Хотя концепция искусственного интеллекта используется с 1950-х годов, эта концепция побуждает ученых-компьютерщиков разрабатывать новые и все более сложные технологии и вдохновляет тех, кто использует эти технологии в повседневной жизни. Это набор методов, позволяющих компьютерам имитировать поведение человека. Исследования искусственного интеллекта, которые в последние годы были фактором, раздвигающим границы воображения, каждый день появляются перед людьми с инновациями.
В последние годы ведущие мировые организации ИТ-сектора, такие как Microsoft, Google, Apple, Facebook, объявили, что мира, ориентированного на мобильные устройства, больше не существует. Вместо этого они заявили, что это мир с приоритетом ИИ, где цифровые помощники и другие сервисы будут основным источником информации и будут выполнять свои задачи. Фактически, в Объединенных Арабских Эмиратах было создано Министерство искусственного интеллекта, открывающее новые горизонты в мире. Области применения искусственного интеллекта увеличиваются день ото дня, и вселенная искусственного интеллекта со временем расширяется.
Хотя можно придумать множество различных методов для понимания и использования ИИ, и хотя существует много разных способов, ключ к машинному интеллекту заключается в том, что он должен чувствовать, быть логичным и действовать, а затем адаптироваться на основе опыта [1]. ].
- Значение: идентификация и распознавание значимых объектов или понятий среди больших данных. Например, чтобы отличить задний фонарь автомобиля от опухоли/нормальной ткани.
- Причина: понимание более широкого контекста и составление плана достижения цели. Например, если цель состоит в том, чтобы предотвратить столкновение; Транспортное средство должно рассчитать вероятность аварии на основе поведения транспортного средства, близости, скорости и дорожных условий.
- Aciton: предложение наилучшего плана действий или прямое начало. Например, на основе анализа транспортного средства и трафика он может тормозить, ускорять или подготавливать механизмы безопасности.
- Адаптация: Наконец, на каждом этапе алгоритмы следует адаптировать на основе опыта и стараться сделать их умнее. Распознавание большего количества слепых зон, включая новые переменные в контексте и корректировку действий на основе предыдущих событий и т. д.
Больницы, клиники, а также медицинские и исследовательские институты ежедневно производят большое количество данных, включая лабораторные отчеты, данные визуализации, отчеты о патологии, диагностические отчеты и информацию о лекарствах [2]. Быстрое распространение медицинских данных является одной из самых больших проблем для врачей. Текущая литература показывает, что решения для больших данных и искусственного интеллекта являются решениями для обработки этого взрыва больших данных, а также для удовлетворения социальных, финансовых и технологических потребностей в здравоохранении. Анализ таких больших и сложных данных часто затруднен и требует высокого уровня навыков для анализа данных. Наиболее сложной является интерпретация результатов и рекомендаций, основанных на врачебном опыте. Для этого требуются годы медицинских исследований, знаний и специальных навыков [3].
В сфере здравоохранения данные производятся, собираются и хранятся во многих форматах, включая цифровые, текстовые, изображения, сканы, звуки и видео. Если искусственный интеллект должен применяться к данным, в первую очередь следует понимать качество данных и все вопросы, на которые нужно ответить из целевого набора данных. Тип данных помогает сформулировать нейронную сеть, алгоритм и архитектуру для моделирования искусственного интеллекта [3].
Согласно исследованиям, рынок искусственного интеллекта в сфере здравоохранения к 2021 году может достигнуть 6,6 млрд долларов США, темпы роста 40%, и может иметь потенциал для снижения затрат на лечение до 50% [4]. Исследования в области искусственного интеллекта могут ежегодно экономить 150 миллиардов долларов в секторе здравоохранения до 2026 года [5]. Эффективные решения, предоставляемые отрасли здравоохранения с использованием искусственного интеллекта, постоянно развиваются:
- Инструменты, облегчающие нагрузку на клиники и позволяющие медицинским работникам выполнять свою работу более эффективно,
- Заполнение пробелов в медицинских услугах в условиях растущей потребности в рабочей силе,
Повышение эффективности, качества и результатов для пациентов, - Интеграция данных о здоровье на различных платформах и расширение сети доступа,
- Обеспечение большей эффективности, прозрачности и преимуществ совместимости,
- Обеспечение информационной безопасности.
Области использования искусственного интеллекта подробно обсуждаются в следующих постах.
ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА
[1] Сингх, Н. (2018). Как начать работу разработчика в области искусственного интеллекта. Интернет: https://software.intel.com/en-us/articles/how-to-get-started-as-a-developer-in-ai
[2] Марр, Б. (2017). Как ИИ и глубокое обучение теперь используются для диагностики рака. Интернет: https://www.forbes.com/sites/bernardmarr/2017/05/16/how-ai-and-deeplearning-is-now-used-to-diagnose-cancer
[3] Сараф, М. К., и Майк, П. (2018). Искусственный интеллект и медицинские данные. Интернет: https://software.intel.com/en-us/articles/artificial-intelligence-and-healthcaredata
[4] Салливан, Ф. (2016). От 600 млн до 6 млрд долларов: системы искусственного интеллекта готовы к резкому расширению рынка в сфере здравоохранения. Интернет: https://ww2.frost.com/news/press-releases/600-m-6-billion-artificial-intelligencesystems-poised-dramatic-market-expansion-healthcare
[5] Кольер М., Фу Р., Инь Л. и Кристиансен П. (2017). Искусственный интеллект: новая нервная система здравоохранения. Интернет: https://www.accenture.com/t20171215T032059Z__w__/us-en/_acnmedia/PDF-49/Accenture-Health-Artificial-Intelligence.pdf
[6] Саваш, С. (2019), Karotis Arter Intima Media Kalınlığının Derin Öğrenme ile Sınıflandırılması, Gazi Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Ana Bilim Dalı, Doktora Tezi, Ankara.
[7] Türkiye Cumhuriyeti Cumhurbaşkanlığı Dijital Dönüşüm Ofisi — CBDDO