<sub id="pv1jz"></sub>

    <th id="pv1jz"><address id="pv1jz"></address></th>

        <address id="pv1jz"><meter id="pv1jz"><cite id="pv1jz"></cite></meter></address>
        <sub id="pv1jz"><meter id="pv1jz"><cite id="pv1jz"></cite></meter></sub>

        1. <tr id='98hc75pM'><strong id='98hc75pM'></strong><small id='98hc75pM'></small><button id='98hc75pM'></button><li id='98hc75pM'><noscript id='98hc75pM'><big id='98hc75pM'></big><dt id='98hc75pM'></dt></noscript></li></tr><ol id='98hc75pM'><option id='98hc75pM'><table id='98hc75pM'><blockquote id='98hc75pM'><tbody id='98hc75pM'></tbody></blockquote></table></option></ol><u id='98hc75pM'></u><kbd id='98hc75pM'><kbd id='98hc75pM'></kbd></kbd>

          <code id='98hc75pM'><strong id='98hc75pM'></strong></code>

          <fieldset id='98hc75pM'></fieldset>
                <span id='98hc75pM'></span>

                    <ins id='98hc75pM'></ins>
                    <acronym id='98hc75pM'><em id='98hc75pM'></em><td id='98hc75pM'><div id='98hc75pM'></div></td></acronym><address id='98hc75pM'><big id='98hc75pM'><big id='98hc75pM'></big><legend id='98hc75pM'></legend></big></address>

                    <i id='98hc75pM'><div id='98hc75pM'><ins id='98hc75pM'></ins></div></i>
                    <i id='98hc75pM'></i>
                  1. <dl id='98hc75pM'></dl>
                    1. <blockquote id='98hc75pM'><q id='98hc75pM'><noscript id='98hc75pM'></noscript><dt id='98hc75pM'></dt></q></blockquote><noframes id='98hc75pM'><i id='98hc75pM'></i>

                      能“讀懂”病歷的AI更應用于醫療監督

                      千禧門戶網

                      2019-02-14 04:38:12

                      能“讀懂”病歷的AI更應用于醫療監督

                      羅志華

                      從2016年開始的醫療人工智能,至今方興未艾。目前國際、國內研發團隊開發出來的AI,要么是通過已有的醫學影像結果來學醫學知識,要么就是通過醫學生化指標來學習、充實自己。而由廣州市婦女兒童醫療中心主任夏慧敏教授領銜,加州大學圣迭戈分校張康教授等專家參與的廣州研發團隊,通過摸索,讓醫學人工智能既能讀懂中文病歷,還能較高精度地為兒童常見的55種疾病進行診斷。(2月13日《南方都市報》)

                      AI能讀懂病歷,是醫療人工智能研發方面一次質的飛躍,其功能要比單純醫學影像等數據解讀和單病種診療復雜得多。因為要想讀懂病歷,首先得準確掌握相關醫學知識,通過病歷學習,使之具備堅實的醫學理論基礎。

                      更重要的是,能夠讀懂病歷,意味著必須掌握診療邏輯思維方式,懂得診療過程的前后因果關系,能夠通過條件推出或排除結論。

                      就應用范圍而言,這類產品能夠成為醫生的得力助手,幫助醫生進行快速分診,把醫生從繁瑣的基礎工作當中解放出來,可以幫助醫生診斷復雜或罕見疾病,使診療少走彎路。此外,醫生還可以使用AI生成的診斷,來幫助拓寬鑒別診斷,使思路和視野變得更加開闊。

                      其實,這類產品既可成為醫生的助手,但更應該成為醫生的“對手”,因為醫生并不特別缺乏助手,卻十分缺乏“對手”,或者不如說,將這類產品當作醫生的“對手”,其作用反而要比當作助手大得多。醫生缺乏實力相當的監督者“對手”,是一個更加普遍和緊迫的問題。

                      醫療專業性極強,爭議性也很大,導致醫療監督存在很大的難度,過度診療等行為很容易借技術之名隱藏其間,其結果是,不合理的費用增長難以遏制,掩蔽性強的醫療欺詐與套保行為很難被發現,就連醫保基金審核員,很多時候都對此束手無策。

                      包括醫保基金審核在內的醫療監督十分缺乏人手,要想在浩繁的診療項目當中發現不合理醫療,無異于大海撈針。利用人工智能來化解這道難題,是極具發展潛力的一種辦法,醫療方面的人工智能審核軟件,如智能處方審核系統等被陸續開發出來,可以發現相互沖突的處方等問題,但涵蓋面更廣、智能化程度更高的產品,卻一直缺乏。

                      這款AI剛好具備這樣的功能,它能讀懂病歷,就有能力發現其中隱藏的問題,能識別出可能存在的邏輯謬誤,發現一些不夠嚴謹的地方。

                      或許當前這款產品還不具備強大的監督功能,但只要遵循這個思路發展,就能開發出更高端的智能產品,可以快速識別病歷當中的可疑之處,并將之提交人工審核。到那時,隱藏在病歷中的不合理診療就很容易被識別出來,這既可更好地保護患者利益,又有利于維護醫保基金安全。

                      吉林快3