Wondershare EdrawMind
Galería de mapas mentales [Obras comunitarias] AI Healthcare aplicación y futuro de la atención sanitaria inteligente
[Obras comunitarias] AI Healthcare aplicación y futuro de la atención sanitaria inteligente
El mapa mental de "AI Healthcare: aplicación y futuro de la atención sanitaria inteligente" le ayudará a comprender este libro de forma más intuitiva. ¡Espero que este mapa mental le resulte útil!
Editado a las 2024-01-31 17:23:23,
- Breve historia del tiempo
Este es un mapa mental sobre una breve historia del tiempo. "Una breve historia del tiempo" es una obra de divulgación científica con una influencia de gran alcance. No sólo presenta los conceptos básicos de cosmología y relatividad, sino que también analiza los agujeros negros y la expansión. del universo. temas científicos de vanguardia como la inflación y la teoría de cuerdas.
- ¿Cuáles son los métodos de fijación de precios para los subcontratos de proyectos bajo el modelo de contratación general EPC
¿Cuáles son los métodos de fijación de precios para los subcontratos de proyectos bajo el modelo de contratación general EPC? EPC (Ingeniería, Adquisiciones, Construcción) significa que el contratista general es responsable de todo el proceso de diseño, adquisición, construcción e instalación del proyecto, y es responsable de los servicios de operación de prueba.
- Puntos de conocimiento que los ingenieros de Java deben dominar en cada etapa
Los puntos de conocimiento que los ingenieros de Java deben dominar en cada etapa se presentan en detalle y el conocimiento es completo, espero que pueda ser útil para todos.
[Obras comunitarias] AI Healthcare aplicación y futuro de la atención sanitaria inteligente
- Breve historia del tiempo
Este es un mapa mental sobre una breve historia del tiempo. "Una breve historia del tiempo" es una obra de divulgación científica con una influencia de gran alcance. No sólo presenta los conceptos básicos de cosmología y relatividad, sino que también analiza los agujeros negros y la expansión. del universo. temas científicos de vanguardia como la inflación y la teoría de cuerdas.
- ¿Cuáles son los métodos de fijación de precios para los subcontratos de proyectos bajo el modelo de contratación general EPC
¿Cuáles son los métodos de fijación de precios para los subcontratos de proyectos bajo el modelo de contratación general EPC? EPC (Ingeniería, Adquisiciones, Construcción) significa que el contratista general es responsable de todo el proceso de diseño, adquisición, construcción e instalación del proyecto, y es responsable de los servicios de operación de prueba.
- Puntos de conocimiento que los ingenieros de Java deben dominar en cada etapa
Los puntos de conocimiento que los ingenieros de Java deben dominar en cada etapa se presentan en detalle y el conocimiento es completo, espero que pueda ser útil para todos.
- Recomendados
- Resumen
AI Healthcare: aplicación y futuro de la atención sanitaria inteligente
Capítulo 1 La inteligencia artificial potencia la industria médica y de la salud
1.1 Antecedentes del desarrollo médico y de salud de la inteligencia artificial
1.1.1 Los puntos débiles de la industria estimulan nuevas demandas
La salud médica es una de las necesidades de subsistencia más fundamentales de la gente.
Por el lado de la demanda, la demanda de servicios médicos y de salud sigue creciendo rápidamente.
En 2002, la población de mi país de 65 años o más representaba el 7,01% y ha entrado en una sociedad que envejece.
Se espera que la proporción de la población de 65 años o más alcance el 14% en 2027 y ha entrado en una sociedad profundamente envejecida.
Las enfermedades crónicas se propagan y la mala salud se vuelve normal
Por el lado de la oferta, en primer lugar, la cantidad total de recursos médicos es insuficiente. los recursos médicos totales de mi país son escasos y su población es grande, lo que genera una enorme brecha de recursos; en segundo lugar, los recursos son desiguales y los recursos médicos de alta calidad se inclinan hacia las grandes ciudades.
1.1.2 Los avances tecnológicos proporcionan nuevos medios
En términos de potencia informática, las unidades de procesamiento de gráficos (GPU) han mejorado significativamente el rendimiento informático y tienen capacidades de computación paralela que superan con creces las de las unidades centrales de procesamiento (CPU).
En términos de modelos de algoritmos, el aprendizaje profundo es un algoritmo de moda en la investigación y aplicación actuales, y también es un campo importante de la inteligencia artificial.
En términos de recursos de datos, existen muchos escenarios en los que se generan datos médicos y de atención sanitaria.
Uno son los datos de la institución médica.
En segundo lugar, datos de ensayos genéticos y clínicos.
Tercero, datos del paciente.
Cuarto, seguro médico y datos de pago.
1.1.3 Se introducen políticas para crear un nuevo entorno.
En los últimos años, la inteligencia artificial ha atraído una atención cada vez mayor en todo el mundo y se ha desarrollado rápidamente. Se ha convertido en un foco estratégico de países de todo el mundo.
1.2 ¿Qué puede hacer la inteligencia artificial por la atención sanitaria?
1.2.1 La historia de la evolución tecnológica de la informatización médica y sanitaria
Subtema 1
1.2.2 Prediagnóstico: prevención de enfermedades y gestión sanitaria
La mayoría de las enfermedades se pueden prevenir, pero como los síntomas no suelen ser evidentes en las primeras etapas de la enfermedad, no se descubren hasta que la afección empeora.
1.2.3 Prediagnóstico: secuenciación de genes
La secuenciación de genes es un nuevo tipo de tecnología de pruebas genéticas que analiza y determina secuencias de genes y puede usarse en el diagnóstico clínico de enfermedades genéticas, detección prenatal, predicción y tratamiento de tumores, etc.
1.2.4 En-diagnóstico: Diagnóstico médico asistido por imágenes
El análisis manual solo puede basarse en la experiencia para juzgar, y es probable que se produzcan errores de juicio.
1.2.5 En-diagnóstico: ayuda a la toma de decisiones clínicas
El sistema de apoyo a las decisiones clínicas puede proporcionar el diagnóstico más preciso y el mejor tratamiento mediante el aprendizaje masivo de la literatura y la corrección continua de errores.
1.2.6 Diagnóstico: robots médicos
En la actualidad, los robots médicos incluyen principalmente robots quirúrgicos, robots de rehabilitación, robots de enfermería, robots dispensadores, etc.
1.2.7 Post-diagnóstico: Asistencia de rehabilitación
Los dispositivos de asistencia para la rehabilitación se refieren a productos que mejoran, compensan, reemplazan las funciones del cuerpo humano y brindan tratamiento auxiliar y previenen la discapacidad, incluidos aparatos ortopédicos, prótesis, dispositivos de asistencia a la movilidad personal, robots de rehabilitación de exoesqueletos, etc. Los grupos aplicables incluyen principalmente personas discapacitadas, personas mayores, y personas lesionadas, etc.
1.2.8 Biomedicina
A través del aprendizaje automático y la tecnología de procesamiento del lenguaje natural, se puede analizar la información contenida en la literatura médica, artículos, patentes y datos genómicos para encontrar candidatos a fármacos correspondientes y seleccionar compuestos eficaces para enfermedades específicas, reduciendo así significativamente el tiempo y los costos de investigación y desarrollo.
1.3 Sistema industrial de tecnología médica y sanitaria de inteligencia artificial
1.3.1 Sistema de tecnología médica y sanitaria de inteligencia artificial
Enlace de percepción
La visión por computadora es la ciencia que utiliza computadoras para imitar el sistema visual humano, lo que permite que las computadoras tengan capacidades similares a las humanas para extraer, procesar, comprender y analizar imágenes y secuencias de imágenes. Se usa ampliamente en el reconocimiento de imágenes médicas, diagnóstico auxiliar patológico y ECG. diagnóstico auxiliar, etc.
El procesamiento del lenguaje natural es una dirección importante en el campo de la informática y la inteligencia artificial. Estudia varias teorías y métodos que pueden lograr una comunicación efectiva entre humanos y computadoras utilizando el lenguaje natural. Involucra muchos campos, incluida la traducción automática, la traducción automática, etc. La comprensión lectora y los sistemas de preguntas y respuestas, etc., se utilizan principalmente en la recopilación y análisis de información del paciente en áreas como triaje inteligente, orientación inteligente y asistentes virtuales.
La tecnología de detección Biosign se refiere a la tecnología que identifica y autentica la identidad de un individuo a través de características fisiológicas individuales o características de comportamiento. La tecnología de detección Biosign cubre una amplia gama de contenidos y se utiliza principalmente en dispositivos portátiles médicos y de salud, manejo de enfermedades crónicas, predicción de enfermedades y otros. campos.
La etapa de pensamiento consiste en permitir que la computadora tenga suficiente potencia informática para simular ciertos procesos de pensamiento y comportamientos humanos para emitir juicios sobre los datos y la información recopilados.
El enlace de acción consiste en traducir los resultados del procesamiento y juicio preliminar en movimientos corporales e información de los medios y transmitirlos a la interfaz interactiva hombre-máquina o dispositivos externos para lograr el intercambio de información y la interacción física entre humanos y máquinas.
El vínculo de acción está estrechamente relacionado con la tecnología mecánica, la tecnología de control, la tecnología de percepción, etc.
1.3.2 Ecología de la industria médica y de la salud de la inteligencia artificial
1.3.3 Patrón de la industria de la salud de inteligencia artificial
Según las estadísticas, el valor total del mercado de aplicaciones de inteligencia artificial alcanzará los 127 mil millones de dólares en 2025, de los cuales la industria médica representará una quinta parte del tamaño del mercado.
Empresas de tecnología nacionales y extranjeras han comenzado a desplegarse en el campo de la inteligencia artificial médica.
Capítulo 2 Reconocimiento de imágenes médicas, “lectura” médica asistida por computadora
2.1 Escenarios de aplicación
2.1.1 Antecedentes del desarrollo
Clínicamente, más del 70% de los diagnósticos se basan en imágenes médicas.
Hay una gran escasez de médicos especialistas en imágenes médicas.
El diagnóstico por imágenes médicas tiene una alta tasa de diagnóstico erróneo y una baja eficiencia
El grado de informatización de las imágenes médicas es bajo.
El desarrollo de la tecnología de inteligencia artificial ha acelerado la velocidad del diagnóstico por imágenes médicas, ha mejorado la precisión del diagnóstico por imágenes y ha introducido cambios en la forma en que "leen" los médicos por imágenes.
(1) Cambios en los métodos de lectura. La aplicación de inteligencia artificial permite directamente a la máquina realizar automáticamente exámenes preliminares, juicios y selección de lesiones en la película, etc. El médico solo debe ser responsable del juicio final.
(2) La velocidad de lectura cambia. La inteligencia artificial detecta y selecciona las lesiones de forma automática y rápida. El médico solo es responsable de la reevaluación de las partes clave, lo que les ahorra un montón de engorrosos procesos de detección inicial. El tiempo se acorta enormemente y se mejora la eficiencia.
(3) Cambios de precisión. La inteligencia artificial tiene las características duales de estabilidad y amplitud, y no se ve afectada por la duración del tiempo de trabajo. Puede observar completamente toda la película sin omitir ninguna omisión, completar de manera rápida y estable la evaluación y el juicio inicial y, finalmente, hacer que los médicos profesionales vuelvan. -juzgar las partes clave. Por lo tanto, la precisión de la lectura de imágenes está doblemente garantizada.
2.1.2 Principales escenarios de aplicación
(1) Clasificación de casos de imágenes
La clasificación de casos analiza principalmente un conjunto de imágenes típicas para obtener los resultados de clasificación de casos correspondientes.
(2) Detección y segmentación de objetivos o lesiones
Se centra más en la clasificación de una determinada parte de la imagen o diferencias locales como tejidos pequeños y lesiones, como la detección y clasificación de nódulos pulmonares comunes.
2.2 Tecnologías clave
2.2.1 Estado actual del desarrollo tecnológico
(1) Estado actual de la investigación académica
Se han desarrollado y probado algoritmos de inteligencia artificial, como la radiómica, el aprendizaje profundo y el aprendizaje por transferencia, en datos de imágenes médicas, formando múltiples modelos de aplicación, como la detección de lesiones, la segmentación de lesiones, el juicio sobre la naturaleza de las lesiones, la planificación del tratamiento y la predicción del pronóstico.
(2) Estado actual del desarrollo del producto.
Muchas grandes empresas y empresas de nueva creación nacionales y extranjeras han invertido en el desarrollo de productos de imágenes médicas de IA.
Tencent Miying, Shenrui Medical, Jianpei Technology, Yidu Cloud, Zhiying Medical, Ruijia Yiying RayPlus, Diyinga, Laxon, etc.
(3) Estado de la solicitud clínica
Debido a la insuficiente verificación clínica de la eficacia de la inteligencia artificial, la falta de bases de datos estándar y escenarios adecuados para la investigación de la inteligencia artificial, y cuestiones clínicas éticas y regulatorias que aún no se han resuelto, faltan productos que se puedan aplicar en la vida real. Práctica clinica.
2.2.2 Diseño del modelo
El problema resuelto por el modelo debe ser de interés común para los médicos y radiólogos, y la mejora en su eficiencia o precisión de resolución generalmente puede beneficiar a los pacientes.
El diseño del modelo debe hacer referencia a las últimas directrices y especificaciones clínicas en campos relevantes y contribuir al diagnóstico y tratamiento de enfermedades basándose en los procedimientos médicos existentes.
Se debe utilizar una cantidad suficiente de datos y anotaciones de datos para el aprendizaje. Por ejemplo, el enfoque del aprendizaje debe estar en la identificación de tumores comunes en lugar del diagnóstico de tumores raros.
La clave para el diseño del modelo es seleccionar el problema que sea más propicio para la toma de decisiones del médico y el beneficio para el paciente, y el problema elegido para resolver también debe tener una gran cantidad de datos de aprendizaje que sean fáciles de obtener y etiquetar.
2.2.3 Construcción del modelo
El establecimiento del modelo incluye la construcción estructurada de datos de aprendizaje, el uso de algoritmos de aprendizaje para construir el modelo y finalmente la verificación del modelo.
2.2.4 Selección de algoritmo
La elección de diferentes métodos de modelado debe planificarse en función del volumen de datos y la complejidad de los datos de aprendizaje.
Primero, para grandes cantidades de datos de aprendizaje, se recomienda utilizar el aprendizaje profundo, incluidas varias redes neuronales, como modelado del alumno.
En segundo lugar, para cantidades medianas de datos de aprendizaje, puede intentar utilizar el modelado de aprendizaje profundo. Si el efecto no es bueno, puede considerar utilizar una red neuronal para extraer características y utilizar métodos de aprendizaje automático para construir un modelo.
En tercer lugar, para una pequeña cantidad de datos de aprendizaje, se recomienda utilizar métodos radiómicos para realizar pruebas de alto rendimiento primero, extraer características de la imagen dentro del rango de la lesión y utilizar métodos de aprendizaje automático para construir modelos.
En cuarto lugar, aunque solo hay una cantidad moderada de datos de aprendizaje, hay una gran cantidad de datos modales similares que enfrentan otros problemas. Puede intentar utilizar métodos de aprendizaje por transferencia para aplicar la experiencia de datos de muestras grandes al aprendizaje de datos de muestras pequeñas.
2.2.5 Establecimiento del servicio
Establecer un modelo de servicio razonable basado en las características de la aplicación, las necesidades clínicas y los hábitos de trabajo de los médicos durante el diseño del modelo.
En primer lugar, la tecnología de imágenes en la nube se está desarrollando rápidamente y su combinación con la tecnología de inteligencia artificial puede proporcionar a las instituciones médicas, especialmente a los hospitales de base, un paquete de soluciones de transmisión, almacenamiento y diagnóstico auxiliar de imágenes, que ayudarán a mejorar la eficiencia operativa y la eficiencia de las instituciones médicas. precisión diagnóstica.
En segundo lugar, en términos de integración con los flujos de trabajo existentes, se puede combinar con el sistema RIS para proporcionar informes estructurados de IA y, al mismo tiempo, combinado con el sistema PACS, el informe de análisis completo de IA se puede enviar al sistema PACS utilizando formato DICOM y las lesiones se pueden anotar cuando los médicos exploran las imágenes.
2.3 Modelo de negocio
2.3.1 Modelo de desarrollo industrial
Equipos de imágenes médicas, el objetivo final del servicio son los hospitales y los médicos de imágenes.
Utilizando los ingresos por ventas de máquinas o sistemas como base estadística, las barreras incluyen la acumulación de I+D, el nivel de fabricación de precisión y los servicios de apoyo.
Servicios de diagnóstico por imágenes médicas, el objetivo final del servicio son los pacientes
Utilizando los ingresos por servicios de diagnóstico como base estadística, los costos de mano de obra de los médicos se suman a las imágenes producidas por los equipos de imágenes. El factor más importante en el vínculo de los servicios de diagnóstico son las conclusiones diagnósticas profesionales y confiables.
2.3.2 Dificultades de la aplicación
(1) El razonamiento de correlación basado en el análisis de probabilidad no puede determinar la causa y el efecto de la enfermedad.
Sin embargo, el desarrollo de la IA pone demasiado énfasis en la "correlación probabilística", pero las enfermedades siempre tendrán áreas desconocidas para las personas. Cómo combinar los dos modelos de datos y conocimientos basados en el conocimiento médico existente es la clave para la aplicación de la inteligencia artificial en imágenes médicas. a niveles más profundos de tratamiento e intervención en el campo médico.
(2) Aunque los recursos de datos son grandes en volumen, su calidad no es alta y no pueden interconectarse.
Aunque las imágenes premédicas han acumulado una gran cantidad de datos, sentando las bases para el análisis de inteligencia artificial, la calidad no es alta y los principales hospitales no pueden interconectarse. Y la apertura de datos de los hospitales terciarios con grandes cantidades de datos de imágenes digitales también es un gran problema.
(3) El grado de estandarización de los datos de imagen es bajo.
Además de la grave escasez de estandarización de imágenes médicas y datos estructurados, la anotación de datos es particularmente difícil.
(4) El etiquetado de datos es difícil
La capacitación de inteligencia artificial en imágenes médicas requiere una gran cantidad de datos de imágenes etiquetados, y el etiquetado requiere muchos costos laborales y tiene un impacto directo en los resultados de la capacitación.
(5) La oferta y la demanda de recursos médicos están extremadamente desequilibradas.
También son obstáculos las clínicas ambulatorias especializadas en imágenes o imágenes, las consultas de expertos en línea, los conflictos destacados entre médico y paciente, el entorno médico deficiente, el desperdicio de recursos médicos y los altos costos médicos.
Capítulo 3 Sistema de apoyo a la decisión clínica, asistente virtual del médico
3.1 Escenarios de aplicación
3.1.1 Generar fondo
El Sistema de apoyo a la decisión clínica (CDSS) se refiere a un sistema de software que utiliza datos clínicos como información de entrada y resultados de inferencia como salida para ayudar a los médicos a tomar decisiones.
El principio básico del sistema de apoyo a las decisiones clínicas es construir una base de conocimientos sobre diversas enfermedades, ingresar los estándares de diagnóstico, los juicios de umbral, las prescripciones de tratamientos, la experiencia de expertos, etc. de diversas afecciones en la computadora y utilizar la información súper precisa de la computadora. almacenamiento, funciones de extracción y rapidez La potencia informática utiliza tecnología de inteligencia artificial y razonamiento lógico informático para simular el pensamiento de diagnóstico y tratamiento de los médicos, lo que ayuda a los médicos a tomar decisiones rápidas sobre diagnósticos y tratamientos.
Ante las condiciones complejas y cambiantes de los pacientes, los médicos a menudo se sienten abrumados. Incluso si trabajan duro y son meticulosos, inevitablemente se producirán omisiones y errores. Las investigaciones muestran que los errores de medicación o el manejo inadecuado debido a una mala toma de decisiones son causas importantes de errores médicos e incluso de accidentes de responsabilidad.
3.1.2 Historia del desarrollo
La investigación sobre sistemas de apoyo a las decisiones clínicas comenzó a finales de la década de 1950. La primera dirección de la investigación fue el desarrollo de sistemas médicos expertos. Mediante la aplicación del motor de razonamiento de las reglas de producción, el conocimiento profesional y la experiencia clínica de los expertos médicos se clasificaban y almacenaban en la computadora. En la base de conocimientos, se utilizan el razonamiento y la coincidencia de patrones para ayudar a los usuarios a realizar inferencias de diagnóstico.
3.1.3 Perspectivas de aplicación
Toma de decisiones diagnósticas: un sistema universal de apoyo a las decisiones clínicas que puede indicar a los médicos requisitos de diagnóstico, puntos de identificación y planes de diagnóstico y tratamiento relacionados de acuerdo con pautas estándar de diagnóstico y tratamiento basadas en la descripción que hace el médico de los síntomas del paciente antes del diagnóstico, la medicación y cirugía, incluidas indicaciones durante el diagnóstico quirúrgico, puntos clave de las operaciones quirúrgicas y exámenes preoperatorios, etc.
Toma de decisiones sobre el tratamiento: según la condición del paciente, la observación clínica del médico, combinada con pautas médicas y bases basadas en evidencia, el sistema de apoyo a la decisión clínica informa al médico sobre las indicaciones de los medicamentos, la farmacología, la eficacia, etc., incluidos los síntomas comunes de la cirugía. complicaciones, y planes integrales de tratamiento y evaluación postoperatoria, etc.
Toma de decisiones de pronóstico: el sistema de apoyo a la decisión clínica extrae datos relacionados con los pacientes y su información médica pasada e investigaciones clínicas para predecir problemas de salud futuros de los pacientes, y almacena y analiza los tratamientos que no cumplen con las "Pautas de tratamiento y diagnóstico clínico" y "Estándares Operativos Técnicos Clínicos" El plan proporciona una base para la evaluación de la calidad médica, mejora los niveles de gestión hospitalaria, estandariza el comportamiento médico y también proporciona evidencia científica para la medicina basada en evidencia.
3.2 Tecnologías clave
3.2.1 Tecnologías clave del sistema
El sistema de apoyo a las decisiones clínicas es uno de los puntos de evaluación centrales en la calificación de registros médicos electrónicos de HIMSS (EMRAM)
Todo el nivel 0-7 es en realidad un proceso de actualización progresiva y continua de las funciones de apoyo a las decisiones clínicas, hasta que finalmente alcanza el nivel siete de capacidad integral de apoyo a las decisiones clínicas (CDSS completo).
clasificación CDSS
Mecanismo de algoritmo de decisión: en el proceso interno de apoyo a la decisión, actualmente se puede aplicar una amplia gama de algoritmos.
La diferencia en la aplicación de los algoritmos de toma de decisiones depende principalmente del método de representación del conocimiento interno del sistema de apoyo a la decisión clínica. Existen diferentes métodos de representación del conocimiento para diferentes necesidades de toma de decisiones, formando así diferentes mecanismos de toma de decisiones.
Diseño de la función del sistema: específicamente, ¿qué es la entrada y qué es la salida? Si el resultado son conclusiones diagnósticas y recomendaciones de medicación, entonces la base provendrá de guías clínicas, casos basados en evidencia y literatura autorizada.
Una es ayudar a tomar decisiones sobre lo que es correcto.
El segundo es ayudar a los médicos a decidir qué hacer a continuación.
Método de interacción: en el proceso de generar información de apoyo a la toma de decisiones, cómo se diseña el proceso de interacción, si el usuario puede tener la iniciativa en la interacción y si el usuario puede intervenir en el resultado final. Los métodos de recomendación del sistema de toma de decisiones clínicas se dividen en dos tipos: activos y pasivos.
El enfoque proactivo significa que el sistema proporciona de forma proactiva sugerencias a los médicos para la toma de decisiones, independientemente de si el médico necesita ayuda para la toma de decisiones en ese momento.
El método pasivo significa que el sistema sólo da sugerencias para la toma de decisiones cuando el médico se lo pide activamente.
Integración del sistema: si la lógica de trabajo del CDSS debe integrarse con el sistema de información actual del hospital o ejecutarse de forma independiente, y si debe integrarse con el flujo de trabajo del médico, son factores importantes a considerar.
Nivel de apoyo a las decisiones: en términos de apoyo a las decisiones, ya sea para generar resultados directamente o para proporcionar conocimientos auxiliares para la toma de decisiones de forma más indirecta, los casos de referencia también tienen una relación importante con el nivel de aplicación clínica de CDSS.
3.2.2 Tecnologías de datos clave
(1) Integrar datos
En los hospitales, los datos de los pacientes necesarios para respaldar las decisiones clínicas se recopilan a través del sistema de registros médicos electrónicos y luego se extraen y organizan mediante una bomba de datos.
(2) Base de conocimientos médicos
El programa de razonamiento en el núcleo del sistema de apoyo a las decisiones clínicas puede generar recomendaciones basadas en el conocimiento y la experiencia de la base de conocimientos para respaldar la toma de decisiones.
(3) Formación de apoyo a la decisión
. Su función es aplicar el conocimiento médico a los resultados de los datos de los pacientes, analizarlos y resumirlos, y finalmente tomar las decisiones y sugerencias correspondientes para pacientes específicos.
Características importantes y condiciones necesarias de CDSS para datos.
En primer lugar, está respaldado por una potente base de datos de conocimientos médicos.
En segundo lugar, la estructura de conocimiento de la red neuronal abierta se utiliza para rastrear todo el proceso, de modo que el sistema tenga la capacidad de construir aleatoriamente canales de tratamiento y diagnóstico de procedimientos para ayudar a los médicos a realizar diagnósticos y tratamientos precisos, seguros y oportunos para los pacientes.
En tercer lugar, simular el pensamiento clínico y proporcionar una toma de decisiones auxiliar durante todo el proceso clínico.
En cuarto lugar, a medida que cambia la condición del paciente, se generan múltiples canales de toma de decisiones clínicas para proporcionar a los médicos una referencia para la toma de decisiones, haciendo que el diagnóstico clínico y el tratamiento tengan la naturaleza de una consulta con múltiples perspectivas.
3.3 Modelo de negocio
3.3.1 Segmentos de mercado
(1) Informatización de grandes hospitales.
Desde 2018, los documentos de licitación de informatización de los hospitales terciarios de muchas ciudades no han formado expresiones y requisitos verdaderamente clínicamente significativos para la parte CDSS.
(2) Mercado médico y sanitario primario
Las instituciones médicas primarias cubren una población considerable en China. Incluso si se mide en términos monetarios, la capacidad de pago de 277.000 instituciones médicas es suficiente para sustentar un enorme mercado primario de CDSS.
3.3.2 Casos de aplicación típicos
sistema IBM Watson
Su primer paso en la comercialización es cooperar con el Memorial Sloan-Kettering Cancer Center para entrenar conjuntamente la solución tumoral IBM Watson
Un equipo de médicos e investigadores cargó miles de registros de pacientes, casi 500 revistas y libros de texto médicos y 15 millones de páginas de literatura médica para capacitar a IBM Watson y convertirlo en un destacado "experto médico en oncología".
En julio de 2015, IBM Watson se convirtió en uno de los primeros proyectos comerciales de IBM Watson Health, poniendo oficialmente en uso comercial soluciones oncológicas para cuatro tipos de cáncer: cáncer de pulmón, cáncer de mama, cáncer de colon y cáncer de recto.
En agosto de 2016, IBM anunció que había completado la capacitación sobre el tratamiento adyuvante del cáncer gástrico y lo lanzó oficialmente para su uso.
Modelos y direcciones típicos de aplicación CDSS en China
(1) Asistente clínico de salud humana
La principal fuente de datos de Health Clinical Assistant son las monografías de calidad de People's Medical Publishing House, publicadas hace 63 años, que recopilan más de 2000 materiales de casos hospitalarios. Se ha establecido un comité de revisión de expertos para formular un proceso de revisión y publicación de recursos y seleccionar a las personas autorizadas. contenido para su inclusión en la base de datos.
(2) Sistema de ayuda a la decisión clínica de Huimei
En 2015, Huimei Medical Group presentó oficialmente todo el sistema de conocimiento de Mayo y, en 2016, lanzó el sistema de asistencia para la toma de decisiones clínicas Huimei, basado en inteligencia artificial.
Etapa de consulta/clasificación previa al diagnóstico: los pacientes pueden realizar un autoexamen en el Sistema de clasificación inteligente de Huimei. A través de una serie de preguntas guía, pueden obtener una evaluación adecuada de su condición antes del tratamiento y aclarar las condiciones "leve, grave, lenta y". leve" de tratamiento médico. Urgente" para obtener rápidamente asesoramiento autorizado sobre procesamiento.
Etapa de toma de decisiones durante el diagnóstico: con la autorización del hospital, el sistema asistente de toma de decisiones clínicas de Huimei coopera con el fabricante del sistema de registro médico electrónico (CPOE) para implantar los datos del registro médico electrónico en la toma de decisiones clínicas de Huimei. Sistema de asistencia, para que los médicos ambulatorios puedan Sujeto a estandarización y profesionalización.
El sistema también puede explorar automáticamente la relación entre síntomas y enfermedades, como la relación entre fiebre y resfriado, fiebre y neumonía, etc., proporcionando rutas de diagnóstico y tratamiento estandarizadas para clínicas en cadena, ayudando a los médicos a mejorar sus capacidades comerciales y eficiencia laboral, y mejorar el atractivo de la marca.
Etapa posterior al diagnóstico y tratamiento: el sistema de asistencia para la toma de decisiones clínicas de Huimei no solo tiene muchos detalles sobre la enfermedad, sino que también cubre sugerencias integrales de tratamiento de enfermedades, incluidas sugerencias de tratamiento, sugerencias de exámenes, sugerencias de medicamentos y orientación para el paciente, etc.
En términos de uso racional de medicamentos, el sistema tiene una estricta función de revisión de medicamentos, proporcionando descripciones de medicamentos, interacciones entre medicamentos, controles de contraindicaciones, etc., y recordando rápidamente a los médicos que eviten la combinación incorrecta de medicamentos y el abuso de antibióticos.
El sistema de asistencia para la toma de decisiones clínicas de Huimei digitaliza e inteligenteiza la guía de medicamentos para enfermedades crónicas, evalúa completamente la condición del paciente, genera automáticamente planes de tratamiento para referencia de los médicos y recomienda regímenes de medicamentos combinados y regímenes de medicamentos contraindicados.
3.3.3 Dirección del desarrollo
En primer lugar, los sistemas de apoyo a las decisiones clínicas basados en datos de texto de registros médicos clínicos comenzaron a agregar varios elementos, incluidas imágenes, para enriquecer la cadena de datos para las decisiones de diagnóstico.
Desde una perspectiva especializada, las enfermedades relacionadas con los nervios craneales también son una de las direcciones importantes para la evolución de los sistemas de apoyo a las decisiones clínicas. Esto se debe a que las enfermedades de los nervios craneales tienen las características de muchos tipos de datos involucrados en la toma de decisiones y el proceso de diagnóstico. basándose en la experiencia acumulada a largo plazo de los expertos, son adecuados para mejorar las decisiones utilizando métodos de inteligencia artificial como el aprendizaje automático.
Por último, también deberíamos afrontar las dificultades en la aplicación de sistemas de apoyo a las decisiones clínicas desde la investigación y el desarrollo hasta la implementación.
(1) La intersección e integración de la tecnología de la información y la medicina.
(2) Cómo establecer y citar una base de datos de conocimientos clínicos unificada a gran escala
Capítulo 4 La secuenciación de genes abre la era de la medicina de precisión.
4.1 Escenarios de aplicación
4.1.1 Pruebas prenatales no invasivas
Las pruebas genéticas prenatales no invasivas pueden recolectar sangre periférica de mujeres embarazadas y secuenciar los fragmentos de ADN libre en la sangre periférica materna (incluido el ADN libre fetal). Después del análisis, se puede calcular el riesgo de que el feto sufra aneuploidía cromosómica. La tecnología puede detectar simultáneamente la trisomía 21, la trisomía 18 y la trisomía 13, y la precisión actual puede alcanzar el 99,9%.
4.1.2 Detección de tumores
El diagnóstico complementario de tumores de NGS permite a los médicos formular el mejor plan de tratamiento basado en la propia variación genética del paciente y las condiciones clínicas correspondientes, descubrir medicamentos dirigidos potencialmente disponibles lo antes posible y mejorar la eficiencia del tratamiento de los medicamentos antitumorales.
4.1.3 Detección de enfermedades genéticas raras
El tercer ejemplo de utilización de pruebas genéticas para tratar "enfermedades preventivas" es la detección de enfermedades genéticas raras.
4.1.4 Gestión de salud de precisión
Las pruebas genéticas pueden ayudar a una persona a comenzar a prevenir enfermedades futuras antes de que la desarrollen.
4.1.5 Confirmación de identidad
ADN
4.2 Tecnologías clave
4.2.1 Tecnología de secuenciación de genes de primera generación
Utiliza principalmente tecnología de electroforesis capilar y fluorescencia de cuatro colores para la secuenciación, que está estrechamente relacionada con el Proyecto Genoma Humano.
4.2.2 Tecnología de secuenciación de genes de segunda generación
Esa es la tecnología de secuenciación de próxima generación (NGS) que a menudo se escucha ahora.
4.2.3 Tecnología de secuenciación de genes de tercera generación
La tecnología de secuenciación de tercera generación puede secuenciar directamente secuencias de ARN y ADN metilado
4.3 Modelo de negocio
4.3.1 Fabricación de instrumentos de secuenciación genética
4.3.2 Servicios de secuenciación de genes
Los servicios de secuenciación de genes para servicios de investigación científica toman la secuenciación de genes como contenido del servicio.
Todos los servicios de secuenciación de genes directos al consumidor utilizan chips genéticos como plataforma tecnológica de secuenciación para proporcionar servicios.
Servicios de secuenciación genética con diagnóstico médico como modalidad principal. Los proyectos de secuenciación involucrados incluyen el cribado del síndrome de Down, la detección de tumores, la detección de enfermedades raras, la detección de patógenos desconocidos, etc.
4.3.3 Desarrollo de software y servicios en la nube
Los usuarios alquilarán capacidades de secuenciación al igual que recursos informáticos y de almacenamiento, y podrán elegir diferentes plataformas y tecnologías de secuenciación. Incluso pueden obtener rápidamente servicios de secuenciación mediante ofertas, como si eligieran servicios de computación en la nube.
Capítulo 5: Gestión de la salud, no tratando la “enfermedad existente” sino tratando la “preenfermedad”
5.1 Escenarios de aplicación
5.1.1 Prevención de enfermedades
Las aplicaciones de prevención de enfermedades recopilan información de la vida personal de los usuarios, como hábitos alimentarios, ciclos de ejercicio y hábitos de medicación, y utilizan tecnología de inteligencia artificial para realizar análisis de datos para evaluar cuantitativamente el estado de salud del usuario, ayudándolos a comprender sus condiciones físicas de manera más completa y precisa. y proporcionar medidas correctivas Los comportamientos y hábitos poco saludables proporcionan la base.
5.1.2 Manejo de enfermedades crónicas
Las aplicaciones de gestión de enfermedades crónicas sirven como puente para la comunicación entre médicos y pacientes, reduciendo el trabajo de los médicos y garantizando al mismo tiempo que las condiciones de los pacientes se juzguen y traten en condiciones conocidas y controlables.
5.1.3 Gestión deportiva
Las aplicaciones de gestión del movimiento utilizan sensores y sus algoritmos para capturar datos del movimiento a través de dispositivos portátiles de gestión del movimiento (como los que se colocan en la parte posterior de los pantalones cortos para correr). Miden la cadencia contando los pasos por minuto y también pueden proporcionar información sobre las oscilaciones pélvicas verticales para ayudar. ajuste la rotación pélvica y las tendencias a caminar excesivamente asociadas con estar sentado durante mucho tiempo, y respalde la identificación y corrección de problemas de caída pélvica.
5.1.4 Monitoreo del sueño
El dispositivo de monitoreo del sueño utiliza BCG (cardiograma) para medir la actividad mecánica del corazón, los pulmones y otras funciones corporales, y puede monitorear los hábitos de sueño diarios del usuario a través del iPhone, incluidos los ronquidos, la duración del sueño, la frecuencia cardíaca en reposo, la frecuencia respiratoria, cómo tiempo que tarda en La cantidad de veces que puedes quedarte dormido, levantarte y el tiempo total que pasas en sueño profundo, etc.
5.1.5 Gestión de la salud maternoinfantil
Por un lado, sirve para monitorear los datos de las mujeres antes y después del embarazo, generalmente combinado con hardware inteligente o dispositivos portátiles para monitorear los síntomas fisiológicos individuales, el estado emocional, el sueño y otros datos.
Por otro lado, hay preguntas y respuestas sobre el conocimiento parental. Desde la salud materna e infantil hasta dar a luz a una nueva vida, pasando por el nacimiento y crecimiento del bebé, pasando por cambios físicos personales, cambios psicológicos y emocionales, habilidades de crianza e incluso la resolución de diversos problemas familiares complejos.
5.1.6 Cuidado de personas mayores
El sistema de atención a personas mayores está dirigido principalmente a la vida de cuidado de personas mayores, permitiendo a los familiares comprender de forma remota la condición de las personas mayores y brindar asistencia oportuna en caso de emergencias.
5.2 Tecnologías clave
5.2.1 Tecnologías terminales clave
La terminal de gestión de la salud realiza la recopilación y transmisión de diversos datos de signos del cuerpo humano (azúcar en sangre, presión arterial, oxígeno en sangre, latidos del corazón, etc.) mediante la integración con software de aplicación y servicios en la nube.
Equipos de gestión sanitaria.
Incluye principalmente pulseras de salud, relojes de salud, equipos de monitoreo portátiles, etc., que pueden realizar un monitoreo continuo y en tiempo real de parámetros fisiológicos e información sobre el estado de salud, como presión arterial, azúcar en sangre, oxígeno en sangre y ECG, y realizar mediciones reales en línea. -Gestión del tiempo y alerta temprana.
Equipo de pruebas médicas
Incluye principalmente equipos portátiles de monitoreo de salud, equipos de pruebas de salud de autoservicio, etc.
Equipo de cuidados de enfermería
Incluye principalmente equipos inteligentes de monitoreo, rehabilitación y atención, como sillas de ruedas inteligentes y camas de monitoreo para atención domiciliaria y atención institucional, y terminales de posicionamiento interior y exterior de alta precisión para evitar que los pacientes de Alzheimer se pierdan, etc.
5.2.2 Tecnologías de red clave
La capa de red transmite información entre la capa de percepción, la capa de plataforma y la capa de aplicación mediante comunicación inalámbrica o por cable a través de redes públicas o privadas.
5.2.3 Tecnologías de plataforma clave
Actualmente, las tecnologías clave de la plataforma de big data incluyen cinco tecnologías centrales: tecnología de recopilación de datos, tecnología de almacenamiento de datos, tecnología de plataforma de datos, tecnología de procesamiento de datos y tecnología de representación de datos.
problema
(1) Cuestiones de interconexión de datos de salud
La información básica y diversos recursos de información clínica están dispersos, duplicados y aislados.
(2) Problemas de control de calidad de los datos de evaluación del estado de salud
No existen estándares relevantes para medir la precisión de los datos y la identificación científica de enfermedades complejas.
5.3 Modelo de negocio
5.3.1 Modelo de venta de hardware
La mayoría de las empresas se encuentran en la etapa de venta de productos y recopilación de datos, y es posible que proporcionen servicios posteriores para gestionar pacientes en el futuro.
La competencia por vender productos terminales que recopilan datos de salud es muy feroz. La experiencia de uso del producto y los servicios de seguimiento son el núcleo de la fidelidad del cliente.
5.3.2 Modelo de prestación de servicios
El modelo de cobro orientado al paciente tiene como objetivo proporcionar a los pacientes servicios de gestión de enfermedades crónicas por su propia cuenta.
El modelo de cobro para los médicos es relativamente común en los Estados Unidos. Después de que la póliza de seguro médico estadounidense paga según la calidad del servicio, los hospitales están bajo la presión de los seguros médicos y tienen el incentivo de ayudar a los pacientes a lograr resultados de tratamiento óptimos al menor costo. Los médicos están dispuestos a pagar por la gestión sanitaria.
5.3.3 Modelo de integración de datos
Una forma de proporcionar datos de investigación científica a instituciones de investigación.
Otro servicio integral de gestión de datos para instituciones médicas.
5.3.4 Modelo de pago del seguro
Los proveedores de servicios reducen los gastos de reclamaciones de las compañías de seguros y obtienen beneficios realizando análisis precisos de los asegurados o proporcionando servicios médicos.
Capítulo 6 Robots Médicos, Diagnóstico, Tratamiento, Rehabilitación y Servicios
6.1 Escenarios de aplicación
6.1.1 Robot quirúrgico
Un robot quirúrgico es un dispositivo combinado de un conjunto de componentes. Por lo general, se ensambla a partir de un endoscopio (sonda), instrumentos quirúrgicos como tijeras, cámaras en miniatura y joysticks.
La característica más importante del robot es que tiene una destreza que los humanos no tienen. Su base es: 1) el sistema de filtrado de temblores puede filtrar el temblor de la mano del cirujano; 2) el sistema de reducción de movimiento puede reducir el rango de movimiento del cirujano; proporcionalmente (5:1).
6.1.2 Robots de diagnóstico y tratamiento no quirúrgicos
Los robots de diagnóstico y tratamiento no quirúrgicos incluyen principalmente robots de radioterapia, robots de cápsulas, robots de imágenes y otros sistemas robóticos que ayudan al diagnóstico y tratamiento.
6.1.3 Robot de rehabilitación
Responder a nuevas necesidades médicas y de salud, como cirugía de precisión/mínimamente invasiva, compensación y rehabilitación funcional y servicios para personas mayores.
6.1.4 Robots de servicios médicos
El objetivo de los robots de servicios médicos también es ayudar al personal médico a compartir algunos trabajos de transporte pesados y engorrosos y mejorar la eficiencia laboral del personal médico.
6.2 Tecnologías clave
6.2.1 Ergonomía
Para comprender la relación interactiva entre las personas y otros elementos del sistema, sus teorías, principios y métodos se utilizan principalmente en el proceso de diseño de robots, con el propósito de optimizar la salud humana y el desempeño del sistema.
La integración de la ergonomía y los robots médicos se refiere a la tecnología para realizar el diálogo entre humanos y computadoras de manera efectiva a través de dispositivos de entrada y salida de computadora. Las tecnologías relacionadas incluyen máquinas que proporcionan una gran cantidad de información relevante y solicitudes de instrucciones a través de dispositivos de salida o visualización. y humanos Utilice dispositivos de entrada para ingresar información relevante en la máquina, responder preguntas y proporcionar indicaciones, etc.
Robot de orientación médica
6.2.2 Operación remota
La tecnología de teleoperación significa que el operador controla el controlador principal localmente para completar el control remoto de la maquinaria en ubicaciones remotas que son inaccesibles o en entornos especiales.
La telecirugía significa que los cirujanos pueden utilizar instrumentos para realizar tratamientos quirúrgicos localmente a pacientes en un lugar distante. Puede aliviar la escasez de cirujanos de alta calidad en áreas remotas, reducir los costos médicos y dar esperanza a muchos pacientes que viven en entornos remotos o especiales.
6.2.3 Tecnología de posicionamiento espacial
El sistema de posicionamiento del espacio quirúrgico hace coincidir con precisión los datos de imagen preoperatorios o intraoperatorios del paciente con la estructura anatómica del paciente en la cama de operaciones, rastrea los instrumentos quirúrgicos durante la operación y actualiza y muestra la posición de los instrumentos quirúrgicos en forma de una sonda virtual en la imagen del paciente en tiempo real, permitiendo que las operaciones quirúrgicas del médico sean más precisas, eficientes y seguras.
(1) Los sistemas de navegación basados en imágenes preoperatorias requieren planificación preoperatoria y registro y seguimiento intraoperatorio. Los sistemas de navegación por TC preoperatorios típicos se pueden usar para navegación quirúrgica ortopédica y de columna, y los sistemas de navegación por MRI preoperatorios típicos se pueden usar para navegación neuroquirúrgica.
(2) Sistema de navegación quirúrgica de fluoroscopia de rayos X con brazo en C: no se requiere registro preoperatorio o intraoperatorio. Puede presentar la estructura anatómica de la imagen en tiempo real y obtener la relación posicional espacial de los instrumentos quirúrgicos en relación con. el paciente. El médico puede inferir la trayectoria de los instrumentos quirúrgicos basándose en esto. Es un punto de investigación en los últimos años.
(3) El ultrasonido puede producir imágenes en tiempo real, es seguro, conveniente y de bajo costo. Actualmente se usa comúnmente en punción lumbar guiada por ultrasonido, cirugía de traumatismo craneoencefálico, injerto de derivación de arteria coronaria y otras operaciones.
(4) La resonancia magnética intraoperatoria puede monitorear el desplazamiento de las estructuras anatómicas intraoperatorias en tiempo real y puede resolver completamente el problema de la deriva de la imagen intraoperatoria en el sistema de navegación de imágenes preoperatorias existente.
(5) Los endoscopios se utilizan ampliamente en cirugía mínimamente invasiva. Los médicos pueden realizar operaciones como biopsias, extracción de cálculos y suturas bajo la guía de la imagen visual del endoscopio.
6.2.4 Procesamiento de imágenes multimodo
El registro de imágenes médicas consiste en encontrar algún tipo de transformación espacial para que los puntos correspondientes de las dos imágenes sean completamente consistentes en términos de posición espacial y estructura anatómica.
El objetivo principal de la fusión de imágenes es mejorar la legibilidad de las imágenes procesando datos redundantes entre múltiples imágenes y mejorar la claridad de las imágenes procesando información complementaria entre múltiples imágenes.
La segmentación de imágenes consiste en separar diferentes áreas de especial importancia en la imagen para que cada área disjunta satisfaga la consistencia del área específica.
La visualización tridimensional de imágenes médicas realiza la reconstrucción tridimensional de la imagen adquirida y reduce el impacto del ruido de la imagen tomográfica bidimensional mediante el filtrado bidimensional, mejora la relación señal-ruido y elimina la estela del imagen.
6.2.5 Tecnología de inteligencia artificial
En la actualidad, la inteligencia artificial se puede utilizar para el diagnóstico por imágenes de muchas enfermedades como oftalmología, medicina interna y tumores. También puede realizar razonamientos y juicios basados en el conocimiento y la experiencia proporcionados por uno o más expertos en un determinado campo, simular el diagnóstico por imágenes. proceso de toma de decisiones de expertos humanos, y resolver problemas en el campo.
6.2.6 Big data médicos
Big data médico es una tecnología de base de datos orientada a la medicina, que está orientada a registros médicos electrónicos, imágenes médicas, videos hospitalarios y otros tipos de datos, incluida la extracción de información estructurada para registros médicos electrónicos, análisis de datos para imágenes médicas y videos de vigilancia hospitalaria. Análisis inteligente, etc.
6.2.7 Tecnología de realidad virtual/realidad aumentada
La tecnología de realidad virtual proporciona tres vínculos clave para el tratamiento de rehabilitación: práctica repetida, retroalimentación sobre el desempeño y mantenimiento de la motivación. Al establecer un entorno virtual razonable y retroalimentación de información efectiva, los pacientes pueden evaluar objetivamente sus propias condiciones, mejorando así en gran medida el efecto del entrenamiento de rehabilitación.
6.3 Modelo de negocio
6.3.1 Modelo de negocio de robots quirúrgicos
Categoría A: Sistema de robot de participación quirúrgica (CAD/CAM quirúrgico)
Los robots médicos de los sistemas de Clase A participan y completan principalmente todo el proceso quirúrgico, incluidas la resección y la sutura. El cirujano desempeña un papel de guía y asistencia.
Categoría B: Sistemas robóticos de asistentes quirúrgicos (asistentes quirúrgicos)
Los robots médicos en los sistemas de Clase B ayudan principalmente a los médicos a realizar cirugías, incluida la planificación preoperatoria, el posicionamiento intraoperatorio, etc.
6.3.2 Modelo de negocio de robots de diagnóstico y tratamiento no quirúrgicos
(1) robot de radioterapia
Los productos típicos de los robots de radioterapia incluyen CyberKnife. CyberKnife es un nuevo tipo de equipo de radioterapia estereotáxica para todo el cuerpo que se utiliza para tratar varios tipos de cáncer y tumores en el cuerpo.
(2) Robot del sistema de imágenes
El robot lector se puede utilizar en campos de diagnóstico por imágenes como la ecografía de nódulos tiroideos, la detección de cáncer de cuello uterino y la detección de enfermedades pulmonares. Es un ejemplo típico de la combinación de inteligencia artificial, big data médico y robots médicos.
(3) robot cápsula
El robot cápsula es una microherramienta inteligente que puede ingresar al tracto gastrointestinal humano para exploración y tratamiento médicos. Es un nuevo avance en la tecnología médica para exámenes y tratamientos intervencionistas in vivo.
6.3.3 Modelo de negocio de robots de rehabilitación
(1) Rehabilitación de la función motora
La rehabilitación de la función motora está dirigida principalmente a personas con discapacidad, personas mayores y personas con movilidad reducida
(2) Prótesis inteligentes
Las prótesis inteligentes recogen señales electromiográficas de contracción muscular residual y establecen una relación correspondiente entre las señales electromiográficas y los movimientos de las articulaciones protésicas durante el entrenamiento, simulando así de forma inteligente los movimientos reales de las extremidades.
(3) Otros robots de rehabilitación
Los campos de aplicación de los robots de rehabilitación también incluyen la rehabilitación de la función cardiopulmonar, la rehabilitación de la función del lenguaje, la rehabilitación de la función cognitiva y otros tipos de robots de rehabilitación.
6.3.4 Modelo de negocio de robots de servicios médicos
robot de telemedicina
Puede responder continuamente a nuevas preguntas planteadas por las personas mediante la acumulación y actualización de datos, y puede satisfacer de manera eficiente las enormes y complejas necesidades de servicios de información en los hospitales.
Robot de transporte de artículos.
Capaz de realizar planificación de rutas independiente, evitación de obstáculos, carga, transporte de artículos, etc.
robot de servicio de farmacia
dispensación de medicamentos
Capítulo 7 Internet industrial, nueva dirección para el desarrollo de la biomedicina
7.1 Gestión del ciclo de vida completo de los equipos médicos
7.1 Gestión del ciclo de vida completo de los equipos médicos
7.1.1 Antecedentes del desarrollo
A medida que las autoridades sanitarias de mi país han aumentado los requisitos de gestión de calidad para los equipos médicos en la gestión de hospitales clasificados y han mejorado gradualmente las normas y reglamentos pertinentes, la seguridad de la calidad de los equipos médicos y la gestión de riesgos se han convertido gradualmente en una parte importante para garantizar la seguridad del trabajo clínico en los hospitales. En todos los niveles.
La gestión inteligente ayuda a los departamentos de gestión relacionados con equipos médicos a establecer conexiones prácticas mientras realizan la gestión del sistema para evitar islas de información.
7.1.2 Tecnologías clave
La gestión inteligente de equipos médicos cubre todo el proceso de gestión del ciclo de vida de los equipos médicos y los consumibles médicos de apoyo, desde la admisión hasta el desguace.
Gestión de equipos médicos.
Gestión general de consumibles.
Gestión de consumibles de alto valor
La gestión médica inteligente toma como núcleo el ciclo de vida de los equipos médicos, utiliza medios inteligentes y se combina con otros sistemas de información de las unidades médicas para lograr una gestión refinada de los equipos médicos.
7.1.3 Problemas enfrentados
(1) Mejorar los estándares de gestión inteligente de equipos médicos.
(2) Aclarar el nivel de desarrollo de la gestión inteligente de equipos médicos.
(3) Determinar el contenido de la gestión inteligente de equipos médicos.
7.2 Fabricación aditiva biomédica (impresión 3D)
7.2.1 Antecedentes del desarrollo
La fabricación aditiva (impresión 3D) requiere primero que el producto diseñado se presente en forma 3D a través de una computadora, y luego se utilizan materiales de impresión específicos para imprimir capa por capa hasta formar el producto.
Las tecnologías comunes de fabricación aditiva (impresión 3D) en el campo de la biomedicina incluyen principalmente sinterización selectiva por láser, fotocurado por láser, modelado por deposición fundida, tecnología de fabricación de sólidos en capas, etc.
7.2.2 Tecnologías clave
(1) Diseño de modelo médico
(2) Fabricación regenerativa de tejidos y órganos.
(3) Fabricación de dispositivos médicos
7.2.3 Problemas enfrentados
Limitado principalmente a las características del material y la unicidad de los materiales de impresión.
7.3 Investigación y desarrollo de fármacos asistidos por inteligencia artificial
7.3.1 Antecedentes del desarrollo
La investigación y el desarrollo de nuevos medicamentos es un campo técnico de alto riesgo, a largo plazo y que requiere mucho capital y tecnología, y la tasa de fracaso en la investigación y el desarrollo de medicamentos también supera el 90% (especialmente los medicamentos originales).
7.3.2 Tecnologías clave
(1) Detección de objetivos
(2) Detección y optimización de fármacos
(3) Descubrimiento y reclutamiento de pacientes
(4) Gestión del cumplimiento
(5) Predicción de la forma de cristales de fármacos
(6) Big data de pacientes e investigación del mundo real
Capítulo 8 Perspectivas para el desarrollo médico y sanitario de la inteligencia artificial en China
8.1 Estándares de política
8.1.1 Promoción del desarrollo industrial
Apoyo a la política nacional
8.1.2 Supervisión y gestión de la industria
Actualmente, las autoridades reguladoras prohíben que el software de asistente virtual brinde consejos de diagnóstico para cualquier enfermedad y solo permite a los usuarios brindar servicios ligeros de consulta de salud.
Los productos y servicios médicos y de salud de inteligencia artificial deben cumplir con los estándares nacionales pertinentes para garantizar los requisitos de seguridad, confiabilidad, trazabilidad, protección de la privacidad, etc.
8.1.3 Protección de la seguridad de los datos
En el proceso de desarrollo de big data médicos y de salud e inteligencia artificial, cuestiones como la protección de la privacidad personal, la seguridad de los datos e incluso la seguridad nacional han recibido cada vez más atención.
8.2 Innovación tecnológica
8.2.1 Investigación y desarrollo de tecnologías clave
Tecnologías como sensores inteligentes, chips de redes neuronales y plataformas abiertas de código abierto se han aplicado en los campos médico y sanitario y han logrado resultados notables.
8.2.2 Construcción del conjunto de datos de entrenamiento
El siguiente paso será construir y abrir inicialmente varios tipos de bibliotecas masivas de recursos de capacitación en inteligencia artificial para la investigación y el desarrollo de productos clave de inteligencia artificial y salud médica y necesidades de aplicaciones industriales.
8.2.3 Garantía de seguridad de la información
El sistema de estructura de aplicaciones médicas inteligentes es enorme, la plataforma es muy abierta, el negocio es complejo, hay muchas identidades de usuarios, especialmente pacientes con información privada confidencial, una gran cantidad de datos espaciales y la información también está altamente interconectada en el área metropolitana. área.
La investigación y el desarrollo de tecnología de inteligencia artificial y seguridad de redes médicas y de salud continúan fortaleciéndose, y la protección de seguridad de redes de productos y sistemas se fortalecerá aún más en el futuro.
El mercado de seguridad de la información se irá concentrando gradualmente y las estrategias de seguridad de la información pasarán a la defensa activa.
La construcción del sistema de seguridad médica y sanitaria de inteligencia artificial seguirá acelerándose, se establecerá inicialmente un sistema de responsabilidad de gestión de la seguridad y se formularán inicialmente reglas para el etiquetado, la clasificación científica, la clasificación de riesgos y la revisión de la seguridad.
¿Protección de nivel?
8.3 Modelo de negocio
8.3.1 Gigantes de Internet
Baidu, Alibaba, Tencent
8.3.2 Empresas de nueva creación
Por el contrario, para las empresas de nueva creación, la cooperación con las empresas del lado B merece más una exploración en profundidad.
8.3.3 Empresas de equipos médicos
Los datos recopilados para productos de la misma marca están más estandarizados y el formato está más unificado, lo que facilita la extracción y aplicación de datos.
8.4 Recursos de talento
La demanda de talento para inteligencia artificial y salud médica proviene principalmente de dos campos diferentes: inteligencia artificial y salud médica (talentos complejos)
. Adhiérase a la combinación de formación e introducción para atraer y cultivar talentos líderes en inteligencia artificial con potencial de desarrollo. Fomentar y orientar los talentos y equipos innovadores nacionales, y fortalecer la cooperación y la interacción con las principales instituciones globales.
8.5 Ética regulatoria
Las regulaciones legales deben proteger la innovación tecnológica, y la innovación y el desarrollo tecnológicos también deben respetar el valor legal.