欧美日韩亚洲欧美日韩亚洲,国产三级在线观看播放视频视频,亚洲观看一区二区三区,少妇人妻人人爽人人爽快

張超：醫(yī)療大腦是個比較籠統(tǒng)的稱呼，簡單來說是一種知識庫，加上基于此的邏輯推理和計算。它可以泛指醫(yī)療從業(yè)人員的智慧總和。具體點說，它具備診斷、治療的能力，可以獨立提供用藥輔助、分診導診、健康咨詢等服務，也可以高質量的輔助醫(yī)療從業(yè)人員完成某項工作。

對我們的醫(yī)療大腦來講，患者醫(yī)療健康行為需要的能力、所有醫(yī)生行醫(yī)過程中的知識輔助能力我們都會著力去構建打造。

雷鋒網(wǎng)：相比百度的醫(yī)療大腦和IBM ，康夫子的特別和區(qū)別是什么？

IBM 目前重點在腫瘤領域針對醫(yī)生提供輔助決策功能。區(qū)別是，我們：

1. 現(xiàn)階段重點是針對常見的3000種病進行建模；

2. 在服務對象方面，除了輔助醫(yī)生，患者輔助教育也是我們重要的服務對象；

3. 在醫(yī)生層面，我們的醫(yī)療大腦又分為基層全科醫(yī)生和大醫(yī)院?？漆t(yī)生。

我們和的場景和方法不太一樣，它大的框架是問答、搜索的框架，同時融入了多種（ 如 知識圖譜）。我們整個醫(yī)療決策系統(tǒng)是基于知識圖譜做推理。技術上講，對腫瘤這樣的疑難雜癥，診斷用的維度非常高，但常見病的維度沒那么高。這兩個方面帶來的挑戰(zhàn)不一樣，我們是從常見病入手，把服務的范圍也會擴大。

我們的醫(yī)療大腦和百度醫(yī)療大腦在某些方面有著相同之處，都致力于輔助網(wǎng)民提供醫(yī)療信息服務。差別是：

1. 在數(shù)據(jù)維度，百度醫(yī)療大腦數(shù)據(jù)來自百度醫(yī)生APP上醫(yī)患之間交流數(shù)據(jù)；我們的醫(yī)療大腦定位在醫(yī)療級產(chǎn)品，知識圖譜構建數(shù)據(jù)來自權威的醫(yī)療文獻和電子病歷數(shù)據(jù)。

2. 在做事的路徑上，也存在著很多不同，我們作為一家初創(chuàng)型公司，會選擇更適合其發(fā)展的路徑。

雷鋒網(wǎng)：目前國內(nèi)做智能診斷的現(xiàn)狀是怎么樣的？

從時間上分，有傳統(tǒng)派和新興派。傳統(tǒng)派是指類似決策樹專家系統(tǒng)醫(yī)療智能問答，知識庫依靠專家構建，診斷邏輯也基于專家書寫的等等。新興派是指利用AI技術，利用計算機從海量文獻數(shù)據(jù)中構建知識圖譜，并根據(jù)歷史經(jīng)驗自動學習診斷邏輯。

從類型上分，有基于文本從癥狀、化驗入手做智能診斷的，也有基于圖像從CT圖片入手做智能診斷的。

傳統(tǒng)派的診斷系統(tǒng)，受限于知識庫的規(guī)模和復雜的醫(yī)學邏輯表示，疾病的覆蓋率和診斷的準確率都不夠高。新興派在這塊整體上要好于傳統(tǒng)派，但由于研發(fā)時間短，目前仍無法達到可用狀態(tài)。

整體上智能診斷還處于初期，目前沒有可以實現(xiàn)大規(guī)模商用。

雷鋒網(wǎng)：智能診斷最重要的技術挑戰(zhàn)又是哪些？非技術上的挑戰(zhàn)呢？

技術上，我們現(xiàn)階段認為智能診斷的底層核心是知識圖譜，診斷的過程是基于知識圖譜實現(xiàn)的推理過程。知識圖譜的規(guī)模從根本上決定了智能診斷的瓶頸。另外就是應用上的挑戰(zhàn)，智能診斷不管服務誰，在應用場景上有很大的差別，要有針對性地提升效果。

在非技術上，重點要讓老百姓及醫(yī)療機構認可或理解這套診斷邏輯。

雷鋒網(wǎng)：做好智能診斷的標準主要是哪些？應該包括哪些主要內(nèi)容？

籠統(tǒng)地說，好的標準要靠效果說話，也就是說：

診斷的準確率要高；

整體過程可解釋、可干預，可以讓醫(yī)生等專業(yè)人士隨時干預；

可以輸入多種類型數(shù)據(jù)(除了癥狀，還有用藥史、化驗檢查、誘因、遺傳史、個人史等等)；

另外不同服務對象的診斷系統(tǒng)標準也是不一樣的，比如，如果智能診斷是用來服務醫(yī)生，除了核心診斷能力，還需能結合醫(yī)生所在醫(yī)院科室的醫(yī)療習慣。

如果智能診斷用來服務患者：

1. 需要做患者語言理解，因為患者描述的語言和醫(yī)學語言有著較大的差異；

2. 要像醫(yī)生那樣思考，同患者交互，獲取對診斷有益的數(shù)據(jù)。

雷鋒網(wǎng)：對你們來說，做智能診斷，數(shù)據(jù)來源和獲取方式有哪些？

對康夫子來講，數(shù)據(jù)主要來自如下三大方面：

權威的醫(yī)學文獻，如：醫(yī)學數(shù)據(jù)、診療指南、以及相關論文；

病歷數(shù)據(jù)；

互聯(lián)網(wǎng)獲取科普資訊、醫(yī)患問答數(shù)據(jù)等。

前兩部分數(shù)據(jù)用來構建知識圖譜，訓練診斷邏輯?；ヂ?lián)網(wǎng)數(shù)據(jù)主要用來做患者語言理解，患者可能會有一些不標準的描述，比如“感覺身體被掏空”，這些詞在醫(yī)學上沒有對應的匹配，需要計算去理解。

雷鋒網(wǎng)：有的醫(yī)學文獻，經(jīng)驗證是與事實存在偏倚的，有的甚至是錯誤的，這個問題怎么看？

錯誤是肯定有的，但我們在整個過程中要想辦法降低并消除這種錯誤。大概有如下思路：

1. 相信更新知識，相信更權威的知識；

2. 因為知識是通過知識圖譜表現(xiàn)出來的，所以，可以針對知識圖譜進行一些推理計算，及早發(fā)現(xiàn)某些矛盾，進而安排人工審核校對；