人工智能在医疗行业中的应用

Posted 三横一竖

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人工智能在医疗行业中的应用相关的知识,希望对你有一定的参考价值。

    如火如荼的人工智能行业正在世界范围内蓬勃发展,特别是谷歌公司的Alpha Go程序战胜了围棋界的顶尖高手,令世人看到了计算机在人类擅长的领域也有一定的思维演绎能力。伴随计算机运算能力的飞速提升和人工智能领域的算法的不断改进,之前处在实验室阶段的Demo,正逐步变得实用,有些工作岗位甚至被淘汰,但同时也衍生出了人工智能在各行业交叉学科的工作岗位。本文从几个方面浅谈人工智能在医疗行业的应用。

  1.  人工智能在医疗电子病历系统中的应用

   对于国内的医疗机构来说,医生在患者就诊过程中必须填写检查诊断信息,这对接诊量大的医生来说是一个非常繁重的劳动,以至于有的医生很反感写病历,天书病历也由此诞生。随着电子病历的推广,使得医生在规范化方面更进一步,但是这要求医生熟练使用相应的电子病历软件,对于年轻的医生来说不算太重的负担,这些医生都是伴随中国互联网发展成长起来的新一代,但是对于老一辈的医生,对电子病历系统很生疏,经常是医院的制度要求迫使老医生花费大量时间耗费在电子病历的输入上。有些年轻的医生为了应付差事,将其他患者的病历拷贝过来,稍作修改为下一个患者的病历诊断信息,这表面上提高了工作效率,但是也存在着极大的隐患,有的医生在对拷贝的信息进行修改了,往往遗漏了很多关键信息,甚至患者的姓名和性别都忘记修改。为了进一步减轻医生在电子病历上耗费的时间,电子病历厂商研发出了各种科室的输入模板,并且禁止两个患者之间的病历信息拷贝,从源头上堵住了医生随意复制粘贴电子病历的可能。从原理来说,电子病历厂商的目的是解决了医生的病历填写规范性的问题,但是医生从手写大量的文字转移到了选择大量结构化的菜单,有的病历模板选择项目非常多,医生的劳动强度并没有因此减轻。

       传统的软件厂商往往为了解决医生的一个问题,引入了另外的一个问题,整个软件系统臃肿不堪,叠床架屋式的解决方案只能使得问题复杂化。病历数据必须准确、清晰和完整,但同时医生填写病历的劳动强度必须减轻,所以语音录入系统由此诞生了。语音录入系统仅仅需要医生口述患者病情,即可将语音转换成文字填写到病历系统中。语音输入的速度比打字的速度快很多,平均每分钟可以录入200以上的汉字。语音录入系统也面临着两个问题:首先,使用者的口音问题和环境噪声对语音识别的准确率有非常大的影响,如果先用语音录入填写完成一份病历,然后再用键盘方式进行修订,总共所花费的时间比只用键盘方式录入花费的时间还长;另外一个问题是医疗术语的复杂性,有的医疗术语没有统一的发音,尤其是遇到中英文混排时,情况变得异常复杂。好在现在的深度学习和自然语言处理混合处理技术能够比较好地解决上述两个问题。在北京协和医院,北京云知声地语音录入系统已经在全院推广,在某些科室反馈还不错。

       2. 人工智能在医疗图像识别中的应用

       现代医疗科技的一个显著特点就是引入了其它领域的技术作为辅助的诊疗手段,例如:X光,超声检查、核磁共振检查等等,这些检查手段有一个共同特点,都需要医生根据仪器采集到的图像数据判断患者的病兆情况。国内的三甲医院面对众多的患者,需要医生在段时间内对每一个患者的影像数据作出快速、准确的判断,这不仅考验医生的眼力,对快速诊疗技术的要求也越来越高。目前在医疗行业的图像识别主要集中在静态图片的判断推理上,这需要大量的医疗图片和医疗标准,前期的准备工作量非常大,国内目前还处于起步阶段,离实用化还有一段距离。另外,最关键的动图识别,人工智能在这方面也处于积累数据阶段。

    3. 人工智能在医疗信息系统自动化中的应用

    医院是一个相对封闭的系统,所有的医疗数据都是内部孤岛共享,亟待人工智能技术进行发掘,医院内部采用的各种信息系统由多家厂商开发完成,很难进行集成。语音识别技术让医生可以通过语音命令调用信息系统中的菜单,进行各种输入和操作,这特别适用于医院需要多人协助的操作,比如超声科、外科手术等操作环境,尤其是超声科。通常在超声科室,主治医生在操作设备时,一边查看实时的图像信息,一边播报看到的图像信息,由另外一名助手完成关键信息的录入。如果通过全语音操控,则可以节省人力成本,提高处理效率。

    以上几点就是人工智能技术在医疗行业遇到的常见解决方案,后续还会再补充。

    

以上是关于人工智能在医疗行业中的应用的主要内容,如果未能解决你的问题,请参考以下文章

深耕人工智能+医疗,石景山区青燕祥云公司走在行业前列

医疗保健行业发展需要增强智能和分布式账本的技术支持

[4G&5G专题-119]:5G培训应用篇-4-5G典型行业应用的解决方案(车联网智慧医疗智能教育智能电网)

图像识别深度学习主流方案平台比较

医疗商业智能发展趋势

探索与实践人工智能在生物医疗中的发展应用及前景