Surveillance des maladies
Dans le domaine de la surveillance des maladies, les médecins peuvent utiliser un modèle prédictif basé sur l'apprentissage automatique ou les systèmes cognitifs pour estimer le risque de maladies chroniques en fonction des caractéristiques du patient sans se conformer à un plan de soins établi. Une intervention précoce peut réduire considérablement les coûts des patients Montefiore Health System déploie une plateforme d'analyse de données basée sur le processeur Intel® Xeon® qui analyse en temps réel de grandes quantités de données brutes pour aider les cliniciens à déterminer le meilleur traitement pour les patients. Dans le même temps, le modèle normatif peut également être utilisé pour identifier le risque d'insuffisance respiratoire chez les patients afin que le personnel médical puisse prendre des mesures d'alerte précoce pour intervenir à temps pour sauver des vies et préserver les ressources.
Environnement clinique
Dans le cadre clinique peut également utiliser le modèle basé sur l'apprentissage de la machine, un des modèles de prévision communs, y compris l'utilisation de dossiers médicaux électroniques afin d'évaluer le risque d'infection à l'hôpital, la probabilité d'accident et le service d'urgence par des modèles d'exploitation prédisent un patient entre tels que Intel et Sharp médical développé conjointement le modèle de l'équipe d'intervention rapide, selon les données du dossier médical électronique pour prédire quels patients ont besoin l'équipe d'intervention de réaction rapide. en même temps ce modèle, l'hôpital peut trouver rapidement le personnel d'urgence et d'équipements appropriés, réduisant ainsi les données de temps de réponse en utilisant l'histoire Dans les expériences menées par le modèle, l'exactitude de l'estimation du besoin du patient pour l'intervention rapide du groupe de réaction était d'environ 80%.
Analyse d'imagerie
L'utilisation est aussi l'une des technologies d'analyse d'images médicales d'apprentissage en profondeur dans le domaine médical de l'intelligence artificielle des applications importantes. Intel travaille avec des partenaires de l'industrie à coopérer à cet égard, l'analyse des images médicales en utilisant la technologie d'apprentissage en profondeur pour détecter les tumeurs en collaboration avec GE Healthcare, GE Healthcare Intel ® Xeon ® plate-forme évolutive, le coût global du dispositif d'imagerie a réduit de 25% par l'utilisation combinée avec les solutions d'imagerie de GE Healthcare, plate-forme évolutive Intel Xeon qui peuvent aider les radiologues à améliorer la lecture efficacité, Le temps d'affichage de la première image a été réduit à moins de 2 secondes, et tout le temps de chargement de l'étude a été réduit à moins de 8 secondes.
Service virtuel
AI quatrième cas d'utilisation est un représentant du service de télémédecine virtuelle. Les applications de télémédecine offrent des solutions plus riches pour les entreprises et les consommateurs, un représentant du robot médical des patients hospitalisés InTouch Health est une nouvelle solution. En même temps, , générant ainsi les ensembles de données vidéo peut être utilisé pour le développement de solutions d'intelligence artificielle, et d'améliorer encore le diagnostic clinique, par exemple dans le cas de diagnostic à distance d'accident vasculaire cérébral, la profondeur de l'apprentissage basé sur un modèle peut être identifié des caractéristiques d'un AVC précoce du patient, ce qui peut améliorer la précision du diagnostic et Réduire significativement le temps de diagnostic et de traitement.
Réalité virtuelle
Le cinquième cas d'utilisation de l'intelligence artificielle est la création d'assistants de réalité virtuelle de prochaine génération: à l'avenir, l'intelligence artificielle peut répondre aux interactions des participants dans des séances de réalité virtuelle. En termes de formation chirurgicale, l'intelligence artificielle peut être utilisée pour analyser les images afin d'identifier les meilleures pratiques des meilleurs chirurgiens, qui peuvent être réintroduites dans les simulations et être améliorées au fil du temps.
En résumé, la transformation numérique a apporté de nouvelles opportunités dans le domaine médical et de la santé: dans le processus de transformation, les organisations médicales doivent utiliser les données pour améliorer les processus métier et l'expérience des patients. Les scénarios d'application sur le terrain seront plus abondants.