医疗未来已来！AI如何重塑药品研发、诊断与治疗？
人工智能在医疗卫生领域的应用正在加速，2024年将成为创新药产业与“AI医疗”两大发展方向。AI渗透于疾病筛查、临床决策、药物研发等多环节，提高效率并优化医疗服务，特别是在影像诊断和个性化治疗中成效显著。通过药物靶点发现、设计优化，AI推动药物研发创新，并在生产制造中实现智能化监控，助力药品质量提升。未来，随着AI技术的持续发展，它将为医疗卫生行业带来更多的变革与价值。
AI医疗资本狂飙！8大场景42亿融资，科技巨头开战【附下载】| 智东西内参
看点：深度解读AI+医疗8大场景与中美竞争格局。 截至2017年8月，我国83家AI医疗企业的融资额为18亿元，历年融资总额接近42亿元，包括晶泰科技、华大基因、推想科技等。 与此同时，互联网巨头也积极布局AI+医疗领域，例如百度医疗大脑、阿里ET医疗大脑、腾讯觅影等。 本期的智能内参，我们推荐来自安信证券的AI+医疗报告，详细解读互联网医疗和AI+医疗领域的8大应用场景、发展现状、竞争格局等。如果想收藏本文的报告（安信证券-人工智能行业科技强国篇之AI+专题系列二：人工智能显身手，AI+医疗生态遇曙光），可以在智东西（公众号：zhidxcom）回复关键词“nc334”获取。 以下为智能内参整理呈现的干货： AI医疗的市场空间与热门应用 据IDC统计数据，到2025年人工智能应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一。 2014-2016年，AI+医疗融资数量有了明显的上升，而且增长速度很快，资本的活跃度逐年走高。AI+医疗公司频现、投融资市场活跃，体现了AI+医疗在我国具有庞大市场空间和良好未来预期。 整体上看，我国人工智能市场仍处于探索阶段，如何基于AI技术开拓发展应用场景，已成为当下各大科技公司的主攻方向。 人工智能产业链可分为基础层、技术层和应用层。其中基础层和技术层由于技术壁垒较高，其布局主要来自科技巨头，应用层则涌现出多家新型人工智能医疗创业公司。 国内疾病风险预测、医学影像场景下的公司数量最多，占医疗人工智能公司总数的一半以上，相关产品相对成熟。 在AI+医疗各细分领域中，辅助诊疗融资金额高居第一，高达20亿元；接下来分别是语音交互融资额13亿元，还有医学影像和健康管理不分伯仲。 埃森哲评估了10种人工智能应用的综合分类，确定了到2026年，人工智能应用到各个领域所产生的潜在年收益。其中潜在价值最高的前三个领域分别是机器人辅助手术（400亿美元）、虚拟护理助理（200亿美元）和管理工作流程协助（180亿美元）。 对标美国：AI+医疗市场百花齐放，医疗信息化布局较早 1、医疗信息化布局较早 2004年布什总统提出10年内在全美实现电子病历，2009年美国总统奥巴马颁布医疗信息化法案（HITECH），提出医疗信息化项目建设三阶段。 由政府出资通过奖惩机制激励医疗机构建设电子健康档案有效使用（MU），截至2018年1月，MU奖金已发放379亿美元。到2016年，95%以上的美国医院满足电子健康档案MU的要求，电子档案普及率为法案出台前的9倍。 2、各路资本大量涌入，AI医疗成热点 根据CB Insights报告表明，自2011年起，美国医疗健康就逐渐开始受到资本关注，到2014年已经成为美国人工智能应用场景中最热的投资领域。 2012年，资本投资智能医疗初创公司的披露交易还仅为21宗，在2015年这一数字却已上升到67宗，占到美国人工智能领域所有投资交易数量的15%。2016年披露交易已上升至90宗，披露的交易金额达到7.48亿，双创历史新高。 美国科技巨头和资本巨头如IBM、谷歌、微软、亚马逊、Facebook、苹果等近年来也都在美国医疗信息化领域投入大量投资，抢占市场。 IBM在2013年就与克利夫兰诊所全面合作，研究如何利用IBM的沃森人工智能系统提高互利水平，并在沃森健康部门正式成立后，选择肿瘤精准治疗作为主攻领域，利用沃森系统快速分析各类数据，协助医生诊断肿瘤。 谷歌自2014年起，风头资金的1/3进入了医疗健康与生命科学领域，在智能医疗领域研发重点是糖尿病、神经性疾病诊疗和医疗器械。 微软2006年开始通过投资、并购进入医疗信息技术领域，2016年公布将人工智能用于医疗健康的最新项目Hanover，通过人工智能深度理解最新医学专业论文，帮助医生进行资源整合，寻找有效肿瘤药物和治疗方案。 3、龙头云集的医疗信息化（HIT） 与此同时，美国AI+医疗细分领域百花齐放，尤以四大领域发展态势迅猛，其中包括：洞察与风险分析、生活方式管理与检测、医疗影像与诊断、药物挖掘。 美国医疗信息化（HIT）趋势下的细分领域大致可分为三类：以电子版病例记录患者数据的电子病历系统（EHR）企业、提供全面综合性HIT服务的综合性医疗信息化服务企业和提供专业第三方服务的药品福利管理（PBM）企业。 其中，Cerner、Epic的电子病历系统（EHR）通过以美国政府机构为客户占据大量市场份额，Express Scripts作为美国最大的药品福利管理（PBM）提供商之一，推进综合性医药福利管理服务。 AI+医疗八大应用场景 目前，AI+医疗主要有八大应用场景，其中包括：虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台。 我国医疗人工智能企业主要集中在医学影像和虚拟助手领域。 1、虚拟助理：提高医疗工作效率 医疗领域中的虚拟助理，基于特定领域的知识系统，通过智能语音技术和自然语言处理技术，实现人机交互，将患者的病症描述与标准的医学指南作对比，为用户提供医疗咨询、自诊、导诊等服务。 根据亿欧统计，目前国内共有15家公司提供“虚拟助理”服务，主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求，并且有衍生出更多需求的可能性。 其中虚拟助理的语音电子病历能提供语音识别技术为医生书写病历从而提高工作效率。 智能语音录入可以帮助医生通过语音输入完成查阅资料等工作，并将医生口述的医嘱按照患者基本信息、检查史、病史、检查指标、检查结果等形式形成结构化的电子病历，大幅提升医生的工作效率。 导诊机器人主要基于人脸识别、语音识别、远场识别等技术，通过人机交互，执行包括挂号、科室分布及就医流程引导等功能，智能导诊准确率达到95%以上。 而且只要在机器人后台嫁接医院信息等知识系统，机器人便可实现导诊功能，所以国内众多机器人制造厂商均有机会开发医疗市场，进入门槛较低，预期市场竞争激烈。 与此同时智能问诊在医生端和用户端均发挥了较大的作用。在医生端，智能问诊可以辅助医生诊断；在用户端，人工智能虚拟助手能够帮助普通用户完成健康咨询、导诊等服务。 而推荐用药虚拟助手企业前期业务模式则以to B为主，向京东到家、妙健康等医药电商及老百姓大药房等线下药店开放“自测用药”系统接口，推广自测用药服务，了解用户使用习惯，优化算法模型，为后期to C业务模式奠定基础。 2、医学影像：准确率高，预期市场规模较大 医学影像，是目前人工智能在医疗领域最热门的应用场景之一。目前国内共有43家公司提供“医学影像”服务。“医学影像”应用场景下，主要运用计算机视觉技术解决病灶识别与标注、靶区自动勾画与自适应放疗、影像三维重建三种需求。...
中医与AI：疫情下的挑战与革新之路？🔥揭秘智能医疗如何重塑中医未来🌍
本文探讨了中医疗效的评价争议及在全球发展现状，尤其是在新冠疫情中的作用。文章指出，尽管传统中医面临挑战，但人工智能融入中医药领域的可能性带来“AI名医”概念，通过大数据处理提升诊断精度和远程舌诊效率。然而，中医转型仍受制于数据不足和个体经验强调等问题，需要充分利用中国的大数据资源。作者呼吁广泛参与讨论，以促进中医学与科技的融合发展，为全球卫生保健做出贡献。
揭秘医疗新进展：人工智能大数据如何赋能健康中国？
国家卫健委沈博士分享了人工智能与大数据如何赋能健康中国的最新进展。传统的医学病历系统从医生视角转变为病人全记录的标准化"综合性病历管理系统"，梅奥诊所通过创新机械系统实现了高效管理。现代，我国几乎所有医院采用电子病历，简化流程、提高数据精准度和跨院共享成为可能。科技发展如远程医疗和5G手术机器人，则进一步突破了空间限制，提供高质量医疗服务。
懂AI的医生一定会替代不懂AI的医生
来源：健康界 正文共：5867 字 预计阅读时间：15 分钟 “我们都关心人工智能为未来医学带来哪些改变。对未来教育和医学科研会带来什么变革？对医学人力资源的配置会产生什么样的影响？医院内部的组织流程以及管理构架如何变革？”上海市卫生健康委员会主任邬惊雷在参加6月29日的“AI-HTI健康科技人工智能峰会2019”时如是说。 由中国生物医学工程学会与飞利浦公司联合主办的这次峰会吸引了300余名来自国内外医疗人工智能专家以及各专科的医生们。一整天的报告与对话，均聚焦在影像、放射、超声、ICU、神经、肿瘤、胎儿心脏等等专业领域的AI探索实例，角度丰富，观点纷呈。 AI-HTI健康科技人工智能峰会2019 整合与分工： 人工智能为中国医疗健康系统所急需 多数参会专家认为，医疗AI的发展将会极大地帮助中国医疗健康系统的整合与分工。上海交通大学附属第一人民医院王悍教授认为，AI将极大降低医疗服务流程的时间和人力成本。“以AI介入影像科工作为例，从整个患者检查的流程管理，到检查过程的智能化，节省出来的时间成本是巨大的。在诊断方面有两个好处：第一，减少无效诊断、漏诊、误诊，赋予了医生第三只眼睛。第二，由于AI的介入，可节省医院一定的人力资源。健康检查近年来快速增加，在北上广的大医院，每年影像科检查以15%~30%的数量增长，短期内不可能有训练合格的医生加入进来，因此大部分相对来说初级的工作可以由机器介入，这会大大减少医生的负担，当然最终获益的是患者。” 上海交通大学附属第一人民医院王悍 “我相信AI在中国的发展前景非常广阔。最主要原因是中国体量大、需求大、市场大，据我所知，AI在中国的发展现在已经过了简单模仿阶段，做了很多原创性的工作，这在美国和欧洲是难以见到的。”美国艾伦脑科学研究所脑科学研究中心彭汉川教授说。 美国艾伦脑科学研究所 脑科学研究中心彭汉川教授 北京大学第一医院王霄英教授强调人工智能的终极价值。“AI应用的领域和界限到底是什么？过去我们认为价值实现就是报告，但实际上不是这样的，医学影像报告给了患者，并没有对患者有什么改变，直到临床医生利用我们的图像和报告做出了正确的决策。”价值还不仅于此。王霄英认为：“提升患者体验也非常重要，AI做什么患者不知道，临床医生也没什么感觉。但我们的报告里，生成了可视化的三维报告，患者感受真的特别好。” 北京大学第一医院王霄英教授 开放与共建： 数据质量建设与标准的统一 医院有大量数据，每家公司也都有自己的数据中心，但因为没有统一的数据质量和标准规范，造成了巨大的人、财、物的浪费。 “临床一线的CT、DR、磁共振片子现在无法做到质量和标准的统一。”上海交通大学附属第六人民医院李跃华教授在对话时说，“我们平时在工作当中有一套自己的自控方法，协会和上级主管部门对我们有一套要求，各家厂商法人各种参数也不统一，导致我们的各种医学检查图像不能统一在一起。人工智能也许会给这种现象带来改变。下一步我们在行业协会或者上级主管部门的要求下，会逐渐制定统一的标准，然后进行数据互认以及统一数据处理。但这个过程需要时间，也需要各方参与进来。” 上海交通大学附属第六人民医院 李跃华教授 “国家卫健委从2016年主导建立国家医学数据库，我们从2017年开始重点建设超声数据库，是按照器官和病种来分的。”浙江大学求是特聘教授、博士生导师孔德兴在报告中强调集中建立数据库的重要性，“整个数据科学分为四个层面，第一层是数据收集和采集，第二层是数据管理，第三层是数据分析，第四层是挖掘算法，通过这个过程研发出用于临床的产品。当然，人工智能还需要解决技术以外的问题：一是数据合法化。目前为止国家还未出台相关法律法规。二是数据合格性。这也是要集中建国家数据库的目的。三是安全性和法律责任。” 浙江大学求是特聘教授、 博士生导师孔德兴 彭汉川教授关于人工智能在影像领域的数据建设提出了三个问题：如何进行计算；如何对图像进行有效管理、解锁；如何实现数据的有效性和可视化。并就此介绍了他所就职的美国艾伦脑科学研究所在数据标准化方面的开放做法：“在整个行业一直致力于大量收集各种各样的脑科学数据，进行系统性的分析后再向全世界公开发布，对每个项目都有标准的操作流程（SOP），步骤、文档等都在网上公开，任何人都能看到，都能评论、分享。” 标准间的互相兼容也非常重要，彭汉川说：“我们不希望看到某一个组织，比如说不同的实验室或公司的软件产品和别人有不同的数据标准，数据接口或者说这个模块和另外的模块完全无法进行通话，这样会产生更多的问题。” 探索与实践： 人工智能在各专科临床领域崭露头角 中国正面临着老龄化加深和出生率下降的挑战，20年后，谁来照护我们的健康？多位专家介绍称，人工智能能在更多领域照护更多的人群，例如，助力提升胎儿先心病筛，脑胶质瘤的精准诊断，帮助重症监护ICU实现更智能的数据串联，应用于肝癌及急性脑卒中的介入治疗前沿技术应用，以及基于飞利浦星云探索人工智能科研平台（ISD）开发的针对前列腺癌的风险评估模型等等。这些都充分展示了医学人工智能在助力医疗行业数字化转型过程中的实践与应用成果。 以高居出生缺陷率第一位的先心病诊断治疗为例，最有效的方法是从孕前、产前、产后进行全程防控，但是中国医疗三级转诊路径不明确，产前、产中、产后信息不对称，医务人员又远远不足。中国每年出生人口是1700万，但能进行出生缺陷筛查的专业人士只有1.5万，能够对胎儿心脏细化诊断的人更少。“我们要在胎儿心脏病三级防治的路径中，研发不同层面、不同节点的新技术智能解决方案。”首都医科大学附属北京安贞医院何怡华教授从胎儿先心病筛查方面进行人工智能探索，已取得非常好的成绩，也得到了世界学界的认可。“在诊断方面，我们从致死性先天性心脏病以及预后良好分层进行研发。2017年，我们的智能筛查软件在世界互联网大会上发布，诊断准确率达到了87%，2018年提高到90%。” 首都医科大学附属北京安贞医院 何怡华教授 复旦大学华山医院史之峰介绍了人工智能技术在脑胶质瘤诊断方面的进展。很多时候，组织学诊断不能满足脑胶质瘤的诊断，采用人工智能未来就可以提供相对准确、便捷的智能化诊断体系，从而实现真正的精准医学。“人工智能在医学领域领域的终极任务就是做芯片的建设。主要有三个关键点要突破：一是脑影像数据的规范化。多中心研究时，每个中心磁共振机器不一样，采用的扫描序列不一样，如何实现规范化？二是标注技术。目前我们采取的是3D模型，通过大量训练之后，直接把后期磁共振数据导入就可以自动化进行肿瘤的提取，非常省时省力。三是通过影像组学技术完成脑胶质瘤智能化的诊断。最后，我们通过单个细胞整体分析，预测患者预后，通过系统就可以做出更为精准的判断。” 复旦大学华山医院的史之峰教授 中国医科大学附属第一医院马晓春教授在ICU领域进行人工智能探索始自2015年。“ICU的干预是大量的、且是有时限性的，我们怎么通过真实的记录体现出来？2015年，我们几乎把所有现在能够想到的ICU串联的数据系统，全部构建完成。”马晓春教授在报告中说，“接下来我们要做的是从数据源中提取进行临床判断的信息，比如说，这个患者是在什么样的微弱状态？他的评分是多少？这个时间是否发生了呼吸衰竭？衰竭到什么程度？接下来怎么提醒医生并给予干预，干预的结果是什么？这些完成之后，我们把器官衰竭比如DIC、心衰竭、肾衰竭、呼吸衰竭也都载入进去。这样，可以轻易调出任意一组数据，比如一年中ICU发生多少呼吸衰竭的患者，患者处在什么样的状态，经过了什么样的干预等。今年3月份，我们已把这套系统作为一个产品推向市场，我们称其为ICM-UP1.0。远程医疗在ICU这个领域也有它作为的空间，我们也在积极地进行工作。特别是我们现在进入5G时代，这为数据速度传输和质量提升提供了一个无限想象的空间。” 中国医科大学附属第一医院马晓春教授 被誉为“第三种临床诊疗技术”的介入医学基于人工智能的诊疗应用体现在多个环节。东南大学附属中大医院滕皋军教授介绍了人工智能赋能介入医学的多种应用与实践，介入治疗联合免疫治疗肝癌需要基于人工智能的影像学、基于人工智能的半暗带诊断模型治疗急性脑卒中、基于影像导航的外科（介入）治疗领域、基于人工智能的血管介入等方面都体现了人工智能与介入医学的深度融合。同时，他还强调，“人工智能从分子影像、功能影像、光学成像以及组织等方面进行一系列的计算，应用于早检测、早确位和早诊治。从诊断到导航再到治疗都通过人工智能手段进行解决”。 东南大学附属中大医院滕皋军教授...
AI医疗革命：如何突破’黑盒子’，保护隐私，寻求未来？🔥🔍👩💻👨⚕️
AI通过分析大数据助力医疗诊断，如谷歌的AI可检测糖尿病视网膜病变风险，但其决策过程的"黑盒子"问题和数据隐私引发关注。为保护患者，需制定严格数据政策与加密技术；透明化是解决之道，解释性或可审查AI能增加决策理解。面对挑战，交叉学科人才需求大增，AI的未来医疗应用潜力巨大，每个人都与之息息相关，寻找并培养这样的人才以应对AI带来的变革。
「揭秘」第五届全球开发者节，科大讯飞AI成绩单亮眼！？行业合作新动向，5亿基金服务100万开发者？1
科大讯飞在过去一年取得了显著成果，AI辅助诊疗系统修正诊疗结果97万份，并通过开放平台提供441项核心AI能力，包括语音合成技术的进步。公司发布AI开放平台2.0战略，与高校合作、共建创新中心和举办赛事以推动行业应用和人才培养。此外，讯飞还推出企业数字化平台和虚拟人交互平台，展现出在教育和城市生态领域的显著成就，并强调人工智能的普惠性和共创未来的态度。
🚀AI医生：前景光明？争议中的医疗革新之路🔥
本文探讨了AI在医疗中替代医生的前景与争议。发展趋势显示AI在诊疗中有潜力但还需完善，需医学、科技和法律多方合作规范，确保其安全有效。 AI医生代表医疗创新进步，但其发展也面临挑战。
“孤独病”大流行,融合AI的陪伴机器人能否治愈心中“孤独感”?
援引美国福克斯新闻网消息，美国公共卫生局近期发布的报告指出，半数美国人遭遇过孤独问题，初步统计覆盖人群约1.66亿，调查对象中，46%有时或经常感觉孤单，47%觉得被遗忘，54%经常或有时觉得没人了解自己，43%感觉自己的人际关系没有意义，43%觉得与他人隔绝。 数据援引：美國醫務總監默西发表的报告《Our Epidemic of Loneliness and Isolation》 而近日美国公共卫生局就孤独这一紧迫问题发布了一份咨询意见，这份意见强调了社交对个人和社会健康的关键作用，如今社交和孤独都是根据人与人之间的接触来定义的，但是，这一定义是否限制了我们对非人类同伴潜在有利的理解？ 在本文当中，我们需要讨论一个问题，是否有可能将目前的社交模型扩展到包括人与机器人的互动。与机器人和人工智能对象的社交能否为人类带来更多的好处？而潜在的危险又是什么？ 当下，我们正处于陪伴型机器人和人工智能这门新科学的前沿，它为减轻孤独感和提供健康支持提供了一条潜在的途径。人们可以与机器人交谈，拥抱机器人，从机器人那里获得物理帮助、提醒甚至精神慰藉，还可以通过机器人与其他人建立联系。 比如2022年，社交机器人ElliQ与用户的互动次数超过了30万次，其中约40%与简单的陪伴有关，包括用户与它一起喝了3000杯咖啡和茶。 社交机器人ElliQ 事实证明，宠物型和仿人型陪伴机器人都能有效减少孤独感，并通过直接将用户与他人联系起来或通过提醒社交约会来提供陪伴。一项关于老年人社交机器人的系统性研究发现，机器人对老年人的参与、互动和幸福感都有积极影响，还能减少压力和孤独感。 此外陪伴型机器人还可以帮助老年人在家中保持健康和活跃，而不是搬到养老院。随着技术的进步，特别是人工智能的快速发展，与机器人的社交联系变得越来越重要。认知人工智能技术（精心设计、积极主动、基于目标和情境的对话）可以产生共鸣并提高积极性。 机器人可以被设计成主动发起对话、记忆和跟进过去的对话，并结合已知的心理学技术来激励慢性病患者改变行为和坚持治疗。生成式人工智能大语言模型（LLMs）（如 ChatGPT 和 GenAug）可以实现更少脚本、更主动的对话，但与此同时也有一定的局限性，那就是许多LLM无法记住过去的对话，也无法区分重要信息和无关信息。 认知和生成人工智能技术可以为社交机器人提供 “大脑”，使其成为理想的伴侣。ChatGPT 的早期实验表明，它可以用来创建与老年人相关的对话行为，机器学习技术可用于理解输入语言的情感，并以同情的方式做出回应，满足人类的情感需求。人工智能驱动的语音合成技术的进步意味着机器人可以像老朋友甚至去世的亲人一样说话。 Luka公司Replika聊天机器人 例如，微软的 VALL-E 只需 3 秒钟的录音就能复制一个说话者，此外许多科技公司正在开发用于陪伴的聊天机器人，如 Luka公司推出的Replika 以及Inflection AI公司推出的Pi。 使用人工智能增强型机器人作为陪伴并非没有争议，人们对欺骗、隐私、伤害和责任等问题表示担忧。同时人们对人工智能的偏见、不准确的信息也相当谨慎。 人工智能研究先驱Geoffrey Hinton最近与AAAI人工智能促进协会现任和前任领导人一起，对潜在的危险发出了警告，他们担心的主要问题是，普通人无法辨别人工智能生成的内容中哪些是真实的，以及未来计算机运行自己编写的代码的可能性。程序员必须确保我们能够在未来控制这些人工智能系统。 尽管存在这些顾虑，但大多数公众在体验机器人伴侣后并不担心伦理问题——最大的顾虑是使用的公平性。此外新的证据表明，医疗专业人员对机器人陪伴服务持积极态度。 2022年12月，经过验证的医生开放社交网络平台Sermo，对来自欧洲和美国的 307 名医生进行了调查。有69%的人同意机器人可以为患有社交孤独的老年人提供陪伴，增强人与人之间互动的影响力，只有16%的人不同意，15%的人表示不确定。70%的受访者同意陪伴机器人可以改善孤独患者的心理健康。受访者认为，主要的局限性在于机器人还不能完全复制人类陪伴的复杂性，因此它们不是“真正的陪伴”。 针对核验医生的开放平台Sermo 这些使用人工智能的公众、学者、医生们所关注的问题，使得我们在使用陪伴型机器人时需要小心谨慎地降低风险。因此，让潜在用户和人工智能专家参与这些对话至关重要。 但值得注意的是，陪伴型机器人不能替代人类护理、接触或抚摸，相反，它们旨在减少孤独感，提高整体健康水平。因此访问的公平性、数据隐私、问责机制、可信内容和系统可控性必须成为优先选项。 这些担忧也提出了一个问题：什么是 “真正的友谊”？对社交机器人的研究实际上可能有助于回答这个问题，因为人们会不自觉地倾向于将机器人拟人化，并赋予它们感情。促进人与人之间社交的因素也可能促进机器人与机器人之间的社交，而机器人为研究这些因素提供了系统的方法。研究已经揭示了机器人的微笑、幽默、自我表达、眼神交流和身体前倾对改善社交关系会产生有利的影响。 可以说，机器人可以适应社交的多因素模型，其好处可能包括积极的互动，避免人类的不耐烦和评判。通过减少孤独感，机器人可以增加安全感，从而减轻压力并改善健康。从归属感来说，频繁而积极互动可以满足人类对联系的基本需求，未来的研究需要对机器人进行评估。结果测量应反映社交模型的组成部分以及健康状况。初步研究表明，机器人在减轻压力和治疗生理指标方面具有良好效果。 机器人社交概念的多因素模型 这里值得注意的是，我们并非建议机器人同伴取代人类同伴，但机器人可以在许多孤独的人所需要的与社会目前提供的之间架起一座桥梁。寻找解决孤独感的创新方法必须成为当务之急。未来的研究不仅可以显示陪伴机器人的优势和风险，还有助于人们重新理解什么是陪伴。 该领域的研究具有重要意义。在陪伴型机器人中使用人工智能可以提高机器人的交流技能和社交能力，增加用户的联系感。在美国，一半以上的成年人都伴有孤独感，这是导致过早死亡和发病的一个独立风险因素，每年给雇主造成...
医疗AI怎么看病
▲图：Ludovic MARIN/视觉中国 研究者正在尝试让AI（人工智能）取代医生与患者对话。 自划时代的人工智能ChatGPT3.5发布以来，业界对此的兴趣只增不减，医疗AI研发你追我赶。上周，来自谷歌公司的研究团队在《自然》杂志发布了一款医疗问诊AI Med-PaLM。面对患者的问题，它的表现不仅打败了已有的医疗AI，且在个别维度上已经很接近临床医学专家。 经过临床医生的评估，Med-PaLM的长篇回答中有92.6%能够与科学共识一致，与临床医生的水平（92.9%）相当。另外，5.9%的Med-PaLM回答被认为对患者有潜在危害，这与临床医生的结果（5.7%）也很接近。 Med-PaLM的检索和推理能力相对弱一些。研究发现，Med-PaLM的回答中有16.9%和10.1%出现了检索失误和推理错误，而人类医生对应的失误率只有3.6%和2.1%。 研究指出，在开发过程中，医疗专业数据库的训练让模型的准确率提高了20%以上。 亿欧董事总经理、亿欧大健康总裁高昂认为，数据质量是开发所有大模型医疗AI的关键。他对财新表示：“可以认为ChatGPT这样的生成式AI，反映的是它理解的数据库的平均水平。要有选择性地给它临床医学上水平最高、质量最好的知识和数据，它才能成为比较优秀的医生。” 本文未完，点击左下角”阅读原文“ 获取完整内容 《乌克兰历史漫游》连载完毕，长按图片可研习乌克兰两千年历史。 特别声明 财新mini由财新传媒出品。财新mini所刊载内容之知识产权为财新传媒及/或相关权利人专属所有或持有。欢迎在朋友圈分享，未经许可，禁止转载、摘编、复制及建立镜像等任何使用。