جي وون الأصلي جديد

نيو جي فاز في 25 آذار للمشاركة في الحكمة من المستقبل وقمة الذكاء الاصطناعي الطبية، بتنظيم مشترك من قبل وزارة الطبية الأنشطة هوى يينغ، وإنتل والطبية. التي أنشئت في قسم الطب هوى الظل عام 2015، مؤسسها Chaixiang فاي عاد إلى الصين قبل عامين من جامعة ستانفورد، عندما شعر الأطباء الأمطار بشكل جيد جدا، تسمح له برؤية الابتكارات العظيمة في نموذج الأعمال التصوير الطبي. لذلك كان قد أسسها مع إدارة نا الطبية وقوه هوى يينغ، ونحن ملتزمون لاستكشاف قيمة البيانات التصوير الطبي، الى الواجهة من الحوسبة السحابية والبيانات الكبيرة وتكنولوجيا الذكاء الاصطناعي لخلق منصة ذكية للتصوير الطبي ومنصة السرطان العلاج الإشعاعي. في هذه العملية، وإنتل يوفر الكثير من الدعم الطبي والأطباء أصبحت هوى هوى أيضا ظل مختبر مشترك إنتل.

للمشاركة في الطبي الضيوف قمة منظمة العفو الدولية تشمل مدير الطبي والعام لإنتل آسيا والمحيط الهادئ، لي يادونغ علوم الحياة، مثبت قسم مؤسس الظل الطبية Chaixiang فاي هوى وقوه نا، الأزرق تشي جوي الشركاء في المشروع، ستانفورد قسم جامعة علاج الأورام بالإشعاع أستاذ شينغ لي، عبر المجتمع الطبي في أكاديمية النووية الدولية تشانغ تشين تشانغ Xiumei Wanfang شركة بيانات نائب المدير العام، التابعة سكرتير الحزب تشنغ كبيرة خمسة شين جون ومعروفة ممثلين مصنعي المعدات. هذه المقالة يجمع قاعة المحاضرات والندوات ومضمون المقابلة الجديدة جي وون مع الخبراء الطبيين AI شينغ لي ستانفورد، دعونا الخرافة، اتبع دانيال AI التكنولوجيا والرعاية الصحية الصناعات فتح مونتانا مع الوضع الراهن من منظمة العفو الدولية الطبية الصينية.

تعزيز التعلم العميق: AI معظم التكنولوجيا الطبية واعدة؟

منذ عام 2012، وقد تم عرض عمق تعلم تكنولوجيا التعرف على الصور في ImageNet مجموعة البيانات (كمعيار اختبار)، بلغ معدل اعترافها مستويات قياسية في السنوات الأخيرة، وصلت إلى المستوى الإنساني في بعض المناطق، مثل تصنيف الصور وهلم جرا. تكنولوجيا التعلم عميقة الحقل جنبا إلى جنب من البيانات التصوير الطبي تراكمت على مر السنين، وأدى هذا المجال إلى اختراق مذهلة.

وذكرت ونيو جي وون نشر الباحثون ستانفورد دراسة في الطبيعة، CNN في تشخيص سرطان الجلد، و 21 الأمراض الجلدية والتناسلية مقارنة اختبار، ونتائج دقة النظام والأطباء بشرية كبيرة ( "على الأقل" 91). JAMA نشرت أيضا على استخدام التشخيص CNN اعتلال الشبكية السكري، وأظهرت نتائج الأداء بما يتفق مع أداء خوارزمية طب العيون.

تطبيق CNN في الطب يمكن وصفها بأنها خدعة حتى التكبير في أفضل المجلات، ثم عمق تكنولوجيا التعلم هو أفضل تكنولوجيا تأثير التصوير الطبي؟

وقال لي شينغ، الأستاذ في جامعة ستانفورد نيو جي وون: التعلم العميق والتعلم العميق لتعزيز، نيابة عن التكنولوجيا العصرية الحالية، فإنها يمكن أن تحل الكثير من المشاكل لا يمكن حلها سابقا، فإن منظمة العفو الدولية الطبية إلى ذروة جديدة.

دراسة معمقة

تعزيز التعلم العميق معركة لي تألق سي وزارة العمل في وقت مبكر 2016 AlphaGo. AlphaGo الشطرنج التعلم إلى حد ما، ويمكن أن يكون في الكثير من المعارضين والخاصة لعبة الشطرنج لعبة الشطرنج، فإنه يمكن أن يقال استخدام تعزيز التعلم لمواصلة تحسينه بأن تواصل لتجاوز أنفسهم، ومفتاح النصر النهائي على بطل الإنسان. كما وسيلة فعالة لتعلم الآلة، وتعزيز التعلم والوسيلة الرئيسية لعملية في وضع معين أو بيئة معينة، مما يجعل يتم تكبير إشارة مكافأة. أيضا في عملية طبية صنع القرار في منظمة العفو الدولية، وهي عملية البرنامج قد غالبا ما تؤثر على البيانات التي تتلقاها، في برنامج تشغيل مختلف والحصول على معلومات الإدخال المختلفة. تعلم لإيجاد الحل الأمثل ويمكن تعزيز عملية صنع القرار أو عملية، من أجل الحصول على أكبر مكافأة.

تصوير الثدي كتل التفسير

شي شينغ Leibo المقدمة، في الواقع، قبل التعلم العميق إزاء في 1990s، فقد كان الكثير من الناس التشخيص بمساعدة الكمبيوتر (CAD). قبل الشبكات العصبية لا العميقة، مع أجهزة الكمبيوتر الجديدة، والآن بعد التعلم العميق، يمكنك تحقيق شبكة عميقة. ولكن فقط لتشخيص سرطان الجلد، على سبيل المثال، ويعمل حاليا في الممارسة السريرية لم يكن تطبيق على نطاق واسع في بالمعنى الحقيقي. التشخيص واستنادا الى عمق التعلم لا يزال في مرحلة التطوير. ولكن مع المعدل الحالي للتنمية، كانت هذه التكنولوجيات الجديدة بعيدا عن التطبيق السريري ليس بعيدا جدا.

الإقليمية نزيف فى المخ الترميز التلقائي

وبالإضافة إلى ذلك، وعمق التعلم وليس من الضروري في جميع السيناريوهات. وكانت هذه المشاكل المحددة التي تواجهها مع وتقنيات التعلم آلة العامة في بعض الأحيان ذات الصلة بما فيه الكفاية. خوارزمية جديدة يمكن أن يكون لا نهاية لها، مع مرور كل يوم. مزيج من الخوارزميات المختلفة التي يشيع استخدامها في الفن هو وسيلة لمنظمة العفو الدولية.

دينامية غير مؤكد الرسم السببية: تشخيص الأمراض المختلفة

الذكاء الاصطناعي ليست مجرد عمق التعلم، وليس البيانات الكبيرة فقط، البروفيسور تشانغ تشين عميقة أن يفعل. خلال السنوات التي قضاها في البحث واقترحنا نظرية ديناميكية الرسم السببية غير مؤكدة DUCG (DynamicUncertain السببية الرسم البياني)، لتمثيل الرسوم البيانية والمعرفة التفكير السببي. DUCG التغلب على تعبير بسيط والمنطق نموذج الشبكة النظرية الافتراضية لا ينطبق إلا على حالة إحالة واحدة، لا تنطبق هذه المشكلة إلى قضية قيمتها متعددة المنطق والدورة الدموية.

إنشاء البروفيسور تشانغ تشين دينامية مؤكدة نية السببية الرسم البياني هو حل خطأ التشخيص على الانترنت من محطات الطاقة النووية، خطأ للطاقة النووية لبيانات قليلة جدا، عالية (لم يكن لتشخيص الاعطال) متطلبات التشخيص، ويجب علينا الاستفادة الكاملة من مجالات المعرفة المتخصصة لهذا المنصب. محطات الطاقة النووية لديها الآلاف أو عشرات بل الآلاف من الوقت الحقيقي إشارة ديناميكية، والتطور السريع للخطأ، الأمر الذي يتطلب DUCG يمكن أن يكون المنطق حيوي من العديد من الإشارات (والتي قد تكون هناك إشارة خاطئة) في المستوى الثاني، بكفاءة ودقة أخطاء تشخيص المرض، لتعزيز السلامة والاقتصاد في محطات الطاقة النووية يوفر فائدة الدعم الفني ذكاء. جعلت فريقه حتى الآن المئات من حالات الفشل الاختبارات التشخيصية 100 نسبة النجاح، وغاب أحد. وقد استخدم لرصد وتشخيص الأخطاء من محطات الطاقة النووية وأنظمة الأقمار الصناعية.

حتى DUCG أنها يمكن أن تستخدم لتشخيص الطبي؟

تشانغ تشين الفريق الأول بالتعاون مع خبراء طبيين لإنشاء DUCG قاعدة المعرفة الطبية لمختلف الأمراض (وليس آلة تعلم تلقائيا المعرفة من الداخل البيانات، ولكن الأطباء استخدام لغة الرسم للتعبير عن معرفتهم في الجهاز، والجهاز تلقائيا عن طريق تجميع المعرفة المكتبة.) تشانغ تشين نعتقد أن العالم الكلي (ميكرون فوق نطاق و) الأمور السببية، مثل عدوى الجهاز التنفسي العلوي قد يسبب السعال والصداع، وهذا هو مؤكدة المعرفة السببية. التي يستخدمونها 103 السببية الفرعية الرسم البياني إلى قاعدة معرفية واحد يحتوي على مجموعة متنوعة من عوامل الخطر، والتاريخ الطبي، والأعراض والعلامات والفحوصات المخبرية والدراسات والتصوير، فضلا عن تركيبات مختلفة من المنطق والمعلمات العلاقة السببية وعدم اليقين غير مشروطة أو مشروطة، جنبا إلى جنب مع محرك الاستدلال DUCG، تشخيص المرض.

النظام أنهم يعملون مع تشخيص مستشفى للأمراض محددة، ومجموعة عينة مع ما يقرب من 4000 قضية تشمل 27 نوعا من المرض، وفقا لكل المرض ليس أكثر من 10 حالات تم اختيارها عشوائيا 203 حالات لاختبار دقة النتيجة النهائية من 99.01 في المئة، اثنين فقط من الحالات المسجلة بسبب ناقصة وغير صحيحة. كما قام الفريق تشانغ تشين DUCG الدوار تشخيص المرض، وصلت أيضا معدل الصحيح هو أعلى بكثير من نظيراتها الدولية. ألم الصدر مستمر، والاغماء وتشخيص أمراض تطوير قاعدة المعرفة الذكية.

فريق تشانغ تشين ومواصلة تطوير النظام بحيث أنه لا يمكن سوى مساعدة الأطباء في تشخيص والأطباء تحفيز يعرف ماذا يفعل الشيكات القادمة الأكثر قيمة، بدلا من التفتيش على نحو أعمى، وزيادة العبء على المرضى الرعاية الطبية. ويمكن أيضا أن النظام أن تستخدم لحضور المستشفى، والذي يحسب والترتيب العلاج أولوية اختيار الإدارة أو الإدارات قد تتطلب التشاور على أساس المرضى المعلومات والفرز يشكون من المعلمين المستفادة.

وقال تشانغ تشين أيضا أنه من المهم نظام التشخيص ليس فقط ذكي يمكن أن نقول للمريض أو الطبيب ما المرض، ولكن أيضا لنقول لماذا هذا المرض، وذلك لأن لاتخاذ القرارات وتحمل المسؤولية للطبيب، وليس نظام ذكي، على الأقل في هذه الحالة هي لذلك. وأخيرا، وقال انه يعتقد، أنه ليس ما دمنا مثل البيانات الطبية، ونوعية البيانات عالية وظيفة.

التحدي التالي: ImageNet مهنة الطب الذين الإنجاز؟

التكنولوجيا الطبية AI هو أكثر بكثير من عمق التعلم، والتعلم الآلي، والرسوم البيانية مؤكدة الحيوية، بالإضافة إلى AI الطبية كما يواجه العديد من التحديات.

كامل الأبعاد بيانات: جين بروتين + + + + صورة المرضية السريرية المتابعة +

للباحثين صورة العاديين، ImageNet توفير التدريب على الصورة ل10000000 أهمية. لكن البيانات الطبية بشكل كبير جدا، لأسباب طبية نموذج التصوير التشخيصي، حاليا لا يوجد مجموعات البيانات العامة موثوقة. ووفقا لوقال ستانفورد عالم شينغ Leibo، لديه قاعدة بيانات أيضا بعض، ولكن ليس كل شيء، ليست كافية كبيرة. على سبيل المثال، قواعد البيانات سرطان الثدي عد أكثر من ذلك، ولكن ليس كبير مثل مئات الآلاف من الحالات. يحتاج الباحثون أحيانا لجمع البيانات الخاصة بها، فإنه قد جدا في كثير من الأحيان سوى بضع مئات من البيانات لتدريب النماذج.

شي شينغ Leibo اقترح أيضا أنه من الصعب تحديد كمية البيانات غير بيانات كبيرة، بعد كل شيء، وكمية البيانات ليست هي أفضل والبيانات في بعض الأحيان المريض قد تكون محدودة غير كافية، والذي يرتبط مع ظروف محددة وقضايا الجودة والبيانات.

ولكن إذا كان هناك حجية مجموعات كبيرة من البيانات للباحثين هو بالتأكيد شيء جيد. ولكن هذا هو سلم التنمية، فإنه لا يمكن أن يتم بين عشية وضحاها. مع ImageNet مختلفة، قد تكون مجموعة البيانات الطبية الموثوق العملاق الأول في الصين لتحقيق بدلا من الأجنبية. لأن كثافة من التدخل الحكومي قد تكون كبيرة. بصفة عامة، واستخدام بيانات المريض والبيانات ينطوي على خصوصية المريض والحقوق. على الرغم من أننا نعلم جميعا أن هذه البيانات المحددة للمرضى والمستشفيات، وكان مفيدا للمجتمع البشري، ولكن هذا الأمر يتطلب تنسيق السياسات والمستوى الحكومي.

أستاذ شينغ لي متفائل بأن هذه المسألة سيتم حلها عاجلا أو آجلا، وميزة الصين قد تكون أكبر.

بعد ذلك، كما أن الحاجة إلى أكثر من 20،000 نوع من تشخيص الأمراض تشانغ تشين المذكورة، إذا كان كل واحد مصنوع من الذكاء الاصطناعي، هو أيضا مشروع كبير، وكيفية حل؟

وقال شي شينغ Leibo، ومستقبل مهنة الطب يحتاج إلى منصة مثل Tensorflow جوجل، ولكن أكثر من العلوي وTensorflow، ركز على الصورة. على الرغم من أن المرض وأكثر، ولكن لا تزال لديها الكثير من القواسم المشتركة، وليس كل النماذج AI تحتاج إلى البدء من نقطة الصفر. يمكن للمرء أن ينظر حتى الآن لا تستطيع أن تفعل Tensorflow الصور الطبية إضافة وظائف معالجة الصور، ومن ثم فتح المنصة، ثم وصولا الى كل مرض محدد. وهذا بالطبع لا تزال بحاجة الى الاعتماد على الزملاء في مناطق مختلفة من المجتمع الطبي لبذل جهود مشتركة والمساهمات.

اثنين غير المتوازنة اتجاهين، سمحت الصين لتصبح أفضل مكان الهبوط الطبي AI

قدم لى يادونغ الطبية إنتل اتجاهين رئيسيين في الرعاية الصحية العالمية AI تصبح قوة دافعة كبيرة:

1. الشيخوخة من السكان، وخاصة الصين، والصين في عام 2020 سوف تصل إلى أكثر من 20 من شيخوخة السكان البالغ من العمر 65 عاما. الناس أكثر من 55 عاما من الموارد الطبية محتلة من قبل أكثر من 50. ارتفاع حاد في الطلب على الذكاء الاصطناعي مثل خلفية شيخوخة السكان. كيفية حل تحديا من هذا القبيل إلى نمو الطلب على حاجة ملحة؟

2. التحدي من الأمراض المزمنة وأعقب ذلك. الصين هي أكثر مشكلة مزمنة خطيرة للمنطقة، وانتشار الصين في عدد سكان العالم هو من دون شك الرائدة.

نستطيع أن نقول أن هذين الاتجاهين يجعل الصين أكبر سوق أو تصبح AI الطبي.

اثنين غير متوازن:

الأول هو اختلال خطير بين العرض والطلب على الموارد الطبية. ليس فقط في الصين، ولكن أيضا من نقص حاد في الولايات المتحدة، وعشرات الآلاف من الممرضات الولايات المتحدة 30 في عداد المفقودين، منذ أكثر من عشرة ملايين الأطباء إضافي الماضي. الصيني الطبيب المريض التوتر العلاقة، وضغط العمل، والمدرسة الطبية الخريجين في غضون ثلاث سنوات أكثر من 50 تغيرت وظائف للعمل في الصناعات الأخرى. طبيب نادرة جيدة خصوصا، مكتظة أعلى ثلاثة مستشفيات الصين. كيفية حل هذه المشاكل؟

والثاني هو عدم التوازن الإقليمي للموارد الطبية. شكلت 2013 لجنة التخطيط ثلاثة مستشفيات 0.1 من الرعاية الطبية والصحية الإجمالية، ولكن عدد كبير من المرضى على مستوى القاعدة الشعبية، وعدد قليل من المراكز الثلاثة الحشود المستشفيات والأطباء وحتى المرحاض لديهم الوقت. أعلى ثلاثة مستشفيات في المدن الكبيرة أو المدن الصغيرة مع العالمين قوة الطبية الريفية على حدة، حتى لو كان بعض معدات المستشفيات المحلية متقدمة جدا، ولكن عدم وجود العاملين في المجال الطبي القوة الناعمة، لا يسمح لرؤية الطبيب يحمل جهاز جيد. للمدن أربعة مستويات وحتى الناس في المناطق الجبلية النائية، وكيف حتى يتمكنوا من التمتع بنوعية عالية من الرعاية الصحية؟

باختصار، في بيئة من الشيخوخة والأمراض المزمنة، والموارد الطبية (الناس والأشياء) نقص في المعروض، خصوصا في الصين اختلال خطير بين العرض والطلب على الموارد الطبية، ضخمة الموارد الفوارق الإقليمية، والذكاء الاصطناعي يمكن أن يكون انفراج لحل هذه المشاكل.

المستقبل: حررت المتواجدون AI الطبية؟

مؤلف كتاب "تاريخ موجز للبشرية"، والنبوءات في الكتاب، والبيانات الكبيرة وتنمية الذكاء الاصطناعي ناضجة، يجعل 60 من البشر يفقدون وظائفهم. حاليا، قد وصلت الرعاية الصحية في بعض المناطق على مستوى AI البشري، وما إذا كان ذلك سيؤدي الى عدد كبير من العاملين الصحيين العاطلين عن العمل؟ كيف يمكن لهذه مسعفون على التكيف مع هذا التغيير؟

وقال شي شينغ Leibo أن هذا هو عملية تدريجية ولن يحدث فجأة، فإنه قد يستغرق 10 سنوات و 15 سنة. قد تكون بديلا للشعب، لا يمكن تجنب القلق، فإن كل ثورة تكنولوجية لديهم قلق مماثل. هذه عملية التكيف، والوقت لسحب لفترة أطول، سوف تكون العملية أكثر بساطة على التكيف. حاليا، معظم الرعاية الطبية لا تزال كثيفة العمالة كبير جدا العمل والجهد والتدريب المعرفة تطالب، وهذه سوف تتحسن كثيرا في المستقبل.

ومع ذلك، AI لن ولا يمكن استبدال الطبيب ، وحتى لو كان الجهاز في بعض الطرق أقوى من الناس، ولكن جهاز الكمبيوتر هو جهاز كمبيوتر، وبعد كل شيء، انها "التفكير" هو البشرية المدربة، سواء اتساع وعمق سيكون محدودا. هناك استثناءات، والناس بحاجة في النهاية إلى جعل هذا القرار. وقال شي شينغ Leibo :. "ما زلت آمل لاتخاذ قرار من قبل الرجل، الذي هو في اتخاذ القرارات المتعلقة بمساعدة الحاسوب، بدلا من آلة جعلني ما الدواء لتناول الطعام، ما للعب إبرة، وهي ليست إنسانية". ويعتقد أن الناس مع الآلات تعاون أفضل، وآلة ليست الابتكار، ولكن الناس لديهم الابتكار. الدقة الميكانيكية غير الطبية سوف تختفي تدريجيا، وهذا هو الاتجاه الكبير، ولكن كل هذا العمل كليا إلى الجهاز الطبي من غير المرجح، على الأقل لا يزال هناك طريق طويل لنقطعه.

وأخيرا اقتراض النفس التي نصبت "مدرسة الذكاء الاصطناعي من أنصار الإنسانية" Xiumei، ثم يختم: "إن الطبيب هو الإحسان الطبيب، ثم لا يهم كيف الاصطناعي تطوير تكنولوجيا الذكاء، والطبيب سوف تكون السلعة دائما رأس المال والتكنولوجيا لا غنى عنه في حد ذاته ليس خاصية يمكن أن تكون جيدة. بغيض، ولكن للعاصمة صناعة الرعاية الصحية في ذلك الوقت، نحن نريد لتصحيح ثلاثة آراء، فإن الأمور لا تأخذ الأفكار الجيدة نحو إنقاذ الأرواح. "

" ونحن لا نعتبر منظمة العفو الدولية فيما يتعلق بتغيير الطبيب، ينبغي أن ننظر في كيفية جعل منظمة العفو الدولية إلى الناس فعلا مساعدة. "تحسين الخدمات الصحية مع منظمة العفو الدولية لأحيي كل شخص مهنة الطب!

27 مارس، عقد تشي يوان جديدة مفتوحة المصدر البيئية القمة وفاز جي AI التكنولوجيا حفل 2017 جوائز مسابقة أفضل خطة عمل جديدة، بما في ذلك "BAT" التيار منظمة العفو الدولية، بما في ذلك الشركات الصينية، تجمع أكثر من 600 النخبة الصناعة معا من أجل الصين 2017 تنمية الذكاء الاصطناعي رسمت أثرا لا يمحى.

انقر لقراءة النص الأصلي، واستعراض الجمعية العامة إصدار نص سجل