类别

类别: 人工智能

需要选择医生吗? AI对选择的看法是什么?

Zeeshan Syed.

数百万美国人依赖消费者体验应用程序,帮助他们找到最好的新餐厅或合适的美发师。但是,虽然依靠客户意见可能是有意义的,但是今晚在哪里去吃晚餐时,当谈到哪个医生对你最适合的时候,艾可能比人群的智慧更值得信赖。

消费者应用程序为我们提供丰富的数据类别,这些类别通常会考虑偏好,从位置到免费Wi-Fi,帮助用户缩小选择。导航您的健康保险公司的医生网络是一个不同的主张,据报道,一些流行的排名系统 重大限制。医生经常被专业,保险,医院或地点归类,这可能对物流有效,但未能考虑患者的独特健康状况,并对个体患者在健康成果方面的期望时毫不押。我公司健康的研究表明,83%的医疗保险患者寻求心脏病学护理和88%的案件,寻求矫形护理的案件可能不是根据每个患者的个体健康状况为最佳预测结果提供高度评级的提供商。 

深刻的个性化正是什么是医生,卫生系统和保险公司需要为患者提供改善董事会的成果和降低成本。使用我们的数据进行研究 最近发表在医学互联网研究杂志 寻求量化消费者,质量和批量指标如何与结果相关联。研究人员分析了来自芝加哥大芝加哥地区的2013 - 2018年在2013 - 2018年在大芝加哥地区之间进行的选择性髋关节替代品的数据,比较了术后住院费率,急诊部门访问和医院的护理总费用高度受欢迎的消费者评分系统和CMS星级标准,以及由机器智能算法进行个性化提供商导航的机器智能算法等级。

继续阅读…

Docs是Rocs:在医疗AI研究中的“方法上不可挽回的”实践简单修复

由Luke Oakden-Rayner

任何阅读我的博客或推文的人可能会看到我有一些用于分析医疗机器学习模型的性能的一些常见方法。特别是,我们使用(敏感性,特异性,F1,准确性等)的最常用的指标 低估 对AI模型进行头部比较的人类性能。

这使得ai看起来比它更好,并且可能部分负责“实施差距“每个人都这么关心。

我刚刚发布了Arxiv的预印,标题为“文档是Rocs:一种简单的现成方法,用于估算诊断研究中的平均人性性能“它提供了我认为对这个问题的稳固解决方案,我以为我会在这里详细说明。

免责声明:尚未对同行评审,内容可能会发生变化 


(con)vexing问题

当我们将机器学习模型与人类比较时,我们有一点问题。哪个人?

在医疗任务中,我们通常采取目前任务(例如,在CT扫描上识别癌症的放射科医生)作为临床实践标准的博士。但医生不是一个全部给予同样答案的整体群体。读者互变异性通常为15%至50%,具体取决于任务。因此,我们通常会尽可能多的医生,然后尝试总结他们的性能(这被称为多读者多种研究,MRMC短暂)。

由于我们在医学中最关心的度量是敏感性和特异性,因此许多论文报告了这些价值的平均值。实际上, 最近的系统评价 表明,超过70%的医疗AI研究,将人类与AI模型进行了报告了这些价值。这有很多意义。我们想知道普通医生如何在任务中表现,因此这些指标的平均性能应该很大,对吧?

继续阅读…

将基于AI的自动化替换基本初级保健?应该是?

由肯特里

在一个 最近的播客 关于东部的未来,Lyle Berkowitz,MD,科技顾问,企业家和西北大学Feinberg医学院的教授,自信地预测,由于远程医疗和临床自动化,“在10 - 20年内,我们不需要初级保健医生[常规护理]。其余的PCP将专注于关注复杂患者。除此之外,如果人们需要关心,他们将在AI的帮助下转到NPS或PAS或接受自动护理。“

Berkowitz不是第一个制作这种预测的人。回到2013年,当时移动健康刚刚开始举行,这是来自Scripps翻译科学Institute-Eric Topol,MD,Steven R. Steinhubl,MD和Evan D. Muse,MD写道的专家 贾马 评论 争论,由于MHEHEAL,医生最终会看到患者的往往会越来越小,因为那时比他们所做的轻微问题和后续访问。

他们认为,他们认为,他们辩护的许多急性病症诊断和治疗,可以通过小说技术来解决。例如,可以使用基于智能手机的耳镜诊断出耳膜炎,并且可以使用家庭尿液分析评估尿道感染。使用数字血压袖口的远程监控可用于改善血压控制,使患者只能偶尔访问他们的医生。

继续阅读…

试图让它不那么松鼠

由Kim Bellard.

你可能错过了它,但是人工智能进步协会(AAAI)刚刚宣布了第一次年度 松鼠AI奖 优胜者: Regina Barzilay.是MIT计算机科学和人工智能实验室(CSAIL)的教授。  事实上,如果你像我一样,你可能错过了一个松鼠艾西奖。 但是,它有一种重要的事情,特别是对于医疗保健 - 作为Barzilay教授的工作说明。 

松鼠AI奖人工智能为人类的利益(松鼠AI. 是一个基于中文的AI-Powered“自适应教育提供者”)“认识到人工智能的积极影响,以有意义的方式以有意义的方式保护,增强和改善人类生活。” 该奖项奖项为1,000,000美元,这是 与诺贝尔奖相同

Aaai的过去的总统Yolanda Gil, 解释 新奖的理由:“我们想做的奖项是为了向公众推出,如果我们用恐惧对待AI,那么我们可能无法追求AI为人民的利益。”

Barzilay博士有令人印象深刻的凭据,包括一个 麦克阿瑟奖学金.  她的专业知识是自然语言处理(NLP)和机器学习,她将她的兴趣集中在乳腺癌诊断后的医疗保健。 “这是2014年1月底,2015年1月,我刚刚回到了完全新的愿景,了解我的研究和技术发展的目标,”她 告诉 华尔街日报。 “从那里,我试图做一些有形的东西,改变乳腺癌的诊断和治疗。”

继续阅读…

情况很复杂。深入潜入viz / medicare ai报销模型。

由Luke Oakden-Rayner

在里面 最后一篇 我撰写了关于CMS最近的决定,通过Medicare / Medicaid偿还Qiz.ai中风检测模型。我简要解释了这个融资模式如何工作,但它是如此,但它应该得到一个更深刻的外观。

要获取更多信息,我去了主要来源。 Chris Mansi博士,Chiz.ai的联合创始人和首席执行官博士友好地与我谈论CMS决定。他对这个过程和暗示而显着开放和透明,因为他们看到它们,这让我在我的脑海里清理了一大堆的东西。高瘘周围!

所以让我们挖掘。这个决定可能会在未来的AI报销的基础上。这是一个巨大的交易,有 含义.


未知领域

首先要了解的是,viz.ai收取订阅以使用他们的模型。成本不是CMS文件中的“一个例子”中所包含的(每张医院25k /年),我已经看过Twitter的一些讨论,它比每个年度超过这个,但实际成本与此相当不相关讨论。

出于这件作品的目的,我将假装成本是CMS文件中的25K / YR,仅限简单起见。它是秩序的秩序,这就是重要的。

订阅不是可以销售AI的唯一方法(我已经看到了其他每次使用的公司),但这是一种相当普遍的方法。重要的是,医疗技术是不寻常的。这是CMS不得不说的话:

继续阅读…

医疗AI闸门开放,每位患者的费用为1000美元

由Luke Oakden-Rayner

本周令人惊讶的消息,CMS(Medicare的中心&Medicaid服务)在美国批准了AI增强医疗保健的第一次报销。 viz.ai具有深入的学习模型,其识别脑CT上的行程迹象,并自动接触神经诊断,绕过通常由一般放射科医师进行的第一读。

从他们的新闻材料:

viz.ai证明了CMS在患有卒中患者的治疗和改善临床结果的时间内显着减少。 viz lvo已被授予一项新技术补充金额 取决于 $1,040 每次使用疑似行程的患者。

//www.prnewswire.com/news-releases/vizai-granted-medicare-new-technology-add-on-payment-301123603.html

这是 巨大的 新闻,标志着医疗AI完全新的时代的开始。

特别是那个pricetag!


做它艰难

它在医疗AI社区中众所周知,它是AI开发人员的陷入困境的市场。大多数公司都开发了有用的AI模型,但无法向任何人销售它们。这导致了许多预测,我们将在医疗AI初创公司中看到崩溃,因为资本耗尽,收入不能接管。甚至有建议医疗“艾冬季”可能会来。

继续阅读…

你的脸不是你自己的

由Kim Bellard.

我发誓我’D一直在考虑在我发现John Oliver昨晚献上他的演出之前才能写作面部识别。上周我 写道 about how “Defund Police”应该扩展到“Defund Health Care,”并包括奥利弗先生的联系’S相关剧集,只有批评评论评论,我应该刚刚给出链接并留下它。  

现在我能’责怪任何人更喜欢奥利弗先生’对我的见解,所以我’LL链接到他的观察结果…but if you’对面部识别和医疗保健的一些想法感兴趣,我希望你’ll keep reading.

面部识别确实是最近的新闻,而不是以一种好方法。它的使用,特别是执法机构,已经变得更加广为人意为人意为人意为人意为人意为。最多,在准确识别时仍然弱势 少数人面临 (or 女性),并且在最坏的情况下,它对每个人都造成了重大隐私问题。使用此类软件的人可以使用公开的照片识别您的人群,然后跟踪您的过去和随后的动作是本质 大哥.  

继续阅读…

CT扫描只是诊断Covid-19的糟糕

由卢克奥克登雷纳,MBBS

我有 前几天问道 对Covid-19检测中AI的角色进行评论,特别是与CT扫描一起使用。由于我不知道在中国的地面上的资源究竟是什么,我只能使一些普遍的模糊的否定陈述。我认为在这里扩展这些想法将是值得的,所以我正在写一篇关于CT扫描Covid-19的主题上的两个博客帖子,以及在那些CT扫描上使用AI。

作为背景,Pro-AI参数如下所示:

  1. CT筛选检测97%的Covid-19,病毒PCR仅检测70%!
  2. 放射科医生需要5-10分钟才能读取CT胸部扫描。 ai可以在第二或两个中进行。
  3. 如果您使用CT进行筛选,则会有很多研究,放射科医师将不堪重负。

在这个第一篇文章中,我将解释为什么CT,有没有AI的CT,对于Covid-19筛选和诊断并不值得,以及为什么97%的敏感性报告毫无根据的和令人难以置信。

下一篇文章,我将具体地解决AI的使用。

继续阅读…

AI诊断CT扫描上的Covid-19吗?可以人类吗?

Vidur Mahajan.
vasanth venugopal.

由Vasanth Venugopal MD和Vidur Mahajan MBBS,MBA

什么可以人工 情报(AI)做?

艾可以, 简单地说,做两件事 - 一个,它可以做人类可以做的事情。这些是任务 喜欢看CCTV摄像头,检测人的面孔,或在这种情况下,阅读 CT扫描并识别肺炎潜理学家否则可能的“发现” 另外发现 - 只是这种情况自动和快速发生。二,AI可以做 人类不能做的事情 - 就像告诉你它需要的确切时间 从A点到点B(即Google地图),或者在这种情况下, 在CT扫描上诊断Covid-19肺炎。

肺炎 on CT scans?

肺炎, 肺部的感染是杀手疾病。根据谁的统计数据 2015年,社区获得的肺炎(帽子)是最致命的传染病 和第三个导致世界各地的死亡原因导致320万人死亡 every year.

肺炎罐头 以多种方式分类,包括传染病的类型(病因), 肺部受累的感染源和模式。从病因分类 透视,肺炎最常见的致病药物是细菌 (典型的肺炎球菌,H.Influenza和Legionalla这样的非典型, 支原体),病毒(流感,呼吸道合胞病毒,Parainfluenza和 腺病毒)和真菌(组织)&Pneumocystis carinii)。

继续阅读…

人工智能与结核病 - 第2部分

由Saurabh Jha,MD

这是三部分系列的第二部分。赶上 第一部分 这里。

聪明的汉斯

Preetham Srinivas,头部 胸部射线照相项目在Qure.ai,召唤Bhargava Reddy,Manoj Tadepalli和 Tarun Raj到会议室。

“准备好一个全力以赴的男孩” said Preetham.

Que的科学家开始调查 该算法从新的胸部射线照片上的神秘高性能 医院。重新回顾,该算法在接收器运行下有一个区域 特征曲线(AUC)为1 - 这是多项选择问题100% test.

“有人把纸张淹没给了ai,” laughed Manoj.

“这是一个工程学笑话,” 解释了Bhargava。 “这意味着您在考试前看到了问题。它 有时在印度发生富裕人士购买考试表。“

只是因为你知道问题 并不意味着你知道答案。和艾多力不足以购买AUC。

四个小伙子是学校的朋友 安德拉邦。他们在印度学院学习了计算机科学 技术(IIT),令人束缚的不可能是,因为只有百分之一 在印度的这个最令人垂涎​​的纪律选择百万志愿的年轻人 大多数令人垂涎的研究所。他们一起修改了考试,拉动 整个夜总会 - 在共同努力,他们努力工作,工作更有趣。

继续阅读…

登记

忘记密码?