IBM Watson Health - IBM Watson Health

Uluslararası İş Makineleri Şirketi
halka açık
İşlem gören
İÇİNDEUS4592001014
SanayiBulut bilişim
Yapay zeka
Bilgisayar donanımı
Bilgisayar yazılımı
SelefBundy Üretim Şirketi
Amerika Hesaplama Ölçek Şirketi
Uluslararası Zaman Kayıt Şirketi
Tablolama Makinesi Şirketi
Kurulmuş16 Haziran 1911; 109 yıl önce (1911-06-16) (gibi Hesaplama-Tablolama-Kayıt Şirketi )
Endicott, New York, ABD[1]
Kurucular
Merkez,
hizmet alanı
177 ülke[2]
Kilit kişiler
Ginni Rometty
(Başkan, Başkan ve CEO)
Ürün:% sIBM ürünlerini görün
Hizmetler
gelirArtırmakABD$79,59 milyar (2018)[3]
Artırmak ABD$13,21 milyar (2018)[3]
Artırmak ABD$8,72 milyar (2018)[3]
Toplam varlıklarAzaltmak ABD$123,38 milyar (2018)[3]
Toplam öz sermayeAzaltmak ABD$16,79 milyar (2018)[3]
Çalışan Sayısı
350,600 (2018)[4]
İnternet sitesiwww.ibm.com

IBM Watson Health, International Business Machines Corporation'ın bir bölümüdür (IBM ), bir Amerikan çok uluslu Bilişim teknolojisi şirket merkezi Armonk, New York. Müşterilerin tıbbi araştırma, klinik araştırma ve sağlık hizmeti çözümlerini kolaylaştırmasına yardımcı olur[moda sözcük ]yapay zeka, veri, analitik, bulut bilişim ve diğer gelişmiş bilgi teknolojilerinin kullanımıyla.

IBM, 1911'de başladı, Endicott, New York olarak Hesaplama-Tablolama-Kayıt Şirketi (CTR) olarak değiştirildi ve 1924'te "Uluslararası İş Makineleri" olarak yeniden adlandırıldı. IBM, New York'ta kuruldu.[5]

IBM bilgisayar üretir ve satar donanım, ara yazılım ve yazılım ve sağlar barındırma ve danışmanlık servisleri değişen alanlarda ana bilgisayar bilgisayarlar -e nanoteknoloji. IBM, aynı zamanda, çoğu ABD için rekoru elinde tutan büyük bir araştırma kuruluşudur patentler bir işletme tarafından oluşturulmuştur (2019 itibariyle) 26 yıl üst üste.[6] IBM tarafından icatlar şunları içerir: otomatik vezne makinesi (ATM), disket, Sabit disk sürücüsü, manyetik şeritli kart, ilişkisel veritabanı, SQL programlama dili, UPC barkodu, ve Dinamik Rasgele Erişim Belleği (DRAM). IBM ana bilgisayar ile örneklenen Sistem / 360, 1960'lar ve 1970'ler boyunca baskın bilgi işlem platformuydu.

Gelişmeler

Sağlık hizmetlerinde Watson'ın doğal dili, hipotez üretimi ve kanıta dayalı öğrenme yetenekleri, Watson'ın nasıl katkıda bulunabileceğini görmek için araştırılıyor. klinik karar destek sistemleri ve artış sağlık hizmetlerinde yapay zeka tıp uzmanları tarafından kullanım için.[7] Hekimlere hastalarının tedavisinde yardımcı olmak için, bir doktor semptomları ve diğer ilgili faktörleri açıklayan sisteme bir sorgu sorduğunda, Watson önce en önemli bilgi parçalarını tanımlamak için girdiyi ayrıştırır; daha sonra hastanın tıbbi ve kalıtsal geçmişiyle ilgili gerçekleri bulmak için hasta verilerini araştırır; daha sonra hipotezleri oluşturmak ve test etmek için mevcut veri kaynaklarını inceler;[7] ve son olarak, kişiselleştirilmiş, güven puanlı önerilerin bir listesini sağlar.[8] Watson'ın analiz için kullandığı veri kaynakları arasında tedavi kılavuzları, elektronik tıbbi kayıt verileri, sağlık hizmeti sağlayıcılarından notlar, araştırma materyalleri, klinik çalışmalar, dergi makaleleri ve hasta bilgileri yer alabilir.[7] Bir "teşhis ve tedavi danışmanı" olarak geliştirilip pazarlanmasına rağmen, Watson hiçbir zaman tıbbi teşhis sürecine dahil olmadı, sadece daha önceden teşhis edilmiş hastalar için tedavi seçeneklerini belirlemeye yardımcı oldu.[9]

Şubat 2011'de IBM'in ortak olacağı açıklandı Nuance Communications Watson'ın klinik karar destek yeteneklerinden yararlanmak üzere tasarlanmış, önümüzdeki 18 ila 24 ay boyunca ticari bir ürün geliştirecek bir araştırma projesi için. Doktorlar Kolombiya Üniversitesi sistemin teknolojisinin katkıda bulunabileceği tıp pratiğinde kritik konuların belirlenmesine yardımcı olur ve Maryland Üniversitesi Watson gibi bir teknolojinin maksimum yardımı sağlamak için tıp pratisyenleri ile etkileşime girmesinin en iyi yolunu belirlemeye çalışacaktı.[10]

Eylül 2011'de IBM ve WellPoint (şimdi Marş ) doktorlara tedavi seçenekleri önermeye yardımcı olmak için Watson'ın veri hesaplama özelliğini kullanmak için bir ortaklık duyurdu.[11] Ardından, Şubat 2013'te IBM ve WellPoint, Watson'a ilk ticari uygulamasını verdi. kullanım yönetimi kararlar akciğer kanseri tedavi Memorial Sloan – Kettering Kanser Merkezi.[12]

IBM ile bir ortaklık duyurdu Cleveland Clinic Şirket Watson'ı Cleveland Clinic Lerner Tıp Koleji'ne gönderdi. Case Western Rezerv Üniversitesi, sağlık uzmanlığını artıracak ve tıp uzmanlarına hastaların tedavisinde yardımcı olacak. Tıbbi tesis, tedavi sürecinin hızlanmasına ve doğruluğunun artırılmasına yardımcı olmak için Watson'ın büyük miktarda bilgiyi saklama ve işleme yeteneğinden yararlanacak. Cleveland Clinic baş bilişim sorumlusu C. Martin Harris, "Cleveland Clinic'in IBM ile işbirliği heyecan verici çünkü bize Watson'a onu tıpta güçlü bir araç haline getirme potansiyeline sahip şekillerde 'düşünmeyi' öğretme fırsatı sunuyor", dedi. Klinik.[13]

2013 yılında IBM ve MD Anderson Kanser Merkezi merkezin "kanseri ortadan kaldırma misyonunu" ilerletmek için bir pilot program başlattı.[14][15] Ancak 62 milyon dolar harcadıktan sonra proje hedeflerine ulaşamadı ve durduruldu.[16]

8 Şubat 2013'te IBM, New York'taki Maine Center for Cancer Medicine ve Westmed Medical Group'taki onkologların akciğer kanseri tedavisi için Watson süper bilgisayar sistemini test etmeye başladığını duyurdu.[17]

29 Temmuz 2016'da IBM ve Manipal Hastaneleri[18]"Manipal Hastaneler | Onkoloji için Watson | Kanser Tedavisi". watsononcology.manipalhospitals.com. Alındı 17 Ocak 2017.</ref>[19][20] (Hindistan'ın önde gelen hastane zinciri) kanser hastaları için IBM Watson for Oncology'nin piyasaya sürüldüğünü duyurdu. Bu ürün, kişiselleştirilmiş, kanıta dayalı kanser bakımı seçeneklerini belirlemelerine yardımcı olmak için doktorlara ve kanser hastalarına bilgi ve içgörü sağlar. Manipal Hastaneleri ikinci hastanedir[21] Dünyada bu teknolojiyi benimseyen ve dünyada ilk olarak hastalara web siteleri aracılığıyla uzman ikinci görüş olarak çevrimiçi sunmak.[22][23] Manipal, bu sözleşmeyi Aralık 2018'de durdurdu.

7 Ocak 2017'de IBM ve Fukoku Mutual Life Insurance, IBM ile IBM Watson Explorer AI aracılığıyla tazminat ödemelerine analiz sağlamak için bir sözleşme imzaladı, bu 34 işin kaybedilmesine neden oldu ve şirket tazminat ödeme analizini hızlandıracağını söyledi iddiaları ve tıbbi kayıtları analiz ederek ve üretkenliği% 30 oranında artırarak. Şirket ayrıca işletme maliyetlerinde 140 milyon Yen tasarruf sağlayacağını söyledi.[24]

IBM Watson'ın sağlık alanında devrim yaratacak 1000 kanser uzmanının bilgi tabanını taşıyacağı söyleniyor. IBM, yıkıcı bir yenilik olarak görülüyor. Bununla birlikte, onkoloji akışı hala başlangıç ​​aşamasındadır.[25]

Sağlık alanındaki birçok girişim, çözüm almak için yedi iş modeli arketipini etkili bir şekilde kullanıyor.[moda sözcük ] IBM Watson tabanlı pazara. Bu arketipler, hedef kullanıcı için üretilen değere (örn. Hasta odaklılığa karşı sağlık hizmeti sağlayıcısı ve ödeme yapan odağına) ve değer yakalama mekanizmalarına (örn. Bilgi sağlama veya paydaşları bağlama) bağlıdır.[26]

2019'da Eliza Strickland "Watson Health hikayesini [...] uyarıcı bir kibir ve heyecan hikayesi" olarak adlandırıyor ve durumlarıyla birlikte "projelerin temsili bir örneğini" sunuyor.[27]

Sektörle ilgili hususlar ve zorluklar

Büyük tabanlı sağlık şirketlerinin diğer sağlık şirketleriyle birleşmesinin müteakip nedeni, daha fazla sağlık verilerine erişilebilirlik sağlar.[28] Daha fazla sağlık verileri, AI algoritmalarının daha fazla uygulanmasına izin verebilir.[29]

Sağlık sektöründe AI uygulamasının endüstri odağının büyük bir kısmı, klinik karar destek sistemleri.[30] Veri miktarı arttıkça, AI karar destek sistemleri daha verimli hale gelir. Çok sayıda şirket, birleşme olanaklarını araştırmaktadır. Büyük veri sağlık sektöründe.[31]

IBM'in Watson Onkoloji gelişmekte Memorial Sloan Kettering Kanser Merkezi ve Cleveland Clinic.[32] IBM ayrıca CVS Sağlık kronik hastalık tedavisinde AI uygulamaları ve Johnson ve Johnson ilaç geliştirme için yeni bağlantılar bulmak için bilimsel makalelerin analizi üzerine.[33] Mayıs 2017'de IBM ve Rensselaer Politeknik Enstitüsü Sağlık hizmetlerini geliştirmek için yapay zeka teknolojisini kullanmayı keşfetmek için Analitik, Öğrenme ve Anlambilim (HEALS) ile Sağlık Güçlendirmesi adlı ortak bir proje başlattı.[34]

Sağlık hizmetlerinde kullanılmak üzere AI algoritmalarına katkıda bulunan diğer bazı büyük şirketler şunları içerir:

Microsoft

Microsoft ortaklığı ile Hanover projesi Oregon Sağlık ve Bilim Üniversitesi Knight Cancer Institute, en etkili olanı tahmin etmek için tıbbi araştırmaları analiz eder. kanser hastalar için ilaç tedavi seçenekleri.[35] Diğer projeler, tümör ilerlemesinin tıbbi görüntü analizini ve programlanabilir hücrelerin gelişimini içerir.[36]

Google

Google 's Derin Düşünce platformu İngiltere tarafından kullanılıyor Ulusal Sağlık Servisi bir mobil uygulama aracılığıyla toplanan veriler aracılığıyla belirli sağlık risklerini tespit etmek.[37] NHS ile ikinci bir proje, kanserli dokuları tespit etmek için bilgisayarla görme algoritmaları geliştirmek için NHS hastalarından toplanan tıbbi görüntülerin analizini içerir.[38]

Intel

Intel'in risk sermayesi kolu Intel Başkenti yakın zamanda risk altındaki hastaları belirlemek ve bakım seçeneklerini geliştirmek için AI kullanan startup Lumiata'ya yatırım yaptı.[39]

Yapay zeka sağlık hizmetlerinde kullanımı karmaşık algoritmalar ve yazılım insanı taklit etmek biliş karmaşık tıbbi verilerin analizinde. Özellikle, AI, bilgisayar algoritmalarının doğrudan insan girişi olmadan sonuçları yaklaşık olarak tahmin etme yeteneğidir.

Yapay zeka teknolojisini sağlık hizmetlerinde geleneksel teknolojilerden ayıran şey, bilgi edinme, işleme ve son kullanıcıya iyi tanımlanmış bir çıktı verme yeteneğidir. AI bunu şu şekilde yapar makine öğrenme algoritmalar. Bu algoritmalar davranış kalıplarını tanıyabilir ve kendi mantığını yaratabilir. Hata payını azaltmak için AI algoritmalarının tekrar tekrar test edilmesi gerekir. Yapay zeka algoritmaları iki şekilde insanlardan farklı davranır: (1) algoritmalar gerçek: bir hedef belirlerseniz, algoritma kendini ayarlayamaz ve yalnızca açıkça anlatılanları anlar (2) ve algoritmalar kara kutular; algoritmalar son derece kesin öngörüde bulunabilir, ancak nedenini veya nedenini tahmin edemez.[40]

Sağlıkla ilgili AI uygulamalarının birincil amacı, önleme veya tedavi teknikleri ile hasta sonuçları arasındaki ilişkileri analiz etmektir.[41] AI programları geliştirildi ve aşağıdaki uygulamalara uygulandı: Teşhis süreçler, tedavi protokolü geliştirme, ilaç geliştirme, kişiselleştirilmiş ilaç, ve hasta izleme ve bakım. Gibi tıbbi kurumlar Mayo Kliniği, Memorial Sloan Kettering Kanser Merkezi,[42][43] ve Ulusal Sağlık Servisi,[44] departmanları için AI algoritmaları geliştirdiler. Gibi büyük teknoloji şirketleri IBM[45] ve Google,[44] ve Welltok gibi girişimler ve Ayasdi,[46] ayrıca sağlık hizmetleri için AI algoritmaları geliştirdi. Ek olarak, hastaneler yapay zeka çözümleri arıyor[moda sözcük ] maliyet tasarrufunu artıran, hasta memnuniyetini artıran ve personel ve iş gücü ihtiyaçlarını karşılayan operasyonel girişimleri desteklemek.[47] Şirketler gelişiyor tahmine dayalı analitik çözümler[moda sözcük ] Bu yardımcı olur sağlık yöneticileri kullanımı artırarak, hasta yatılı sayısını azaltarak, kalış süresini kısaltarak ve optimize etme Personel düzeyleri.[48]

Aşağıdaki tıbbi alanlar yapay zeka araştırmalarına ilgi duymaktadır:

Radyoloji

Görüntüleme sonuçlarını radyoloji ile yorumlama yeteneği, klinisyenlerin bir görüntüde bir klinisyenin kazara gözden kaçırabileceği küçük bir değişikliği tespit etmesine yardımcı olabilir. Bir çalışma Stanford Bu deneyde yer alan radyologlardan daha iyi bir ortalama F1 ölçüsü (doğruluk ve geri çağırmaya dayalı istatistiksel bir ölçüt) ile dahil olan hastalarda bu spesifik bölgede pnömoniyi tespit edebilecek bir algoritma yarattı.[49] Radyoloji konferansı Kuzey Amerika Radyoloji Derneği yıllık toplantısında görüntülemede yapay zeka üzerine sunumlar gerçekleştirdi. Yapay zeka teknolojisinin radyolojide ortaya çıkışı, bazı uzmanlar tarafından bir tehdit olarak algılanıyor, çünkü teknoloji, uzmanların aksine, izole durumlarda belirli istatistiksel ölçümlerde iyileştirmeler sağlayabiliyor.[50][51]

Görüntüleme

Son gelişmeler, yapay zekanın sonucunu tanımlamak ve değerlendirmek için kullanılmasını önermiştir. Maksillofasiyal cerrahi veya değerlendirmesi yarık dudak yüz çekiciliği veya yaş görünümü ile ilgili terapi.[52][53]

2018 yılında dergide yayınlanan bir makale Onkoloji Yıllıkları cilt kanserinin bir yapay zeka sistemi (derin öğrenme evrişimli sinir ağı kullanan) tarafından daha doğru tespit edilebileceğinden bahsetti. dermatologlar. Ortalama olarak, insan dermatologları cilt kanserlerinin% 86.6'sını görüntülerden doğru bir şekilde tespit ederken, CNN makinesinin% 95'i.[54]

Hastalık Teşhisi

Dışarıda birçok hastalık var ama aynı zamanda yapay zekanın onları verimli ve doğru bir şekilde teşhis etmek için kullanıldığı birçok yol var. Diyabet ve Kardiyovasküler Hastalık (KVH) gibi en kötü şöhretli hastalıklardan bazıları, her ikisi de dünya çapında ölüm nedenleri arasında ilk on içinde yer almaktadır, doğru tanı konulmasına yardımcı olmak için yapılan birçok araştırma / testin arkasındaki temel olmuştur. Bu hastalıklarla ilişkili bu kadar yüksek bir ölüm oranı nedeniyle, doğru tanı konulmasına yardımcı olmak için çeşitli yöntemleri entegre etme çabaları olmuştur '.

Jiang ve diğerleri tarafından bir makale (2017)[55] çeşitli farklı hastalıklar için kullanılan çok sayıda farklı AI tekniği olduğunu gösterdi. Jiang ve diğerleri tarafından tartışılan bu tekniklerden bazıları şunları içerir: Destek vektör makineleri, sinir ağları, Karar ağaçları ve çok daha fazlası. Bu tekniklerin her biri bir "eğitim hedefi" olarak tanımlanır, bu nedenle "sınıflandırmalar sonuçlarla mümkün olduğunca hemfikir ...".[55]

Hastalık teşhisi / sınıflandırması için bazı özellikleri göstermek için, bu hastalıkların sınıflandırılmasında kullanılan iki farklı teknik vardır: “Yapay Sinir Ağları (YSA) ve Bayes Ağları (BN)”.[56] 2008-2017 dönemi içinde birden çok farklı makalenin incelemesinden[56] içlerinde iki teknikten hangisinin daha iyi olduğunu gözlemlediler. Ortaya çıkan sonuç, "bu hastalıkların erken sınıflandırmasının Yapay Sinir Ağı ve Bayes Ağı gibi makine öğrenimi modelleri geliştirilerek başarılabileceği" idi. Başka bir sonuç Alic, et al (2017)[56] iki YSA ve BN arasında YSA'nın daha iyi olduğunu ve diyabeti / KVH'yi ortalama bir doğrulukla “her iki durumda da (diyabet için 87.29 ve KVH için 89.38) daha doğru bir şekilde sınıflandırabildiğini çizebildi.

Telehealth

Artış Teletıp, olası AI uygulamalarının yükselişini göstermiştir.[57] AI kullanarak hastaları izleme yeteneği, olası hastalık aktivitesi meydana gelmişse, hekimlere bilgi iletişimine izin verebilir.[58] Giyilebilir bir cihaz, bir hastanın sürekli izlenmesine ve ayrıca insanlar tarafından daha az ayırt edilebilen değişiklikleri fark etme yeteneğine de izin verebilir.

Elektronik sağlık kayıtları

Elektronik sağlık kayıtları, sağlık sektörünün dijitalleşmesi ve bilginin yayılması için çok önemlidir. Bununla birlikte, tüm bu verilerin günlüğe kaydedilmesi, bilişsel aşırı yüklenme ve kullanıcılar için tükenmişlik gibi kendi sorunlarıyla birlikte gelir. EHR geliştiricileri artık sürecin çoğunu otomatikleştiriyor ve hatta bu süreci iyileştirmek için doğal dil işleme (NLP) araçlarını kullanmaya başlıyor. Centerstone araştırma enstitüsü tarafından yürütülen bir çalışmada, EHR verilerinin öngörücü modellemesinin, başlangıçta bireyselleştirilmiş tedavi yanıtını tahmin etmede% 70-72 doğruluk elde ettiği bulundu.[kaynak belirtilmeli ] Yani, EHR verilerini tarayan bir AI aracı kullanarak, bir kişide hastalığın seyrini oldukça doğru bir şekilde tahmin edebilir.

İlaç etkileşimleri

İyileştirmeler Doğal Dil İşleme tespit etmek için algoritmaların geliştirilmesine yol açtı ilaç-ilaç etkileşimleri tıp literatüründe.[59][60][61][62] İlaç-ilaç etkileşimleri, aynı anda birden fazla ilaç alan kişiler için tehdit oluşturmaktadır ve alınan ilaç sayısı arttıkça tehlike de artmaktadır.[63] Bilinen veya şüphelenilen tüm ilaç-ilaç etkileşimlerini izlemenin zorluğunu gidermek için, etkileşen ilaçlar ve bunların olası etkileri hakkında tıbbi literatürden bilgi çıkarmak için makine öğrenimi algoritmaları oluşturulmuştur. Çabalar, 2013 yılında DDIExtraction Challenge'da pekiştirildi. Carlos III Üniversitesi bu tür algoritmalar için standartlaştırılmış bir test oluşturmak için ilaç-ilaç etkileşimleri üzerine bir literatür derlemesi oluşturdu.[64] Yarışmacılar, metinden hangi ilaçların etkileşime girdiği ve etkileşimlerinin özelliklerinin neler olduğunu doğru bir şekilde belirleme yetenekleri açısından test edildi.[65] Araştırmacılar, algoritmalarının etkililiğinin ölçüsünü standartlaştırmak için bu külliyatı kullanmaya devam ediyor.[59][60][62]

Diğer algoritmalar, özellikle elektronik sağlık kayıtları ve / veya advers olay raporları gibi kullanıcı tarafından oluşturulan içerikteki kalıplardan uyuşturucu-ilaç etkileşimlerini tanımlar.[60][61] Gibi kuruluşlar FDA Advers Olay Raporlama Sistemi (FAERS) ve Dünya Sağlık Örgütü'nün VigiBase doktorların ilaçlara olası olumsuz reaksiyonları rapor etmesine izin verin. Bu raporları ayrıştırmak ve ilaç-ilaç etkileşimlerini ima eden kalıpları tespit etmek için derin öğrenme algoritmaları geliştirilmiştir.[66]

Ayrıca bakınız

Referanslar

  1. ^ "Computing-Tabulating-Recording-Co Kuruluş Sertifikası", Patentler Komitesi Önündeki Duruşmalara Ek, Temsilciler Meclisi, Yetmiş Dördüncü Kongre, H. R. 4523, Kısım III, Amerika Birleşik Devletleri Hükümeti Baskı Dairesi, 1935 [16 Haziran 1911'de dosyalanmış şirket belgeleri]
  2. ^ "IBM, Yıllık Performans İncelemesini Hızlandırıyor". Servet. Şubat 1, 2016. Alındı 22 Temmuz, 2016.
  3. ^ a b c d e "IBM Corporation Financials Statements" (PDF). IBM.
  4. ^ "2018 IBM Yıllık Raporu" (PDF). IBM.com.
  5. ^ "10-K". 10-K. Alındı 1 Haziran, 2019.
  6. ^ "IBM, Rekor Yılla Çeyrek Yüzyıldan Fazla Patent Liderliğini İşaretliyor". IBM. Alındı 9 Ocak 2019.
  7. ^ a b c "Watson'ı İşe Alma: Watson Sağlık Hizmetlerinde". IBM. Alındı 11 Kasım, 2013.
  8. ^ "IBM Watson, Kanıta Dayalı Teşhis ve Tedavi Önerileriyle Kanserle Savaşmaya Yardımcı Oluyor" (PDF). IBM. Alındı 12 Kasım 2013.
  9. ^ Saxena, Manoj (13 Şubat 2013). "IBM Watson Progress ve 2013 Yol Haritası (Slayt 7)". IBM. Alındı 12 Kasım 2013.
  10. ^ Wakeman, Nick (17 Şubat 2011). "IBM'den Watson tıp fakültesine gidiyor". Washington Teknolojisi. Alındı 19 Şubat 2011.
  11. ^ Mathews, Anna Wilde (12 Eylül 2011). "Wellpoint'in Yeni İşe Alınması: Watson Nedir?". Wall Street Journal.
  12. ^ Upbin, Bruce (8 Şubat 2013). "IBM'den Watson, Sağlık Hizmetlerinde İlk İşini Elde Etti". Forbes.
  13. ^ Miliard, Mike (30 Ekim 2012). "Watson Tıp Fakültesine Gidiyor: Cleveland Clinic, IBM Süper Bilgisayarı Üniversiteye Gönderiyor". Sağlık BT Haberleri. Alındı 11 Kasım, 2013.
  14. ^ "MD Anderson, Lösemiden Başlayarak Kanseri Sona Erdirmeyi Amaçlayan" Moon Shots "Misyonuna Güç Vermek İçin IBM Watson'ı Kullanıyor" (Basın bülteni). IBM.
  15. ^ "IBM'in Watson'ı Şimdi MD Anderson Kanser Merkezinde Klinik Denemelerle Mücadele Ediyor". Forbes.
  16. ^ "MD Anderson Tıpta Yapay Zeka İçin Gerileme Durumunda IBM Watson'ı Benimsiyor". Forbes.
  17. ^ Leske Nikola (9 Şubat 2013). "Doktorlar, IBM Süper Bilgisayarından Kanser Tedavisi Konusunda Yardım İstiyor". Reuters. Alındı 11 Kasım, 2013.
  18. ^ "Manipal Hastaneler | Onkoloji için Watson | Kanser Tedavisi". watsononcology.manipalhospitals.com. Erişim tarihi: 2017-01-17.
  19. ^ "MANİPAL HASTANELER ONKOLOJİ İÇİN IBM WATSON'UN ULUSAL LANSMANINI AÇIKLADI". www-03.ibm.com. Temmuz 29, 2016. Alındı 17 Ocak 2017.
  20. ^ "Manipal Hospitals Hindistan'da IBM Watson'ı ilk benimseyen". www-03.ibm.com. 2 Aralık 2015. Alındı 17 Ocak 2017.
  21. ^ ANI (28 Ekim 2016). "Manipal Hospitals, IBM'in kanser tedavisi için 'Watson for Oncology' süper bilgisayarını benimseyecek". Business Standard Hindistan. Alındı 17 Ocak 2017.
  22. ^ "Manipal Hastaneler | Onkoloji için Watson | Kanser Tedavisi". watsononcology.manipalhospitals.com. Erişim tarihi: 2017-01-17.
  23. ^ "Asya'daki hastaneler kanser tedavisi için Watson süper bilgisayarını kullanıyor". STAT. Ağustos 19, 2016. Alındı 17 Ocak 2017.
  24. ^ McCurry, Justin (5 Ocak 2017). "Japon şirketi ofis çalışanlarını yapay zeka ile değiştiriyor". Gardiyan. ISSN  0261-3077. Alındı 29 Ocak 2017.
  25. ^ Satell, Greg. "IBM'in Watson'ı Çalışma Şeklimizi Nasıl Değiştirecek". Forbes. Alındı 8 Ağustos 2017.
  26. ^ Garbuio, Massimo; Lin, Nidthida (2019). "Sağlık Hizmeti Girişimleri İçin Bir Büyüme Motoru Olarak Yapay Zeka: Ortaya Çıkan İş Modelleri". California Yönetim İncelemesi. 61 (2): 59–83. doi:10.1177/0008125618811931.
  27. ^ Strickland, Eliza (2 Nisan 2019). "IBM Watson, Yapay Zeka Sağlık Bakımında Nasıl Fazla Vaat Edildi ve Yetersiz Sağlandı". IEEE Spektrumu: Teknoloji, Mühendislik ve Bilim Haberleri. Alındı 4 Nisan, 2019.
  28. ^ La Monica PR. "Sağlık bakımı için birleşme çılgınlığı ne anlama geliyor?". CNNMoney. Alındı 11 Nisan, 2018.
  29. ^ "Neden Sağlık Hizmetleri Birleşmelerinin Nedeni Sizsiniz?". Servet. Alındı 10 Nisan, 2018.
  30. ^ Horvitz EJ, Breese JS, Henrion M (Temmuz 1988). "Uzman sistemlerde karar teorisi ve yapay zeka". International Journal of Approximate Reasoning. 2 (3): 247–302. doi:10.1016 / 0888-613x (88) 90120-x. ISSN  0888-613X.
  31. ^ Arnold D, Wilson T (Haziran 2017). "Hangi Doktor? Yapay zeka ve robotik Yeni Sağlığı neden tanımlayacak?" (PDF). PwC. Alındı 8 Ekim 2018.
  32. ^ Cohn J (20 Şubat 2013). "Robot Şimdi Görüşecek". Atlantik Okyanusu. Alındı 26 Ekim 2018.
  33. ^ Lorenzetti, Laura (5 Nisan 2016). "Kanserden Tüketici Teknolojisine: IBM'in Watson Health Stratejisine Bir Bakış". Servet. Alındı 26 Ekim 2018.
  34. ^ "IBM ve Rensselaer Ekibi Bilişsel Bilgi İşlemle Kronik Hastalıkları Araştıracak".
  35. ^ Bass D (20 Eylül 2016). "Microsoft, Kanser Doktorlarının Doğru Tedavileri Bulmalarına Yardımcı Olmak İçin Yapay Zeka Geliştiriyor". Bloomberg. Alındı 26 Ekim 2018.
  36. ^ Knapton, Sarah (20 Eylül 2016). "Microsoft, hastalıklı hücreleri 'yeniden programlayarak' 10 yıl içinde kanseri 'çözecek'. Telgraf. Alındı 16 Ekim 2018.
  37. ^ Bloch-Budzier, Sarah (22 Kasım 2016). "Hastaları tedavi etmek için Google ile NHS ekipleri". BBC haberleri. Alındı 16 Ekim 2018.
  38. ^ Baraniuk, Chris (31 Ağustos 2016). "Google kanser taramalarına erişiyor". BBC haberleri. Alındı 16 Ekim 2018.
  39. ^ Primack, Dan (26 Mayıs 2016). "Intel Capital 1 Milyar Dolarlık Portföy Satışını İptal Etti". Servet. Alındı 26 Ekim 2018.
  40. ^ "Algoritmaların Yöneticilere Çok İhtiyacı Var". Harvard Business Review. 1 Ocak 2016. Alındı 8 Ekim 2018.
  41. ^ Coiera E (1997). Tıbbi bilişim, internet ve teletıp rehberi. Chapman & Hall, Ltd.
  42. ^ Power B (19 Mart 2015). "Yapay Zeka İşe Neredeyse Hazır". Massachusetts Genel Hastanesi.
  43. ^ Bahl M, Barzilay R, Yedidia AB, Locascio NJ, Yu L, Lehman CD (Mart 2018). "Yüksek Riskli Meme Lezyonları: Patolojik İyileştirmeyi Öngörmek ve Gereksiz Cerrahi Eksizyonu Azaltmak İçin Bir Makine Öğrenimi Modeli". Radyoloji. 286 (3): 810–818. doi:10.1148 / radiol.2017170549. PMID  29039725.
  44. ^ a b Bloch-Budzier S (22 Kasım 2016). "NHS, hastaları tedavi etmek için Google teknolojisini kullanıyor".
  45. ^ Lorenzetti, L. (5 Nisan 2016). IBM Watson Health, Sağlık Hizmetleri Sektörünü Nasıl Dönüştürüyor? Alınan http://fortune.com/ibm-watson-health-business-strategy/
  46. ^ "CB Insights Yapay Zeka raporu" (PDF). 28 Haziran 2016.
  47. ^ HealthITAnalytics (8 Ağustos 2018). "Sağlayıcılar Klinik, Mali Avantajlar için Tahmine Dayalı Analitiği Kucaklıyor". HealthITAnalytics. Alındı 16 Ocak 2019.
  48. ^ "Sağlık hizmetlerinde tahmine dayalı analitik, ameliyathane kullanımını iyileştirmeye yardımcı olur". SearchHealthIT. Alındı 16 Ocak 2019.
  49. ^ Rajpurkar P, Irvin J, Zhu K, Yang B, Mehta H, Duan T, Ding D, Bagul A, Langlotz C, Shpanskaya K, Lungren MP (14 Kasım 2017). "CheXNet: Derin Öğrenme ile Göğüs Röntgenlerinde Radyolog Düzeyinde Pnömoni Tespiti". arXiv:1711.05225 [cs.CV ].
  50. ^ Chockley K, Emanuel E (Aralık 2016). "Radyolojinin Sonu? Radyolojinin Gelecekteki Uygulamalarına Yönelik Üç Tehdit". Amerikan Radyoloji Koleji Dergisi. 13 (12 Pt A): 1415–1420. doi:10.1016 / j.jacr.2016.07.010. PMID  27652572.
  51. ^ Jha S, Topol EJ (Aralık 2016). "Yapay Zekaya Uyum: Radyologlar ve Patologlar Bilgi Uzmanları". JAMA. 316 (22): 2353–2354. doi:10.1001 / jama.2016.17438. PMID  27898975.
  52. ^ Patcas R, Bernini DA, Volokitin A, Agustsson E, Rothe R, Timofte R (Ocak 2019). "Ortognatik tedavinin yüzün çekiciliği ve tahmini yaş üzerindeki etkisini değerlendirmek için yapay zekanın uygulanması". International Journal of Oral and Maxillofacial Surgery. 48 (1): 77–83. doi:10.1016 / j.ijom.2018.07.010. PMID  30087062.
  53. ^ Patcas R, Timofte R, Volokitin A, Agustsson E, Eliades T, Eichenberger M, Bornstein MM (Ağustos 2019). "Yarık hastalarının yüz çekiciliği: yapay zeka tabanlı puanlama ve geleneksel puanlayıcı grupları arasında doğrudan bir karşılaştırma". Avrupa Ortodonti Dergisi. 41 (4): 428–433. doi:10.1093 / ejo / cjz007. PMID  30788496.
  54. ^ "Bilgisayar, cilt kanserini doktorlardan daha doğru tespit etmeyi öğreniyor". Gardiyan. 29 Mayıs 2018.
  55. ^ a b Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, vd. (Aralık 2017). "Sağlık hizmetlerinde yapay zeka: geçmiş, bugün ve gelecek". İnme ve Vasküler Nöroloji. 2 (4): 230–243. doi:10.1136 / svn-2017-000101. PMC  5829945. PMID  29507784.
  56. ^ a b c Alić B, Gurbeta L, Badnjević A (Haziran 2017). "Diyabet ve kardiyovasküler hastalıkların sınıflandırılması için makine öğrenimi teknikleri". 2017 6. Akdeniz Gömülü Hesaplama Konferansı (MECO). IEEE: 1–4. doi:10.1109 / meco.2017.7977152. ISBN  978-1-5090-6742-8.
  57. ^ Pacis D (Şubat 2018). "Yapay zeka kullanan teletıp trendleri". AIP Konferansı Bildirileri. 1933 (1): 040009. Bibcode:2018AIPC.1933d0009P. doi:10.1063/1.5023979.
  58. ^ "Yapay Zeka | Yapay Zeka Türleri | Yapay Zekanın 7 Pratik Kullanımı". Konuşkan Blog. 12 Temmuz 2019. Alındı 27 Temmuz 2019.
  59. ^ a b B. Bokharaeian ve A. Diaz, "Dilbilim Temelli Olumsuzlukları ve Madde Bağımlılığını Tespit Etmek Yoluyla Edebiyattan İlaç-İlaç Etkileşiminin Çıkarılması" Yapay Zeka ve Veri Madenciliği Dergisi, cilt. 4, hayır. 2, s. 203–212, 2016.
  60. ^ a b c R. Cai et al., "Olumsuz ilaç-ilaç etkileşimlerinin, spontan advers olay raporlarından nedensel ilişki kuralı keşfi yoluyla tanımlanması," Tıpta Yapay Zeka, cilt. 76, s. 7-15, 2017.
  61. ^ a b F. Christopoulou, T. T. Tran, S. K. Sahu, M. Miwa ve S. Ananiadou, "Toplu derin öğrenme yöntemleriyle elektronik sağlık kayıtlarında istenmeyen ilaç olayları ve ilaç ilişkisi çıkarımı." J Am Med Inform Assoc, Ağustos 2019.
  62. ^ a b D. Zhou, L. Miao ve Y. He, "İlaç-ilaç etkileşimi ekstraksiyonu için konuma duyarlı derin çok görevli öğrenme" Tıpta Yapay Zeka, cilt. 87, s. 1-8, 2018.
  63. ^ Garcia Morillo, J.S. Optimización del tratamiento de enfermos pluripatológicos en atención primaria UCAMI HHUU Virgen del Rocio. Sevilla. İspanya. SEMI üyeleri için şu adresten ulaşılabilir: ponencias de la II Reunión de Paciente Pluripatológico ve Edad Avanzada Arşivlenen 2013-04-14 Archive.today
  64. ^ M. Herrero-Zazo, I. Segura-Bedmar, P. Martínez ve T. Declerck, "The DDI korpusu: Farmakolojik maddeler ve ilaç-ilaç etkileşimleri ile açıklamalı bir külliyat" Biyomedikal Bilişim Dergisi, cilt. 46, hayır. 5, s. 914–920, Ekim 2013.
  65. ^ I. Segura-Bedmar, P. Martínez ve M. Herrero-Zazo, "SemEval-2013 Görev 9: Biyomedikal metinlerden ilaç-ilaç etkileşimlerinin çıkarılması (DDIExtraction 2013)," İkinci Ortak Sözcüksel ve Hesaplamalı Anlambilim Konferansı, cilt. 2, sayfa 341–350, Haziran 2013.
  66. ^ B. Xu et al., "Tam Dikkat Mekanizmasına Dayalı İlaç Etkileşimi Ekstraksiyonu için Kullanıcı Tarafından Oluşturulan İçeriğin Dahil Edilmesi." IEEE Trans Nanobiyobilim, cilt. 18, hayır. 3, sayfa 360–367, Temmuz 2019.

daha fazla okuma

Dış bağlantılar

www.ibm.com

www.ibm.com/ watson-health/