Willkommen! Willkommen! Willkommen! Du bist auf dem Gebiet der Technik, dank des Lesens! Jeder positive und angenehme Kommentar in der Wärme meiner Seele!
Subjektiver Artikel und drückt die persönliche Meinung des Autors aus.
Obwohl künstliche Intelligenz für viele die Angst vor Arbeitsplatzverlust ist, genießen wir Ärzte immer noch ein Gefühl der Selbstzufriedenheit. Es scheint jedoch, dass sich die erste Welle des von künstlichen Ärzten ausgelösten Angriffs schnell nähert. Und Radiologen, so scheint es, die erste Linie.
Diagnostische Radiologen - sind Ärzte, die Bilder zur Identifizierung und Charakterisierung der Krankheit verwenden. Sie sind in der modernen Medizin unverzichtbar geworden und oft der Schlüssel zu Diagnose, Prognose und Management. Als Arzt, der sich in dringenden und traumatischen Fällen zunehmend auf die medizinische Bildgebung stützt, kenne ich den Wert des Akuten aus erster Hand, den Anblick von Experten rentgenolaga.
Trotz dieser Bedeutung, die Grenzen der modernen Radiologie mit einem schwindelerregenden Erfolg mit KI stimmen zu, die Bewegung in diesem Bereich zu automatisieren. Erstens, die Rentgenolaga-Ausbildung - ein langer und kostspieliger Prozess, der fast 15 Jahre post Sekundäre Ausbildung erfordert und Hunderttausende von öffentlichen und privaten Dollar beinhaltet. Absolventen im Durchschnitt mit Radiologen schuld an der medizinischen Fakultät und einem College von mehr als 200.000 Dollar, bevor sie mit der Ausbildung beginnen. Nach der Ausbildung sind Radiologen teuer in der Wartung. Sie gehören zu den am höchsten bezahlten Ärzten in den Vereinigten Staaten. Das durchschnittliche Jahresgehalt beträgt laut einer Studie 503.255 US-Dollar, was mehr als 13 Milliarden US-Dollar jährlichen Betriebskosten im ganzen Land entspricht.
Gleichzeitig ist die Analyse von Bildern, die eine grundlegende Funktion in der Radiologie ist, ein Beweis für die fortschrittlichste Forschung II. Die Computervision steht im Mittelpunkt vieler der am häufigsten erwarteten neuen Technologien von fahrerlosen Autos für die erweiterte Realität. Es ist nicht verwunderlich, dass in den letzten Jahrzehnten eine Reihe von gut investierten Interessengruppen stark in ihre Entwicklung investiert haben. Darüber hinaus ist die Architektur des maschinellen Lernens am besten geeignet für die Computervision, genannt das Dieb Neural Network. Es ist die gleiche Architektur, die im Allgemeinen den Leistungen der Gemeinschaft zugrunde liegt. Auf diese Weise ist es möglich, Durchbrüche in anderen Bereichen des geistigen Eigentums, wie z. B. der Spracherkennung und der Verarbeitung natürlicher Sprache, zu verbessern, um den Stand der Technik in der Computervision zu verbessern.
Andrew Ng, Gründer der Internetplattform Kurzer und ehemaliger technischer Direktor des "chinesischen Google" Bai du, gab kürzlich die Entwicklung von Geriet bekannt - neuronale Netzwerkwicklung, die Lungenentzündung und andere Brustkrebserkrankungen auf Röntgenbildern erkennen kann, ist besser als menschliche Röntgenuntersuchungen. Anfang des Jahres entwickelte das ungarische Team ein ähnliches System zur Erkennung und Klassifizierung von Anzeichen von Brustkrebs in der Mammografie. Im Jahr 2017 veröffentlichte die Adelaide University of Researchers Details zu einem Roboter, der mit der Erkennungsleistung der menschlichen Rentgenolaga bei Hüftfrakturen übereinstimmen kann. Und natürlich hat Google eine nicht-menschliche Fähigkeit erreicht, die diabetische Retinopathie durch Radiographie zu identifizieren, die für die meisten Radiologen unerreichbar ist.
Andere nahmen ihre Algorithmen aus dem Labor und traten in den Markt ein. Politik, gegründet vom ANSI-Serienunternehmer und Forschern der University of San Francisco, Jeremy Hobart, einem Bay-Areal-Startup, der automatisierte Katzeninterpretation für Radiologie und Digitalisierung anbietet, kann den bösartigen Tumor von Knötchen anscheinend 50 Prozent genauer beurteilen als eine Gruppe von Radiologen und Frakturen identifizieren, die so klein sind, dass sie im Allgemeinen das menschliche Auge nicht verfehlen. Santa Kapitol, einer der größten Investoren von Politik, verfügt über ein Netzwerk von diagnostischen Bildübungszentren in ganz Australien, bis zu einer breiten Verbreitung dieser Technologie. Ein weiteres Start-Bay-Areal, Arterns, bietet medizinische Bildumgebungsdiagnostik in der Cloud: Die Dienstleistungen von Arterns gehen über den einfachen Film hinaus und umfassen kardiovaskuläre Gesundheitsbilder und Skanatsyi-Katzen an Brust und Bauch. Und es gibt noch viele andere.
Natürlich sind diese Dienstleistungen Teil des "Produkt Support", der "Ärzte schneller macht", nicht ein Ersatz, der Ärzte entlastet. Diese Sprache kann einen diskreten Blick auf die Technologie werfen, auch wenn es sich wahrscheinlich auch um eine Marketingstrategie handelt, die darauf abzielt, Irritationen durch Bedrohungen oder Manager zu vermeiden. Am Ende sind die meisten Kunden selbst, heute - Radiologen.
Die Tatsache, dass die Technologie ist, scheint es, bis auf einige. Natürlich gibt es noch eine Reihe von Problemen, einige technische, andere - in Bezug auf die Verantwortung, Regulierung und den Widerstand der Industrie. Dies sind jedoch komplexe Probleme mit anderen Automatisierungstechnologien (denken Sie nur an fahrerlose Autos), bei denen wir eher usprymaemsya sind.
Angestellte sind weit davon entfernt, Schutz vor dem drohenden Sturm II zu bieten. Vor allem wir Ärzte schätzten das ungerechtfertigte Gefühl der Sicherheit. Obwohl eine Reihe von medizinischen Bereichen für die Automatisierung bereit sind, erscheint die Radiologie zuerst in der Warteschlange. Der Einsatz dieser Technologie wird wahrscheinlich fortschrittlich und sogar arrogant sein. Patienten und ihre Familien werden davon ebenso profitieren wie öffentliche Mittel und die Makroökonomie. Allerdings, Radiologen, ist abgelaufen, und wir versuchen, diese Veränderungen und den Plan entsprechend zu antizipieren.
Wenn ihr, meine Freunde, es hat mir gefallen, ich werde mich freuen, wenn ihr auf "Abonnieren" klickt! Darüber hinaus vergessen Sie nicht Ihren königlichen Look und aufrichtige Kommentare unter diesem Artikel. Vielen Dank für Ihre Aufmerksamkeit!