手动获取特征,虽然存在一些不可抗拒的因素,如数据质量存在较大差异,但在一定程度上减少上述人为因素导致的诊断不一致性,降低误诊率。

  医疗人工智能平台建设 15 医疗人工智能平台的建设辅助医疗机构提升服务水平,平衡医疗资源,缓解就医压力,特别是医疗资源匮乏的区域。

  医疗机构根据自身信息化水平选择不同的建设模式,帮助提升自身的医疗服务水平。提出了很高的要求,庞大的数据量致使计算机的运算时间变得漫长,因此搭建一个超算平台不仅能缩短运算时间,也能提升医疗的效率,降低患者的等待时间,这在临床应用中是至关重要的。


随意打赏