文章图片
文章图片
文章图片
【深圳市|近年来，人工智能取得了显著进展，这对麻醉医学产生了很大的影响】近年来 ， 人工智能和机器学习的商业应用取得了显著进展 ， 特别是在图像识别、自然语音处理、语言翻译、文本分析和自主学习等领域 。 这些领域的进展历来停滞不前 ， 以至于这些技能似乎与智力密不可分 。 然而 ， 这些商业进步在单任务应用程序中表现最好 ， 其中可以容忍不完美的输出和偶尔的坦率错误 。 麻醉学的实践是不同的 。 它体现了对高可靠性的要求 ， 以及解释、身体动作和反应的压力循环 ， 而不是任何单一的认知行为 。
这篇文章涵盖了人工智能和机器学习对执业麻醉师的意义的基础知识 ， 描述了决策行为如何从简单的方程中产生 。 介绍了相关的临床问题 ， 以说明机器学习如何帮助解决这些问题 ， 或许这将麻醉学带入机器辅助发现的时代 。 人类的大脑擅长估计物理世界中物体的运动和相互作用 ， 从有限数量的例子推断因果关系 ， 以及推断这些例子以确定行动计划以涵盖以前未遇到的情况 。
这种推理能力得到了非凡记忆的支持 ， 这种记忆会下意识地将事件分为相关和不相关的经历 ， 并且即使面临重大的身体伤害 ， 也能够保留这些记忆 。 记忆的联想性质意味着与当前情况最相关的过去经历的各个方面几乎可以毫不费力地回忆到有意识的思想中 。 然而 ， 与这些非凡的大脑天赋相对的是易疲劳、一种表现为短期脑力劳动倾向的认知懒惰 ， 以及范围很小的详细的短期工作记忆 。
人类的思维即使在执行简单的算术或逻辑推理时也很慢且容易出错 。 相比之下 ， 2019年一台不起眼的台式计算机可以从32GB的内部存储器中快速检索和处理数据 ， 万亿个离散信息位 ， 以绝对的忠诚和不知疲倦的态度 ， 给予适当构建的程序来执行 。 历史上 ， 人工智能最大的进步是在那些最容易通过逻辑操作来表示并且可以严格定义和结构化的领域 ， 即经典或符号人工智能 。
这些问题与物理世界中物体相互作用的变幻莫测完全不同 。 计算机不擅长做出决定 ， 事实上 ， 现代计算机的正式定义源于某些命题在逻辑上不可判定的证明 ， 人工智能的经典方法不容易捕捉到“足够好”解决方案的想法 。 在人类历史的大部分时间里 ， 医学实践主要是启发式和轶事 。
传统上 ， 定量患者数据相对稀少 ， 决策将基于临床印象 ， 结果很难与决策质量有很大确定性相关 。 向循证实践和大数据的转变是最近才发生的 。 相比之下 ， 麻醉师长期以来一直依赖个性化的量化数据流来护理失去知觉的患者 ， 监测的进步和数据的丰富性支撑了该专业患者安全的显着改善 。 因果关系：决策通常不能拖延 ， 判断错误往往迅速而明显 。
麻醉学中人工智能和机器学习的一般问题可以表述如下：有些结果应该实现或避免 。 不确定是什么因素导致了该结果 ， 或者无法确定预测该结果的临床测试无法设计 ， 但是 ， 可以使用大量患者数据至少提供关于该结果是否会发生的间接证据 。 这些数据似乎是相关的 ， 但不是绝对相关的 。 如果信号存在于患者数据中 ， 则信号在数据集中过于分散 ， 无法从麻醉师可能亲自遇到的病例数中可靠地获知 ， 或者临床决策依赖于潜意识判断麻醉师无法解释 。 从给定的数据和结果得出的算法能否提供洞察力以改进患者管理和决策过程？这种形式的机器学习可以称为机器辅助发现 。
相关经验推荐
- 5G|人工智能和5G被列为2022年及以后最重要的技术趋势
- 机器学习|?机器学习和人工智能的应用，在心脏病学的许多领域实现了更快的诊断
- 腾讯|焚烧垃圾用上人工智能了？全年多发3.6亿度电，能省出一座水电站
- 华为|未来，国企会优先使用华为的系统，人工智能也会更多地进入家庭
- 深圳市|当年的深圳有无数风口，卖MP3的也成了富豪
- MIUI13|小米近年来最好的MIUI：MIUI13的5个新功能介绍
- 惠普|在医学诊断中，人工智能可以诊断出和专家一样的结果，非常神奇
- iphone11|「爱芯元智」获A++轮8亿元融资 ，人工智能芯片行业迎来新动力
- 软件|2021年8款人工智能神器，最新汉化版，有需要就拿去
- 芯片|A股：人工智能成为2022热潮，这六大优秀企业，或将成为黑马