Baidu
map

IBM 登陆 2021全球数字经济大会:AI 等高科技如何推动医疗健康创新

2021-08-13 IBM中国 IBM中国

“医疗健康一直是技术创新的热门领域。医疗健康正经历巨大的改变。”

近期,2021全球数字经济大会 - 数字新国门分会场的数字生命健康论坛平行论坛以线上线下方式成功举办。本次大会由北京市人民政府,国家发展和改革委员会,工业和信息化部,商务部,国家互联网信息办公室主办,北京市大兴区人民政府作为承办单位,中关村大兴生物医药产业基地作为协办单位,由中国技术创业协会生物医药园区发展联盟作为支持单位,论坛线上直播参与者 5000余人

本次论坛以“数字健康新动力”为主题,来自国内外科研院校权威专家、行业意见领袖、企业精英等政产学研领域嘉宾通过线上线下相结合的方式参与现场活动,共同探讨“数字+生命健康”融合发展的硬科技与新机遇。

IBM 人工智能医疗健康事业部全球战略与市场开发、政府卫生和公众服务负责人大卫·尼尔森 (David Nelson) 特别受邀,发表题为《科技推动医疗健康创新》的主题演讲。

大卫·尼尔森 (David Nelson),通过线上视频形式,从科技推动医疗健康的创新思路和案例入手,介绍了 IBM Project Alvearie 项目如何解决健康数据整合和互操作性中普遍存在的挑战;在疫情期间利用 IBM® Clinical Development(ICD)平台支持数字化临床试验;以及,IBM Micromedex® 如何助力顶尖医院循证医学证据支持安全用药;医疗机构采用 AI 平台分析和处理医疗健康数据,以及基于区块链技术实现以患者为中心的数字健康通行证助力企业重返办公等。

他表示,人工智能是助力理解、推理、学习和交流的工具,以人工智能、区块链以及大数据分析为代表的高科技技术正在改变着全世界医疗健康事业格局,赋能医药健康各细分领域,推动全球医药健康事业的高质量创新发展。

如下是演讲概要:

“医疗健康一直是技术创新的热门领域。医疗健康正经历巨大的改变。”

全球医疗健康、卫生和社会服务以及生命科学组织正处于转折点 —— 而医疗健康的变化尤其迅猛。

随着检测与治疗技术不断进步,推动全球医疗交付系统的持续发展。过去的 18个月中,新的科技发明、创新、检测与采纳技术正加速发展,为今后的医疗健康系统的优化和改善创造了非常难得机遇。在此基础上,医疗健康行业的利益相关者、世界各地政府都认识到了这一点,并在技术创新方面予以更多的投入和支持。

当下,各界在致力于削减 2020年的疫情所带来的影响,一起吸取经验、砥砺前进,建设更美好未来。我们也有所思考,如何能助力这个进程……

中国已经设定宏伟目标,并在技术创新方面展现出国际化领导力。例如,中国计划于 2030年成为人工智能创新领域的世界领导者之一。这是对数字转型和人工智能之于所有社会和人类的未来,具有力量的认可。健康中国 2030已成为医疗健康领域的美好愿景。使公共卫生成为未来经济和社会发展的基本要素之一。

这些努力需考虑一定的社会背景。全球人口的需求不断变化,全球老龄化问题趋于严重,健康需求更为复杂。而疾病、生态环境和生活方式的不断变化,也给医疗健康计划增设难题。

疫情已重塑整个社会的医疗和健康观,同时在推动健康和社会服务的数字化转型方面,重塑了包括云计算、大数据分析和人工智能驱动的工作流程在内的科技的地位。

有关医疗健康创新的例证数不胜数。在今天的分享中,我将就科技如何推动医疗健康创新这一主题,分享 IBM 在大健康方面的观点。

今天的分享会特别关注在:信息和交互式操作系统、云计算、边缘计算、区块链和人工智能 AI 技术。加速 AI 助力的场景,消费者以及企业期望的变化。

希望今天分享的例子能阐明如何可以围绕个人产生更好的结果、助力更健康的人群和优化的卫生系统。

消费者想从智能手表、手机和平板电脑中获取健康信息。当下临床医生短缺,如果增强现实技术可帮助临床医生照顾病人,协助消费者保重身体,这将是一个千载难逢的机遇。首先,我们来了解一下互操作性。

第一,信息互操作性是技术创新的基础

“用互操作性和开放技术奠定基础”

信息互操作性是技术创新的基础。将信息和系统相连接,360度全方位洞察卫生系统至关重要。

创新领袖们也指出了社会服务中互操作性的重要性。他们认为健康的社会决定因素能促成个体健康。研究表明,在影响人群健康方面,社会决定因素可能比卫生健康更重要……多项研究表明能影响到 30-55% 的健康成果。

对于技术互操作性的长期愿景,创新领袖们正在寻求创建一种网络效应,这种效应由 API 支撑,并且在开放的混合云基础设施上构建。服务于医疗健康系统中的所有相关者。

根据不同国家的支付体系、临床信息基础设施、供应商采用管理系统 ——例如单一支付方,或政府赞助的医疗健康系统——不同国家的情况可能有所不同。

然而,原理都是一致的——医疗健康和社会服务系统的相关者希望有一个可互操作系统,能够全面了解患者情况视图,争取创造最好的效果。 

因此,医疗 IT 行业正在从根本上改变应用程序的构建和连接方式。大量的 API、格式、协议和其他具体规范如雨后春笋般涌现,以兑现医疗健康转型的承诺。这背后的驱动力不仅来自政府管理机构的授意,也来自行业组织的自发推动。

向平台开放标准——简化系统创新,使开发人员从加速创新的共同努力中受益。

将开放标准应用于医疗健康数据,能为护理管理提供近乎实时的见解,以取得更佳的效果。

例如,随着更多的组织投资快速医疗健康互操作资源(现在通常称为 FHIR),医疗健康可利用分析法收获颇多。他们正在寻找新思路,提高数据质量,填补护理方面的空白。(详见 FHIR 博客分析)

 

图片

 

“健康数据连接,以提供更智能的流程、更佳的护理、更快速的突破以及更好的消费者体验。”

IBM 倡导的医疗健康数据连接工作注重在医疗健康系统中实现转型,以提供更智能的流程、更佳的护理、更快速的突破以及更好的消费者体验。

我们称这个跨行业协作项目为 Project Alvearie,以解决健康数据整合和流通中普遍的智慧医疗挑战。我们希望这一努力能使各组织更好地利用健康数据分析来优化卫生健康解决方案。

这个跨行业的互操作性示例与 IBM 的倡导一致,即从扩展性和创新性方面利用开放源代码的好处。

该项目主要强调如何将各种技术组合成意义深远的医疗模式。该项目汇集了来自医疗健康与生命科学系统的多位贡献者。授权各组织利用数据和分析方案,帮助提高护理质量,推进其更高效地运作。当然,这一切都旨在为智慧医疗和健康成果的优化而共同努力。

在可互操作组件方面,有一系列开源项目,如 IBM FHIR Server、Linux for Health、数据去标签化、医疗健康记录获取、影像数据获取、健康模式识别和疗效评估以及大数据队列服务。

我们与诸多医疗健康群体进行开源项目合作,以满足客户和行业的需求。

第二,数字化转型——实现企业现代化,推动智慧医疗

在生命科学领域,通过创新可以产生广泛的影响,包括临床试验设计、药物相互作用模型和遗传相关性等等。

下面通过一个案例来介绍 IBM 如何与生命科学领域合作,利用技术迅速地应对疫情挑战:

2020年 2月,IBM 开始向符合条件的临床试验机构免费提供 IBM® 临床开发平台(ICD),帮助药物和疫苗研究人员应对新冠肺炎。在接下来的一年时间里,许多药厂、CRO 公司和医疗学术机构和我们开展合作。目前有 69项研究已被纳入该方案。

在众多案例中,利用 IBM 的平台,这些组织开展临床试验的速度是超乎意料的,证明了临床试验群体中利用技术创新带来的成效。同样值得肯定的是,这一切都发生在一段异常艰难的时期。比如:全球疫情中断了超过上千项临床试验。(Source: GlobalData survey “The State of the Biopharmaceutical Industry, 2021 Edition”(数据来源:GlobalData 调查研究《生物制药行业状况,2021年版》)

IBM 为支持这些组织和全球其他组织而感到自豪。我们见证了研究人员和临床试验数据经理是如何利用 IBM Clinical Development 成功实现显著提速的。

IBM 还与许多组织合作,协助规范和实施在疫情期间应用的诸多新技术,加速进程,实现成本最小化,以经受时间的考验。

这一案例很好地解释了我们公司如何帮助客户克服巨大挑战,变得更为强大。

第三:利用数据与 AI 深化见解

调整技术战略,以实现更好的数据共享和分析

医疗健康社群相关的政府管理机构、医院、保险公司和生命科学公司都对更深入地分析医疗数据表现出极大的兴趣。

如果我们能帮助汇集连续的脱敏及合规的数据,并将数字化的分析技术应用其中,我们就能提升各方的效果。

显然,技术在整个医疗健康系统中发挥了重要的作用,旨在为人们提供更好、更个性化的护理。

完整的数据和分析能力提供了洞察的可能,比如利用 AI 技术,可以用各种方式辅助人类决策。

数据工作台

在生命科学领域,不断更新和丰富的真实世界数据平台,为生命科学提供了企业级的价值。

从数据学家利用真实世界数据 (RWD) 和机器学习使他们的团队能够扩展其医学证据来源,再到临床医学项目负责人,为了做出更智能的方案设计决策,自动化风险评估,扩大和患者互动。

生命科学企业也在利用大数据分析和 AI 增强数据集的多样性,提升成果质量。

分析进展

“现代的医疗健康数据分析的策略会更加强调利用 AI 来支持分析。”

每一个分析层次都有相关角色,从描述性、预测性和规定性分析,到利用人工智能来回答已经发生了什么?可能发生什么?我们可以采取什么行动?最佳行动是什么?等问题。

那么,什么是 AI?

人工智能是一套帮助理解、推理、学习和交流的工具,它是由巨大的数据来驱动运行的。

它们通过处理和深入解释大量可用数据来促进理解;通过理解实体和关系、建立联系、提出假设、推导推论和评估证据来实施推理。

通过收集反馈和汲取不同层次的成果和系统粒度来学习。通过在人和计算机之间提供一个更自然的界面来促进交流,包括对话、可视化和协作。

AI 用例:基于 IBM Watson 技术的 Micromedex

现在我简单介绍一个将自然语言处理应用于临床证据参考以改善护理质量的例子。

多家一流的医院和学术中心已经使用 IBM Micromedex 充当临床证据资源来管理和维护安全用药。

该工具提供了经常访问的记录,包括关键的药物信息和工具,从而保证患者的安全。

AI 和自然语言处理技术确保 IBM Watson 助手利用 Micromedex 为药剂师和护士回答药物信息问题,包括药物类别、剂量、配药、配伍禁忌、药物安全、作用机制、药动学和药物相互作用。

DynaMed and Micromedex with Watson 的解决方案也在大中华区重要的医疗机构投入使用。

临床医生和住院医生使用此对话式搜索平台,该平台将精心筛选的疾病内容与全面的药物信息和 AI 搜索能力相结合,涵盖 28个专业和 9500个疾病主题,用于助力对临床指南、循证医学计算、Micromedex 药物索引、药物相互作用、配伍禁忌、实验室建议和新生儿药物手册/儿科进行批判性评估。

图片

第四:数字健康通行证

 

最后,我们正在满足消费者和企业对寻求、获取和提供医疗健康服务日益增长的期望。

消费者和企业期望技术创新能简化商业应用程序,同时确保最大程度的安全性和隐私性。

我分享的最后一个科技推动医疗健康创新的案例是:数字医疗健康通行证。

无论是关于工作还是个人生活,所有人都渴望重做自己所爱之事,比如重返办公,乘飞机或者参加体育赛事。

将个人聚集在一起的组织——员工、访客和客户——正在寻找让一切重新恢复正常的方法。 

在某些情况下,需要确认个人是否做了核酸检测或接种了疫苗。

体育场、航空公司、大学以及几乎所有行业的工作场所,可能都希望核查进入场所的个人的新冠肺炎健康凭证,各组织也正在寻找让大家重聚一堂的有效方法。

健康通行证是一种可验证、防篡改的数字凭证,可以根据组织或当地卫生管理机构的要求,帮助组织确定员工、访客或客户进入某一地点时的健康状态,同时可以让个人掌握其自身的健康信息以及与他们共享健康凭证的对象信息。

在全球方案里,我们创建了数字健康通行证,安全地为个人提供了出示新冠肺炎健康证书的方式,使人们能够了解自己的信息,保护个人健康信息的隐私。

这款应用程序可以助力各组织复工,同时帮助他们以高效、安全、自愿和尊重隐私的方式优先考虑员工和客户的健康和安全。

结论和愿景:

“IBM 发力医疗健康行业,融汇数据、AI 和云能力”

医疗健康行业正在变化。

在 IBM,我们知道科技可以在多方面推动医疗健康创新。

今天我只能简短地集中讨论并分享一些个人的想法,涉及互操作性、数字化转型、更深刻的数据洞察见解,以及新的消费者和企业端期望。

我希望分享的例子和个人观点能为您提供帮助。当您面临我们一年前所经历的挑战时,请视我们为合作伙伴,如果您对上述讨论的话题或其他任何话题有所疑问,请随时联系我们。

最后,感谢各位出席今天的会议,我也对各位为未来创新所做的不懈努力表达诚挚的谢意。

 

IBM 致力于帮助建立更智能的健康生态系统。我们的核心优势是在健康领域的深厚行业经验、先进的技术解决方案(包括人工智能、区块链以及大数据和分析的能力),以及与在信任和安全方面的声誉相结合,能够支持我们客户的数字化转型。通过技术解决方案和经验丰富的咨询相结合,我们正在帮助企业成为更高效、更有弹性和更强大的机构,能够为他们的社区提供使命。

IBM 正发力医疗健康行业,融汇领先云计算和人工智能的能力,在中国推动数字化医疗方案。包括:

  • 数字化临床试验平台 IBM® Clinical Development (ICD)

  • 循证医疗临床知识库 (IBM Micromedex®)

  • 基于混合云和人工智能的医疗数字化转型服务和平台等

 

文章来源:IBM中国官微原文

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1286028, encodeId=f9301286028b0, content=<a href='/topic/show?id=77903209422' target=_blank style='color:#2F92EE;'>#创新#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=26, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=32094, encryptionId=77903209422, topicName=创新)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=512a199, createdName=lilianxiang, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1489943, encodeId=7f57148994328, content=<a href='/topic/show?id=f91c93134e' target=_blank style='color:#2F92EE;'>#IBM#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=31, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=9313, encryptionId=f91c93134e, topicName=IBM)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=e0288649873, createdName=tulenzi, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1007718, encodeId=7437100e71828, content=学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=54, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://img.medsci.cn/20210813/4c4de76e31fd40d2b82a879e214a2327/5bba23ac46714ffa9debd32500090845.jpg, createdBy=34d85449855, createdName=ms8000000769309498, createdTime=Fri Aug 13 20:33:14 CST 2021, time=2021-08-13, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1286028, encodeId=f9301286028b0, content=<a href='/topic/show?id=77903209422' target=_blank style='color:#2F92EE;'>#创新#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=26, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=32094, encryptionId=77903209422, topicName=创新)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=512a199, createdName=lilianxiang, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1489943, encodeId=7f57148994328, content=<a href='/topic/show?id=f91c93134e' target=_blank style='color:#2F92EE;'>#IBM#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=31, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=9313, encryptionId=f91c93134e, topicName=IBM)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=e0288649873, createdName=tulenzi, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1007718, encodeId=7437100e71828, content=学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=54, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://img.medsci.cn/20210813/4c4de76e31fd40d2b82a879e214a2327/5bba23ac46714ffa9debd32500090845.jpg, createdBy=34d85449855, createdName=ms8000000769309498, createdTime=Fri Aug 13 20:33:14 CST 2021, time=2021-08-13, status=1, ipAttribution=)]
    2021-08-15 tulenzi
  3. [GetPortalCommentsPageByObjectIdResponse(id=1286028, encodeId=f9301286028b0, content=<a href='/topic/show?id=77903209422' target=_blank style='color:#2F92EE;'>#创新#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=26, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=32094, encryptionId=77903209422, topicName=创新)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=512a199, createdName=lilianxiang, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1489943, encodeId=7f57148994328, content=<a href='/topic/show?id=f91c93134e' target=_blank style='color:#2F92EE;'>#IBM#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=31, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=9313, encryptionId=f91c93134e, topicName=IBM)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=e0288649873, createdName=tulenzi, createdTime=Sun Aug 15 01:48:30 CST 2021, time=2021-08-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=1007718, encodeId=7437100e71828, content=学习了, beContent=null, objectType=article, channel=null, level=null, likeNumber=54, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://img.medsci.cn/20210813/4c4de76e31fd40d2b82a879e214a2327/5bba23ac46714ffa9debd32500090845.jpg, createdBy=34d85449855, createdName=ms8000000769309498, createdTime=Fri Aug 13 20:33:14 CST 2021, time=2021-08-13, status=1, ipAttribution=)]
    2021-08-13 ms8000000769309498

    学习了

    0

相关资讯

Radiology:人工智能,打开子宫肿瘤的鉴别之门!

子宫平滑肌瘤是最常见的子宫肿瘤,在50岁及以上的女性中患病率达到70% -80%。

Nat Mach Intell:人工智能(AI)在新冠检测中几乎全体失灵了?294款AI工具不适用于临床

自新冠疫情爆发以来,世界各地的研究团队开发了各种人工智能(AI)工具来帮助检测新冠病毒或者对新冠病毒的感染情况进行预测。但是很不幸,来自荷兰马斯特里赫特大学和英国剑桥大学的两个研究团队分别独立对数百种

Radiology:人工智能在Lung-RADS分类中的应用

当前在CT肺癌筛查中对于不确定实性肺结节的处理指南主要基于结节大小的风险进行分层,直径越大所对应的肺癌风险越大。

Nature:生命科学的变革:DeepMind人工智能可以预测大量蛋白质的结构

AlphaFold神经网络产生了一个“完全变革性”的数据库,包含了来自智人和20个模式生物的超过35万个结构。

Endoscopy:AI系统的结肠镜腺瘤检出率与经验丰富的内镜医师旗鼓相当!

在实时结肠镜检查期间,AI 系统具有与经验丰富的内镜医师相当的表现,具有相近的高腺瘤检出率

Radiology:人工智能让亚实性肺结节的诊断“一步到位”-从影像到病理的一步跨越

根据CT分型,肺结节可分为实性、纯磨玻璃结节和亚实性结节(PSNs),在现阶段广泛应用于评估肺结节恶性风险的Brock模型中,PSNs是重要的癌症预测因子。

Baidu
map
Baidu
map
Baidu
map