侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

高盛AI生态报告:人工智能可解决药物研发等难题

2017-02-24 08:45
络遇
关注

BLS认为,医疗信息技术人员的任务是确保用于报销和/或研究的患者医疗数据的质量、准确性、可访问性和安全性,同时利用技术分析患者数据,以提高医护质量和控制成本。

医疗行业中AI/ML日益广泛的应用,可能会对这类职业产生严重影响。根据人均医疗支出和全球支出份额估计,AI/ML有望在2025年在全球范围内削减超过280亿美元的年度成本。

谁会被扰乱?

综上所述,机器学习和人工智能可以节约药物发现与开发的成本,提升POS,为供应商和医疗设施的效率增益,因此,它们有潜力大幅度地改变大型制药公司以及整个医疗系统的前景。我们有理由相信,从长远来看,机器学习和人工智能技术必将激增,缩短研发时间,降低失败药物的损失,并使得药物开发中的竞争加剧。

此外,效率增益和自动化可能会对一些医疗专业人员和公司造成一定的混乱,特别是在解释医疗结果和诊断的人士与实际交付护理或执行手术的人士之间,例如放射科医生、提供第二意见的专家以及行政或支持人员等。我们认为这种混乱将会长期存在,因为现在许多技术仍处于早期开发阶段,并且采用这些技术的成本相对于其他改进机制可能稍显过高。

采用的挑战

虽然AI/ML在医疗领域的许多子领域均存在明显的机遇,但技术采用的障碍仍然存在。

成本。实施AI/ML需要配备必要工具和能力,但它们的成本可能十分昂贵。特别是在医疗行业中,医疗成本仍然是大众关注的焦点。为了确保ML算法能很好地利用数据,人们需要有意义资本和专门技术,而光是确保拥有足够的计算能力,就将花费不菲的金钱。

可解释性。算法需要梳理多个数据集,而这往往会生成一些所谓的黑盒。以前一直受到严格监管的医疗行业有可能因此会推迟AI/ML应用的发展。

人才。采用AI/ML技术的障碍也可能来自相关领域人才的聚合。2013年,Google支付了超过4亿美元收购了DeepMind Technologies;而根据新闻报道,彼时该团队的成员大概只有十几个人。聚合这样一群高级人才的难度以及由此产生的高昂成本可能会令人望而却步。

数据。虽然美国政府已经颁布法令帮助实现电子健康记录的数字化,但将普遍使用纸张的系统转变为完全电子化的过程仍然存在挑战。此外,虽然许多机构已经迈过了“有意义使用”的门槛,但是重要患者数据的碎片化和缺乏可获得性仍然阻碍着改革的进一步发展。

<上一页  1  2  3  4  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号