医学人工智能:
1、图像识别:应用方面主要是影像、彩超、病理、内镜、腔镜的图像辅助识别,也主要是帮助医生提醒和辅助诊断。这一块应用比较成熟的是肺结节的AI图像识别,国内也出了专家共识《人工智能在肺结节诊治中的应用专家共识(2022年版)》。
2、语音识别:一些报道来看,协和医院似乎有开展。主要就是实现,病历的语音录入。这里的技术问题,并不是难点。目前,腾讯的语音转文字已经非常成熟了,方言也能识别出来。国内也有很多相关厂家。不过,问题在于,病历的书写主要由低年资医生在参与,而低年资医生在医院中话语权是比较低的。这几年电子病历全国推广,但之前有一家教学医院,对此不是很积极,有一个重要原因是,他们医院有大量的实习、进修、规培、研究生。手写病历,不必抢占电脑资源,也便于教学。当然,后来抵不住时代的浪潮,还是更新换代了。但语音识别的问题,也是同样的难点。
3、大模型:可以实现对数据的逻辑分析和判断。但目前大模型的难点在于,无法保证100%正确。当然,实际上作为医疗辅助工具,其价值大于各类医疗教学培训(操作以外)
4、科研:目前应用最广泛的是机器学习,医学科研的核心是统计学,而机器学习本身是高级统计学,不管是不管是随机森林、决策树、KNN,未来会成为医学院校刷课题和论文的神器。像很多医学传统结构化数据,评估二分类结果,用到这步就够了。这里有两个分支,使用R语言、python语言。目前,国内外大部分机器学习的科研论文都采用R语言,这是科研的惯性所致。而实际上Python语言的扩展性更强,可以完全兼容R语言。