nijs

Sûnt it begjin fan IBM Watson yn 2007 hawwe minsken har kontinu rjochte op 'e ûntwikkeling fan medyske keunstmjittige yntelliginsje (KI). In brûkber en krêftich medysk KI-systeem hat in enoarm potinsjeel om alle aspekten fan 'e moderne medisinen opnij te foarmjen, wêrtroch't tûkere, krektere, effisjintere en ynklusive soarch mooglik is, it wolwêzen fan medyske meiwurkers en pasjinten brocht wurdt, en dêrmei de minsklike sûnens sterk ferbettere wurdt. Yn 'e ôfrûne 16 jier, hoewol ûndersikers fan medyske KI har yn ferskate lytse fjilden sammele hawwe, hawwe se op dit stuit noch net yn steat west om science fiction ta de realiteit te bringen.

Dit jier, mei de revolúsjonêre ûntwikkeling fan AI-technology lykas ChatGPT, hat medyske AI yn in protte aspekten grutte foarútgong boekt. Unfoarspelbere trochbraak yn 'e mooglikheden fan medyske AI: it tydskrift Nature hat kontinu it ûndersyk nei it grutte medyske taalmodel en it basismodel foar medyske ôfbyldings lansearre; Google publisearret Med-PaLM en syn opfolger, en berikt in ekspertnivo yn 'e fragen foar it Amerikaanske medysk eksamen. Grutte akademyske tydskriften sille har rjochtsje op medyske AI: Nature publisearret de útsjoch op it basismodel fan algemiene medyske AI; Nei in searje resinsjes fan AI yn medisinen earder dit jier publisearre it New England Journal of Medicine (NEJM) syn earste digitale sûnensresinsje op 30 novimber, en lansearre it earste nûmer fan it NEJM-subtydskrift NEJM AI op 12 desimber. De lâningsgrûn foar medyske AI is fierder folwoeksen: it subtydskrift JAMA publisearre it wrâldwide inisjatyf foar it dielen fan medyske ôfbyldingsgegevens; De Amerikaanske Food and Drug Administration (FDA) ûntwikkelt konseptrjochtlinen foar de regeljouwing fan medyske AI.

Hjirûnder besprekke wy de wichtige foarútgong dy't ûndersikers oer de hiele wrâld hawwe makke yn 'e rjochting fan brûkbere medyske AI yn 2023.

Basismodel foar medyske AI

De konstruksje fan in basismodel foar medyske KI is sûnder mis de waarmste ûndersyksfokus fan dit jier. De tydskriften Nature hawwe yn it jier oersjochartikels publisearre oer it Universal Basic-model fan sûnenssoarch en it grutte taalmodel fan sûnenssoarch. Medical Image Analysis, it toptydskrift yn 'e sektor, hat de útdagings en kânsen fan basismodelûndersyk yn medyske ôfbyldingsanalyse besjoen en dernei útsjoen, en it konsept fan "pedigree of basic model" foarsteld om de ûntwikkeling fan basismodelûndersyk fan medyske KI gear te fetsjen en te begelieden. De takomst fan basis KI-modellen foar sûnenssoarch wurdt dúdliker. Troch gebrûk te meitsjen fan 'e suksesfolle foarbylden fan grutte taalmodellen lykas ChatGPT, mei gebrûk fan mear avansearre selsbegeliede pre-trainingsmetoaden en in enoarme opgarring fan trainingsgegevens, besykje ûndersikers op it mêd fan medyske KI 1) syktespesifike basismodellen, 2) algemiene basismodellen, en 3) multimodale grutte modellen te bouwen dy't in breed oanbod fan modi yntegrearje mei massive parameters en superieure mooglikheden.

Medyske gegevensakwisysje AI-model

Neist de grutte KI-modellen dy't in grutte rol spylje yn 'e downstream klinyske gegevensanalysetaken, is yn 'e upstream klinyske gegevensakwisysje ek de technology ûntstien dy't fertsjintwurdige wurdt troch generative KI-modellen. It proses, de snelheid en de kwaliteit fan gegevensakwisysje kinne signifikant ferbettere wurde troch KI-algoritmen.

Earder dit jier publisearre Nature Biomedical Engineering in stúdzje fan 'e Straits University fan Turkije dy't him rjochte op it brûken fan generative AI om it probleem fan patologyske ôfbyldingsassistearre diagnoaze yn klinyske tapassingen op te lossen. Artefakten yn beferzen seksjeweefsel tidens sjirurgy binne in obstakel foar rappe diagnostyske evaluaasje. Hoewol formaline en paraffine ynbêde (FFPE) weefsel in stekproef fan hegere kwaliteit leveret, is it produksjeproses tiidslinend en duorret it faak 12-48 oeren, wêrtroch it net geskikt is foar gebrûk yn sjirurgy. It ûndersyksteam stelde dêrom in algoritme foar mei de namme AI-FFPE, dat it uterlik fan it weefsel yn 'e beferzen seksje fergelykber meitsje kin mei FFPE. It algoritme korrizjearre mei súkses de artefakten fan beferzen seksjes, ferbettere de ôfbyldingskwaliteit en behâlde tagelyk de klinysk relevante funksjes. Yn klinyske falidaasje ferbetteret it AI-FFPE-algoritme de diagnostyske krektens fan patologen foar tumorsubtypen signifikant, wylst de klinyske diagnoazetiid sterk ferkoarte wurdt.

Cell Reports Medicine rapportearret ûndersykswurk fan in team fan it Tredde Klinyske Kolleezje fan 'e Universiteit fan Jilin, de ôfdieling Radiology, it Zhongshan Sikehûs oansletten by de Universiteit fan Fudan, en de Shanghai University of Science and Technology [25]. Dizze stúdzje stelt in algemien doel foar djip learen en iteratyf rekonstruksjefúzjekader (Hybrid DL-IR) foar mei hege alsidichheid en fleksibiliteit, en toant poerbêste ôfbyldingsrekonstruksjeprestaasjes yn rappe MRI, lege dosis CT en rappe PET. It algoritme kin MR Single-organ multi-sequence scanning berikke yn 100 sekonden, de strielingsdosis ferminderje nei mar 10% fan 'e CT-ôfbylding, en rûs eliminearje, en kin lytse laesjes fan PET-akwisysje rekonstruearje mei 2 oant 4 kear fersnelling, wylst it effekt fan bewegingsartefakten wurdt fermindere.

Medyske KI yn gearwurking mei medyske meiwurkers

De rappe ûntwikkeling fan medyske KI hat medyske professionals der ek ta laat om serieus te beskôgjen en te ûndersiikjen hoe't se mei KI gearwurkje kinne om klinyske prosessen te ferbetterjen. Yn july fan dit jier hawwe DeepMind en in multy-ynstitúsjoneel ûndersyksteam mienskiplik in KI-systeem foarsteld mei de namme Complementary Driven Clinical Workflow Delay (CoDoC). It diagnostykproses wurdt earst diagnostisearre troch in foarsizzend KI-systeem, dan beoardiele troch in oar KI-systeem op basis fan it foarige resultaat, en as der twifel is, wurdt de diagnoaze úteinlik steld troch in klinikus om de diagnostykkrektens en de effisjinsje te ferbetterjen. As it giet om boarstkankerscreening, fermindere CoDoC it oantal falsk-positive resultaten mei 25% mei itselde oantal falsk-negative resultaten, wylst de wurkdruk fan klinikers mei 66% fermindere waard, yn ferliking mei it hjoeddeistige "dûbel-lêzen arbitraasje"-proses yn it Feriene Keninkryk. Wat TB-klassifikaasje oanbelanget, waarden it oantal falsk-positive resultaten mei 5 oant 15 prosint fermindere mei itselde oantal falsk-negative resultaten yn ferliking mei ûnôfhinklike KI en klinyske workflows.

Op deselde wize yntrodusearren Annie Y. Ng et al., fan Kheiron Company yn Londen, Feriene Keninkryk, ekstra KI-lêzers (yn gearwurking mei minsklike ûndersikers) om de resultaten opnij te ûndersiikjen as der gjin weromroepresultaten wiene yn it dûbel-lêzen arbitraasjeproses, wat it probleem fan miste deteksje by iere boarstkankerscreening ferbettere, en it proses hie hast gjin falske positiven. In oare stúdzje, laat troch in team oan 'e University of Texas McGovern Medical School en foltôge yn fjouwer beroertesintra, paste KI-technology basearre op kompjûtertomografy-angiografy (CTA) ta om de deteksje fan grutte vaskulêre okklusive ischemyske beroerte (LVO) te automatisearjen. Klinisy en radiologen krije binnen minuten nei it foltôgjen fan CT-ôfbylding real-time warskôgings op har mobile tillefoans, wêrby't se wurde ynformearre oer de mooglike oanwêzigens fan LVO. Dit KI-proses ferbetteret de workflows yn it sikehûs foar akute ischemyske beroerte, wêrtroch't de tiid fan doar nei lies fan opname oant behanneling wurdt fermindere en kânsen wurde oanbean foar suksesfolle rêding. De befiningen binne publisearre yn JAMA Neurology.

In AI-sûnenssoarchmodel foar universeel foardiel

Yn 2023 sil ek in soad goed wurk dien wurde dat medyske keunstmjittige yntelliginsje brûkt om funksjes te finen dy't ûnsichtber binne foar it minsklik each út makliker beskikbere gegevens, wêrtroch universele diagnoaze en iere screening op skaal mooglik binne. Oan it begjin fan it jier publisearre Nature Medicine stúdzjes dien troch it Zhongshan Eye Center fan 'e Sun Yat-sen Universiteit en it Twadde Affiliated Hospital fan 'e Fujian Medical University. Mei smartphones as applikaasjeterminals brûkten se tekenfilm-eftige fideobylden om de blik fan bern te wekken en it blikgedrach en gesichtsfunksjes fan bern op te nimmen, en fierder analysearren se abnormale modellen mei djippe learmodellen om mei súkses 16 eachsykten te identifisearjen, ynklusyf oanberne katarakten, oanberne ptose en oanberne glaukoom, mei in gemiddelde screeningnauwkeurigens fan mear as 85%. Dit biedt in effektive en maklik te popularisearjen technyske middel foar de grutskalige iere screening fan fisuele funksjebeperkingen by poppen en relatearre eachsykten.

Oan 'e ein fan it jier rapportearre Nature Medicine wurk dat dien wie troch mear as 10 medyske en ûndersyksynstellingen oer de hiele wrâld, ynklusyf it Shanghai Institute of Pancreatic Disease en it First Affiliated Hospital fan 'e Zhejiang University. De auteur paste keunstmjittige yntelliginsje ta op it screenen fan pankreaskanker by asymptomatyske minsken yn ûndersykssintra, sikehûzen, ensfh., om de laesje-eigenskippen te detektearjen yn gewoane CT-ôfbyldings dy't lestich te detektearjen binne mei it bleate each allinich, om sa effisjinte en net-invasive iere deteksje fan pankreaskanker te berikken. By it besjen fan gegevens fan mear as 20.000 pasjinten identifisearre it model ek 31 gefallen fan klinysk mist laesjes, wat de klinyske útkomsten signifikant ferbettere.

Dielen fan medyske gegevens

Yn 2023 binne der wrâldwiid in soad mear perfekte meganismen foar it dielen fan gegevens en suksesfolle gefallen ûntstien, wêrtroch't gearwurking tusken meardere sintra en iepenheid fan gegevens garandearre wurdt ûnder it útgongspunt fan it beskermjen fan gegevensprivacy en feiligens.

Earst, mei help fan KI-technology sels, hawwe KI-ûndersikers bydroegen oan it dielen fan medyske gegevens. Qi Chang en oaren fan Rutgers University yn 'e Feriene Steaten publisearren in artikel yn Nature Communications, wêryn't se in federaal learraamwurk DSL foarstelle basearre op ferspraat synthetyske adversariële netwurken, dat generative KI brûkt om de spesifike generearre gegevens fan multisintra te trainen, en dan de echte gegevens fan multisintra ferfangt mei de generearre gegevens. Soargje foar KI-training basearre op multisintra big data, wylst gegevensprivacy beskerme wurdt. Itselde team iepenet ek de boarne fan in dataset fan generearre patologyske ôfbyldings en har oerienkommende annotaasjes. It segmentaasjemodel dat traind is op 'e generearre dataset kin ferlykbere resultaten berikke as de echte gegevens.

It team fan Dai Qionghai fan 'e Tsinghua Universiteit publisearre in artikel oer npj Digital Health, wêryn't Relay Learning foarsteld waard, dat multi-site big data brûkt om AI-modellen te trainen ûnder it útgongspunt fan lokale gegevenssoevereiniteit en gjin cross-site netwurkferbining. It kombinearret gegevensfeiligens en privacy soargen mei it stribjen nei AI-prestaasjes. Itselde team ûntwikkele en validearre dêrnei mienskiplik CAIMEN, in boarst-CT pan-mediastinale tumordiagnosesysteem basearre op federaal learen, yn gearwurking mei it First Affiliated Hospital fan Guangzhou Medical University en 24 sikehuzen yn it heule lân. It systeem, dat tapast wurde kin op 12 gewoane mediastinale tumors, berikte 44,9 prosint bettere krektens as it allinich brûkt waard dan as it allinich brûkt waard troch minsklike saakkundigen, en 19 prosint bettere diagnoazekrektens as minsklike saakkundigen dertroch holpen waarden.

Oan 'e oare kant binne ferskate inisjativen oan 'e gong om feilige, wrâldwide, grutskalige medyske datasets te bouwen. Yn novimber 2023 publisearren Agustina Saenz en oaren fan 'e ôfdieling Biomedyske Ynformatika oan 'e Harvard Medical School online yn Lancet Digital Health in wrâldwiid ramt foar it dielen fan medyske ôfbyldingsgegevens mei de namme Artificial Intelligence Data for All Healthcare (MAIDA). Se wurkje gear mei sûnenssoarchorganisaasjes oer de hiele wrâld om wiidweidige begelieding te jaan oer gegevensferzameling en de-identifikaasje, mei help fan it US Federal Demonstration Partner (FDP)-sjabloan om gegevensdieling te standardisearjen. Se binne fan plan om stadichoan datasets frij te jaan dy't sammele binne yn ferskate regio's en klinyske omjouwings oer de hiele wrâld. De earste dataset wurdt ferwachte begjin 2024 frij te wurden, mei mear te kommen as de gearwurking útwreidet. It projekt is in wichtige poging om in wrâldwide, grutskalige en ferskaat set fan iepenbier beskikbere AI-gegevens te bouwen.

Yn it neisleep fan it foarstel hat de UK Biobank in foarbyld steld. De UK Biobank hat op 30 novimber nije gegevens frijjûn fan 'e folsleine genoomsekwinsjearring fan har 500.000 dielnimmers. De database, dy't de folsleine genoomsekwinsje fan elk fan 'e 500.000 Britske frijwilligers publisearret, is de grutste folsleine minsklike genoomdatabase yn 'e wrâld. Undersykers oer de hiele wrâld kinne tagong freegje ta dizze anonymisearre gegevens en it brûke om de genetyske basis fan sûnens en sykte te ûndersykjen. Genetyske gegevens binne yn it ferline altyd tige gefoelich west foar ferifikaasje, en dizze histoaryske prestaasje fan 'e UK Biobank bewiist dat it mooglik is om in iepen, privacyfrije wrâldwide grutskalige database te bouwen. Mei dizze technology en database sil medyske AI grif de folgjende sprong ynliede.

Ferifikaasje en evaluaasje fan medyske AI

Yn ferliking mei de rappe ûntwikkeling fan medyske KI-technology sels, is de ûntwikkeling fan ferifikaasje en evaluaasje fan medyske KI wat stadich. Falidaasje en evaluaasje yn it algemiene KI-fjild negearje faak de wirklike easken fan klinisy en pasjinten foar KI. Tradisjonele randomisearre kontroleare klinyske proeven binne te arbeidsum om de rappe iteraasje fan KI-ark te evenarjen. It ferbetterjen fan it ferifikaasje- en evaluaasjesysteem dat geskikt is foar medyske KI-ark sa gau mooglik is it wichtichste om medyske KI te befoarderjen om ûndersyk en ûntwikkeling echt nei klinyske lâning te lieden.

Yn it ûndersykspapier fan Google oer Med-PaLM, publisearre yn Nature, publisearre it team ek de MultiMedQA-evaluaasjebenchmark, dy't brûkt wurdt om it fermogen fan grutte taalmodellen te beoardieljen om klinyske kennis te krijen. De benchmark kombinearret seis besteande profesjonele medyske Q&A-datasets, dy't profesjonele medyske kennis, ûndersyk en oare aspekten omfetsje, lykas in online sykdatabase mei medyske fragen, en beskôget online Q&A tusken dokter en pasjint, en besiket AI op te lieden ta in kwalifisearre dokter út in protte aspekten. Derneist stelt it team in ramt foar basearre op minsklike beoardieling dat rekken hâldt mei meardere dimensjes fan feit, begryp, redenearring en mooglike foaroardielen. Dit is ien fan 'e meast represintative ûndersyksynspanningen om AI yn 'e sûnenssoarch te evaluearjen dy't dit jier publisearre is.

Mar betsjut it feit dat grutte taalmodellen in heech nivo fan kodearring fan klinyske kennis sjen litte dat grutte taalmodellen kompetint binne foar klinyske taken yn 'e echte wrâld? Krekt sa't in medyske studint dy't it profesjonele dokterseksamen mei in perfekte skoare slagget noch fier fan in solo haaddokter is, binne de evaluaasjekritearia dy't troch Google foarsteld binne miskien gjin perfekt antwurd op it ûnderwerp fan medyske AI-evaluaasje foar AI-modellen. Al yn 2021 en 2022 hawwe ûndersikers rapportaazjerjochtlinen foarsteld lykas Decid-AI, SPIRIT-AI, en INTRPRT, yn 'e hope de iere ûntwikkeling en falidaasje fan medyske AI te begelieden ûnder de betingst dat faktoaren lykas klinyske praktykens, feiligens, minsklike faktoaren, en transparânsje/ynterpretearberens wurde beskôge. Koartlyn publisearre it tydskrift Nature Medicine in stúdzje troch ûndersikers fan 'e Universiteit fan Oxford en Stanford oer oft "eksterne falidaasje" of "weromkommende lokale falidaasje" brûkt wurde moatte om AI-ark te falidearjen.

De ûnpartidige aard fan KI-ark is ek in wichtige evaluaasjerjochting dy't dit jier omtinken krigen hat fan sawol Science- as NEJM-artikels. KI lit faak foaroardielen sjen, om't it beheind is ta trainingsgegevens. Dizze foaroardielen kinne sosjale ûngelikens wjerspegelje, dy't fierder evoluearret ta algoritmyske diskriminaasje. De National Institutes of Health hawwe koartlyn it Bridge2AI-inisjatyf lansearre, dat rûsd wurdt op $ 130 miljoen, om ferskate datasets te bouwen (yn oerienstimming mei de doelen fan it hjirboppe neamde MAIDA-inisjatyf) dy't brûkt wurde kinne om de ûnpartidige aard fan medyske KI-ark te falidearjen. Dizze aspekten wurde net beskôge troch MultiMedQA. De fraach hoe't medyske KI-modellen mjitten en falidearre wurde moatte, moat noch wiidweidich en yngeande besprek wurde.

Yn jannewaris publisearre Nature Medicine in mieningsstik mei de titel "The Next Generation of Evidence-Based Medicine" fan Vivek Subbiah fan it MD Anderson Cancer Center fan 'e Universiteit fan Teksas, wêryn't de beheiningen fan klinyske proeven dy't bleatlein binne yn 'e kontekst fan' e COVID-19-pandemy besjoen waarden en de tsjinstelling tusken ynnovaasje en it oanhâlden fan it klinyske ûndersyksproses oanjûn waarden. Ta beslút wiist it op in takomst fan it herstrukturearjen fan klinyske proeven - de folgjende generaasje klinyske proeven dy't keunstmjittige yntelliginsje brûke, dat is it gebrûk fan keunstmjittige yntelliginsje út in grut oantal histoaryske ûndersyksgegevens, echte wrâldgegevens, multimodale klinyske gegevens, gegevens oer draachbere apparaten om wichtich bewiis te finen. Betsjut dit dat KI-technology en klinyske falidaasjeprosessen fan KI yn 'e takomst inoar ûnderling fersterkje en mei-evoluearje kinne? Dit is de iepen en neitochtprikkeljende fraach fan 2023.

Regeling fan Medyske AI

De foarútgong fan KI-technology stelt ek útdagings foar de regeljouwing fan KI, en beliedsmakkers oer de hiele wrâld reagearje sekuer en soarchfâldich. Yn 2019 publisearre de FDA foar it earst in Foarsteld Regeljouwingskader foar Softwarewizigingen oan Medyske Apparaten mei Keunstmjittige Intelligensje (Diskusjekonsept), wêryn't de potinsjele oanpak foar premarketbeoardieling fan KI en masinelearen-oandreaune softwaremodifikaasjes detaillearre waard. Yn 2021 stelde de FDA it "Keunstmjittige Intelligensje/Masinelearen-basearre Software as in Aksjeplan foar Medyske Apparaten" foar, dat fiif spesifike medyske regeljouwingsmaatregels foar KI ferdúdlike. Dit jier hat de FDA de Premarket Submission for Device Software Features opnij útjûn om ynformaasje te jaan oer oanbefellings foar premarket-yntsjinjen foar de evaluaasje fan 'e FDA fan' e feiligens en effektiviteit fan apparaatsoftwarefunksjes, ynklusyf guon softwarefunksjes dy't masinelearmodellen brûke dy't traind binne troch masinelearenmetoaden. It regeljouwingsbelied fan 'e FDA is evoluearre fan in earste foarstel nei praktyske begelieding.

Nei de publikaasje fan 'e European Health Data Space yn july ferline jier hat de EU opnij de Artificial Intelligence Act ynfierd. De earste hat as doel om sûnensgegevens optimaal te brûken om sûnenssoarch fan hege kwaliteit te leverjen, ûngelikens te ferminderjen en gegevens te stypjen foar previnsje, diagnoaze, behanneling, wittenskiplike ynnovaasje, beslútfoarming en wetjouwing, wylst derfoar soarge wurdt dat EU-boargers mear kontrôle hawwe oer har persoanlike sûnensgegevens. De lêste makket dúdlik dat it medyske diagnoazesysteem in AI-systeem mei hege risiko is, en it moat rjochte sterke tafersjoch, tafersjoch oer de heule libbenssyklus en tafersjoch foarôfgeand oan evaluaasje oannimme. It Europeesk Medisinenagentskip (EMA) hat in ûntwerprefleksjepapier publisearre oer it gebrûk fan AI om de ûntwikkeling, regeljouwing en gebrûk fan medisinen te stypjen, mei in klam op it ferbetterjen fan 'e leauwensweardigens fan AI om pasjintfeiligens en de yntegriteit fan klinyske ûndersyksresultaten te garandearjen. Oer it algemien krijt de regeljouwingsoanpak fan 'e EU stadichoan foarm, en de definitive ymplemintaasjedetails kinne detaillearre en stranger wêze. Yn skril kontrast mei de strange regeljouwing fan 'e EU makket de AI-regeljouwingsblauwdruk fan it Feriene Keninkryk dúdlik dat de regearing fan plan is in sêfte oanpak te nimmen en foarearst gjin nije wetsfoarstellen yn te stellen of nije tafersjochhâlders yn te stellen.

Yn Sina hat it Medical Device Technical Review Center (NMPA) fan 'e National Medical Products Administration earder dokuminten útjûn lykas "Review Points of Deep Learning Assisted Decision Software", "Guiding Principles for the Registration Review of Artificial Intelligence Medical Devices (Draft for Comment)" en "Circular on Guiding Principles for the Classification and Definition of Artificial Intelligence Medical Software Products (No. 47 yn 2021)". Dit jier is de "Gearfetting fan 'e earste resultaten fan 'e klassifikaasje fan medyske apparatenprodukten yn 2023" opnij útbrocht. Dizze searje dokuminten makket de definysje, klassifikaasje en regeljouwing fan medyske softwareprodukten foar keunstmjittige yntelliginsje dúdliker en makliker te betsjinjen, en jout dúdlike begelieding foar de produktposysjonearring en registraasjestrategyen fan ferskate bedriuwen yn 'e sektor. Dizze dokuminten leverje in ramt en managementbeslissingen foar de wittenskiplike regeljouwing fan medyske apparaten foar keunstmjittige yntelliginsje. It is it wurdich om út te sjen nei de aginda fan 'e China Medical Artificial Intelligence Conference, hâlden yn Hangzhou fan 21 oant 23 desimber, dy't in spesjaal forum ynstelde oer digitaal medysk bestjoer en hege kwaliteitsûntwikkeling fan iepenbiere sikehûzen en in forum foar ûntwikkeling fan 'e yndustry foar it testen en evaluearjen fan technology foar standerdisaasje fan medyske apparaten foar keunstmjittige yntelliginsje. Op dat stuit sille amtners fan 'e Nasjonale Untwikkelings- en Herfoarmingskommisje en de NMPA de gearkomste bywenje en kinne nije ynformaasje frijjaan.

Konklúzje

Yn 2023 is medyske KI begûn te yntegrearjen yn it heule medyske upstream- en downstream-proses, wêrby't gegevens sammele wurde, gearfoege, analysearre, diagnoaze en behanneling fan sikehûsgegevens, en screening yn 'e mienskip, en organysk gearwurke wurde mei meiwurkers fan medyske/syktekontrôle, wat de potinsje sjen lit om wolwêzen te bringen yn 'e minsklike sûnens. Bruikber medysk KI-ûndersyk begjint te ûntstean. Yn 'e takomst hinget de foarútgong fan medyske KI net allinich ôf fan 'e technologyske ûntwikkeling sels, mar hat ek de folsleine gearwurking fan 'e yndustry, universiteit en medysk ûndersyk en de stipe fan beliedsmakkers en tafersjochhâlders nedich. Dizze gearwurking oer ferskate domeinen is de kaai ta it berikken fan KI-yntergreare medyske tsjinsten, en sil de ûntwikkeling fan 'e minsklike sûnens wis befoarderje.