هوش مصنوعی و تولید تجهیزات پزشکی: چگونه یکی بر دیگری تأثیر می گذارد
ایان بولاند با اشلی راس، مدیر بازرگانی منطقه ای Medtronic صحبت کرد تا در مورد بسیاری از مسائل پیرامون هوش مصنوعی از جمله کیفیت، کاربردهای آن و رابطه بین هوش مصنوعی و سازندگان سخت افزار دستگاه های پزشکی بحث کند.
هوش مصنوعی به عنوان ابزاری مطرح شده است که می تواند بسیاری از مسائل را حل کند، اما کارهای زیادی برای توسعه آن انجام می شود. راس گفتگوی ما را با توضیح اینکه هوش مصنوعی و مراقبت های بهداشتی با هم تکامل خواهند یافت، آغاز کرد و گفت که علیرغم اینکه بسیاری به آن به عنوان یک گلوله نقره ای نگاه می کنند که می تواند همه مشکلات این بخش را حل کند، هنوز در مراحل ابتدایی خود است.
“هوش مصنوعی با یادگیری موثرتر از کار در بخش مراقبت های بهداشتی سازگار خواهد شد. از دیدگاه مراقبت های بهداشتی، زمانی که به قوانین، قوانین، مقررات و یا حتی راحت شدن با آن فکر می کنید، فقط به مدیریت داده ها و کاری که با داده ها می کند عادت می کنید. چیزی که ما بهعنوان یک شرکت متوجه میشویم این است که برخی افراد کاملاً این مفهوم را دوست دارند و برای اجرای آن آماده هستند و سایر افراد به درستی نسبت به آن محتاط هستند و میبینند که چگونه دنیای آنها تغییر میکند.»
از آنجایی که نفوذ هوش مصنوعی همچنان در حال افزایش است، به طور اجتناب ناپذیری بر آنچه تولیدکنندگان دستگاه های پزشکی – از جمله آنهایی که قبل از وجود آن نوآوری هایی را توسعه داده بودند – باید در هنگام توسعه دستگاه های فیزیکی و همچنین ملاحظات مربوط به امنیت داده ها، همراه با فناوری در نظر بگیرند، وجود دارد. برای اطمینان از به روز رسانی دستگاه ها
اشلی راس به Reveal LINQ و LINQ II Medtronic، سیستمهای مانیتورینگ قلب قابل کاشت، که در زیر پوست استفاده میشوند، اشاره میکند، وقتی توضیح میدهد که چگونه سختافزار و نرمافزار میتوانند برای تحقق کامل پتانسیلهای خود همگرا شوند.
ما از لحاظ تاریخی یک شرکت سخت افزاری هستیم، اما هوش مصنوعی را وارد می کنیم.
Reveal LINQ در 20 سال اخیر در یک یا آن تکرار وجود داشته است، و روشی که ما در آن تکرار کردهایم این است، بله، بیایید سختافزار را به روشی که اکنون سختافزار طراحی میشود بهبود ببخشیم. از نرم افزار، به ویژه از هوش مصنوعی. بنابراین، چیزها را به مدیریت دادههای مبتنی بر ابر منتقل میکند، که پس از آن به این معنی است که میتوانیم بهروزرسانیهایی را برای فناوری ارائه کنیم – مانند اینکه شما یک بهروزرسانی نرمافزاری را در تلفن خود انجام دهید.
ما می توانیم عملکرد دستگاه خود را فقط با تقویت هوش مصنوعی در پشت آن تغییر دهیم. بنابراین، ما یک شرکت سخت افزاری هستیم که مزایای هوش مصنوعی را برای سرعت بخشیدن به توسعه نحوه استفاده از آن دستگاه می بینیم.
راس می افزاید که این بستگی به استراتژی سازنده از نظر اینکه پیشرفت هوش مصنوعی برای آینده دستگاه های سخت افزاری چه معنایی دارد، و همچنین اینکه توسعه دهندگان تجهیزات پزشکی می خواهند با هوش مصنوعی در اختیارشان چه کنند، دارد.
ما از رویکردی استفاده میکنیم که سختافزار به ما توانایی بهروزرسانی مؤثر هوش مصنوعی یا نرمافزار را در یک ابر بر اساس پسبک خودمان میدهد. ما هرگز ارتباط دو طرفه با دستگاه نداشتیم و آنها از نظر فیزیکی مجبور بودند بیمار را به کلینیک برگردانند تا سخت افزار را به روز کنند.
سرعت تکامل هوش مصنوعی نیز سریعتر از آنچه ما سختافزار را توسعه دادهایم به دلیل سرعت یادگیری و چیزهایی که میتواند تشخیص دهد، خواهد بود.
آیا سخت افزار و زیرساخت اطراف سخت افزار طوری طراحی شده است که بتواند از آن پشتیبانی کند؟ آیا به عنوان یک سازمان، آیا میتوانیم با نیروی انسانی مناسب، اجرای آن را در سیستمهای مختلف مراقبتهای بهداشتی بیان و پشتیبانی کنیم؟ راههای زیادی وجود دارد که میتوان درباره چگونگی توسعه استراتژی سختافزاری و حتی طرحهای تجاری و ساختارهای سازمانی پیرامون آن فکر کرد.»
با توجه به تلاش شرکتها برای یافتن راههایی برای ارائه تصویری پایدارتر، راس میگوید که پتانسیل هوش مصنوعی در دستور کار پایداری بسیار زیاد است، زیرا دستگاههای فیزیکی طولانیتر دوام میآورند زیرا بهروزرسانیهای آنها به این معنی است که نیاز کمتری به دفع قطعات وجود دارد، در حالی که اجازه میدهد دستگاههای فیزیکی دوام بیشتری داشته باشند. این شرکت از فرصتهای دیگر در فضا استفاده کند.
این زمانی است که شما شروع به فکر کردن در مورد خطوط تولید و همه چیزهای بعدی می کنید. اگر به نقطهای برسیم که میخواهیم به جنبه تشخیصی برسیم، جایی که تقریباً یک کیت اولیه دارید که در حال توسعه آن هستید. بنابراین، کمی سختافزار پایه، پس از آن که هوش مصنوعی توسعه مییابد، به ما این امکان را میدهد که به حوزهها، نه فقط تشخیص، بلکه به سمت مدیریت وضعیت بیماری و شروع به درک مورفولوژی آثار ECG و آنچه در آن ردپای زیربنایی میبینیم، حرکت کنیم. ”
محور موفقیت هوش مصنوعی، چه از نظر تجاری باشد و چه به NHS در مقابله با عقب ماندگی های قابل توجه کمک می کند، هوش مصنوعی با کیفیت خوب است – پس چگونه تعریف می شود؟ اشلی راس خلاصه می کند و می گوید بستگی دارد بر چه چیزی آموزش داده می شود.
برای آخرین تکرار ما از AI و Reveal LINQ یا LINQ II، میلیونها ردیابی ECG منحصر به فرد وجود دارد. میلیونها نوع مختلف آریتمی را پشت سر گذاشته است که میتواند ظاهر شود و از پشت آن آموخته شده و سپس تأیید شده است. اما پس از آن نیز متوقف می شود. بنابراین، یادگیری متوقف می شود، بنابراین در یک نقطه خاص برگزار می شود.
“به خوبی کار می کند. مصمم است که به خوبی کار کند، و ما می توانیم به آن اعتماد کنیم زیرا انواع مختلفی را دیده است. و برای ما، این کیفیت خوب است. حجم بالایی از داده ها، اعتبارسنجی دقیق است و یادگیری آن متوقف شده است، بنابراین شروع به یادگیری عادت های بد نمی کند.
قهرمانان هوش مصنوعی اغلب گفتهاند که این میتواند راهی برای رسیدگی به نابرابریهای مراقبتهای بهداشتی باشد، بنابراین چگونه هوش مصنوعی به اصلاح تعادل کمک میکند؟
اشلی راس در پایان میگوید: «این به ما این امکان را میدهد که بهطور مؤثر کیت را بهصورت رایگان بهروزرسانی کنیم. وقتی ما AI یا تکرارهای AI را به فناوری خود می آوریم، اکنون به طور خودکار می آید. لزوماً هزینه ای در ارتباط با آن وجود ندارد.
“این به بیمارستانی که در حال حاضر از کیت ما استفاده می کند اجازه می دهد تا از هوش مصنوعی و تکرارهای آینده هوش مصنوعی بهره مند شود. این هزینه خنثی است و اگر در درازمدت چیزی باشد، باید ما را مقرون به صرفهتر کند، که پس از آن بر سیستم مراقبتهای بهداشتی ما تأثیر خواهد گذاشت. بنابراین، من آن را این گونه می بینم.
«جنبه دیگر حجم است. یکی از بزرگترین چالش ها در حال حاضر لیست های انتظار و توانایی کارکنان برای تفسیر داده ها و سپس کار با داده ها است.
هوش مصنوعی این پتانسیل را دارد که تشخیص و تفسیر دادهها را به شدت تسریع کند. به این معنی که تعداد بیشتری از بیماران می توانند از طریق سیستم مراقبت های بهداشتی با هزینه ای مشابه با آنچه که سیستم مراقبت های بهداشتی در حال حاضر با آن کار می کند، حرکت کنند. این کمی سطحتر است.»
لینک کوتاه مقاله : https://5ia.ir/KaiQAr
کوتاه کننده لینک
کد QR :
آخرین دیدگاهها