{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":419,"pdf_page":435,"physical_index":435,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"065acbb38b59fd9a815b3e04e15659a2d64bf0f5e50ac0d7c7e23218c0112c81"},"chapter":"第14章","content":"场景二：人工智能+全科医生=辅助诊疗\n\n分级诊疗体系的成功建立，需要重点补充大量全科医生，以满足广大群众中日常病患的处理。而目前我国基层的医疗机构中，医生的学历、经验等普遍偏低，全科诊疗能力明显不足。利用人工智能学习和复制优秀医生的经验，补充并辅助基层医生的诊疗工作，是较快推动医疗体系落地的好办法。例如，某公司的AI辅诊系统就是一个借助人工智能技术，能够根据病人症状描述快速给出疾病判断和诊疗建议的智能系统。其工作原理主要包括三步：\n\n（1）基于机器视觉和自然语言处理技术，学习、理解并归纳现有的医疗信息和数据（包括医学文献书籍、诊疗指南和病例等），自动构建出“医学知识图谱”。\n\n(2)基于深度学习技术，系统自动学习海量临床诊断病例，构建出“诊断模型”，实现根据症状输入、输出疾病判断和诊疗建议功能。\n\n(3）实际参与诊断，对比专家医生的诊断结果进行模型优化。\n\n这类AI辅诊系统对于缺乏专家等资源的基层医院特别有用：一是能帮助提高疾病风险排查率，通过提供疾病的预测建议降低基层医生对高危疾病漏诊的巨大风险；二是能帮助提高病案管理效率，目前国内的病案一般依赖病案室人力或数据公司整理，要投入大量的人力和资金，准确率也得不到保障。人工智能可以实现病案智能化管理，输出结构化病例，让医生从烦琐的病案工作中解脱，提升诊疗效率。\n\n一些企业的AI辅诊系统据说已经能够识别预测500多种疾病，差不多覆盖了大部分科室，包括白内障、青光眼等常见病和肺癌、宫颈癌等重大疾病。诊疗风险预测准确率高达96%，已达到甚至超过普通医生的水平，能够有效补充和增强基层医生的诊疗能力。一些企业声称类似系统已经在100多家三甲医院落地，让人工智能辅诊成为高效的“助理医生”。\n\n场景三：人工智能+专科医生=疾病筛查\n\n对于专科医生，尤其是名医来说，海量需求带来的高强度工作是最头疼的问题。如何能够为这类医生节约时间是人工智能最大的价值。因此，在一些需要大量数据处理、重复性和规律性较强的环节，可以借助人工智能技术进行补充甚至替代。例如，AI影像系统就是以人工智能训练学习海量的影像数据，实现对特定疾病智能筛查的系统。该系统能够有效助力医生提升筛查诊断效率，从而提高早期患者的治愈率和存活率。其主要工作过程如下：\n\n（1）把医疗传统影像系统里的患者影像传送到AI影像系统中。\n\n(2）对图片进行预处理，包括去掉片子里拍到的其他部位、进行3D化增强等，形成机器可识别的图片。\n\n(3)将图片放到后台模型中，判断该部分是否有病变，标识出病变位置，亮点越亮表示病变风险系数越高。\n\n(4)最关键的一步——分辨到底是炎症还是癌症，除了进行图像切分和识别外，还可能结合患病位置、大小、周围环境等其他信息，最终对病变进行判断，从而达到较高的识别准确性。\n\n第14章 医疗大数据和人工智能\n\n419","previous_page":418,"next_page":420}