چگونه هوش مصنوعی را تغییر دهید پزشکی

پزشکی جهان غرق در داده ها. ما ترابایت از اطلاعات ژنومی از موش به انسان احداث مخازن بهداشت از معیارهای بالینی و reams اعم از به اصطلاح در دنیای واقعی اطلاعات از شرکت های بیمه و داروخانه ها. با استفاده از کامپیوترهای قدرتمند دانشمندان طلبه این فضل با برخی از نتایج خوب اما روشن شده است که ما می توانند یاد بگیرند خیلی بیشتر با کمک از هوش مصنوعی است. بیش از ده سال آینده عمیق-آموزش شبکه های عصبی به احتمال زیاد تبدیل چگونه ما به دنبال الگوهای موجود در داده ها و چگونه تحقیقات انجام شده و اعمال شده به سلامت انسان. این گزارش ویژه به بررسی وعده این نوپای انقلاب است.

در حال حاضر بزرگترین شرط قرار داده شده در حوزه کشف مواد مخدر. و دلیل خوب است. متوسط هزینه آوردن یک داروی جدید به بازار نزدیک به دو برابر شده بین سال های 2003 و 2013 به $2.6 میلیارد و چون نه از 10 شکست در فینال دو مرحله از آزمایشات بالینی بیشتر از پول به هدر می رود. هر بزرگ داروسازی شرکت در حال کار با حداقل یک هوش مصنوعی متمرکز شروع به دیدن اگر آن را می تواند به افزایش بازگشت سرمایه گذاری. ماشین-الگوریتم های یادگیری می تواند از طریق الک کردن میلیون ها نفر از ترکیبات باریک گزینه برای یک داروی خاص با هدف. شاید بیشتر هیجان انگیز, هوش مصنوعی, سیستم های نامحدود توسط غالب نظریه ها و تعصبات—می تواند به طور کامل شناسایی اهداف جدید با لکه بینی تفاوت های ظریف در سطح بافت سلول های ژن یا پروتئین های بین مثلا یک مغز سالم و یک مشخص شده توسط پارکینسون—تفاوت های که ممکن است دوری کردن و یا حتی رازی یک انسان دانشمند.

که همان sharp-eyed توانایی نیز در حال اعزام به تفسیر پزشکی اسکن. برخی از سیستم های در حال حاضر می تواند تشخیص نشانه های اولیه از سرطان است که ممکن است از دست رفته توسط یک رادیولوژیست یا دیدن چیزهایی هستند که به سادگی فراتر از ظرفیت انسان—مانند ارزیابی خطر قلبی عروقی از یک اسکن شبکیه. غذا و دارو است تصویب تصویربرداری الگوریتم در یک کلیپ سریع. دیگر برنامه های کاربردی هوش مصنوعی دروغ کمی بیشتر پایین جاده. آیا ناکارآمدی امروز پرونده الکترونیک سلامت (EHRs) باید توسط سیستم های هوشمند است که به جلوگیری از خطاهای تجویز و ارائه هشدارهای زودهنگام از بیماری ؟ برخی از جهان بزرگترین غول تکنولوژی در حال کار بر روی آن است.

با وجود ترس است که ماشین آلات جابجایی انسان ها بسیاری از کارشناسان بر این باورند مصنوعی و هوش انسانی را به کار بگیرید. این نگرانی بزرگتر این است که کمبود افراد با دانش پزشکی و الگوریتم-ساختمان مهارت است. اگر این انسان مشکل می تواند حل کلیدی برای ایجاد موفق AI برنامه های کاربردی ممکن است بستگی به کیفیت و کمیت آنچه ما خوراک شکم گرسنه خود را. “ما با تکیه بر سه چیز می گوید:” مدیر عامل یکی از عمیق-آموزش راه اندازی. “داده ها و داده های بیشتر.”

این گزارش منتشر شده در علمی آمریکا و طبیعتاست حمایت شده توسط F. Hoffmann-La Roche Ltd. آن را به طور مستقل تولید شده توسط سردبیران علمی آمریکاکه مسئولیت انحصاری برای محتوای سرمقاله.

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im