“เรามีข้อมูลเข้ามาหาเราในอัตราที่มนุษย์ไม่สามารถตามทันได้” Susan McLaughlin จากIBM Watson Healthกล่าว ในการประชุม ESTRO 37 ล่าสุด ซึ่งจัดขึ้นโดย Elektaผู้เชี่ยวชาญด้านรังสีบำบัดของสวีเดนMcLaughlin อธิบายว่าการโจมตีด้วยข้อมูลนี้เป็นแรงจูงใจของ IBM ในการสร้าง Watson for Oncology ซึ่งเป็นระบบสนับสนุนการตัดสินใจทางคลินิกที่ใช้ปัญญาประดิษฐ์ (AI) เครื่องมือนี้
ได้รับการพัฒนา
โดยความร่วมมือกับศูนย์มะเร็ง Memorial Sloan Kettering (MSK) ซึ่งจัดการฝึกอบรมโดยแพทย์ผู้เชี่ยวชาญโดยใช้บันทึกของผู้ป่วยและแนวทางปฏิบัติที่เผยแพร่ เสริมด้วยข้อความหลายล้านหน้าจากบทความในวารสารวิจัยกว่า 300 บทความ และตำราทางการแพทย์ 250 เล่ม
เมื่อต้นปีที่ผ่านมา Elekta ได้ประกาศความร่วมมือกับ IBM เพื่อนำเสนอ Watson for Oncology ภายในระบบการดูแลโรคมะเร็งแบบดิจิทัล รวมถึงการรวมเข้ากับระบบข้อมูล MOSAIQ ด้านเนื้องอกวิทยาที่ใช้กันอย่างแพร่หลาย Richard Hausmann ซีอีโอของ Elekta กล่าวว่า
“การผนึกกำลังกับ IBM Watson Health ทำให้ Elekta เป็นบริษัทรังสีรักษาแห่งแรกที่นำเสนอศักยภาพที่รวมระบบข้อมูลด้านสุขภาพแบบดั้งเดิมเข้ากับปัญญาประดิษฐ์และการประมวลผลแบบคลาวด์” Richard Hausmann ซีอีโอของ Elekta กล่าว TF: อะไรคือแรงจูงใจของ Elekta
ในการร่วมมือกับ IBM Watson HealthRH: Elekta มีการนำเสนอผลิตภัณฑ์สองรายการ ประการแรก โซลูชันการรักษา ซึ่งเป็นเครื่องที่ส่งปริมาณยาและซอฟต์แวร์ที่เกี่ยวข้อง ยิ่งไปกว่านั้น สิ่งที่ฉันเรียกว่าระดับการแปลงเป็นดิจิทัลของการดูแลสุขภาพ ซอฟต์แวร์เวิร์กโฟลว์ MOSAIQ ของเรา
ซึ่งรองรับการรวบรวมและจัดเก็บข้อมูลที่เกี่ยวข้องทั้งหมด MOSAIQ จัดการผู้ป่วยตั้งแต่การวินิจฉัยไปจนถึงการรักษาทั้งหมด ไม่ว่าจะเป็นการฉายแสง เคมีบำบัด ภูมิคุ้มกันบำบัด หรือการผ่าตัด ภายในโลกดิจิทัลนี้ ระหว่างการวินิจฉัยและการรักษา โดยทั่วไปจะมีคณะกรรมการเนื้องอกที่ผู้เชี่ยวชาญมารวมตัวกัน
เพื่อตัดสินใจ
เกี่ยวกับการรักษาที่เหมาะสมสำหรับผู้ป่วย แต่ในหลายกรณี คุณไม่มีผู้เชี่ยวชาญทั้งหมดที่สามารถดำเนินการได้อย่างมีประสิทธิภาพ การมีเครื่องมืออย่าง Watson for Oncology เป็นเรื่องที่สมเหตุสมผล
Watson for Oncology ทำงานร่วมกับ MOSAIQ อย่างไร
โดยพื้นฐานแล้ว ข้อมูลทั้งหมดของผู้ป่วยจะถูกป้อนเข้าสู่ Watson ทั้งข้อมูลจาก MOSAIQ และจากด้านการวินิจฉัย เช่น ภาพ การวินิจฉัย ข้อมูลในห้องปฏิบัติการ ทุกสิ่งที่คณะกรรมการเนื้องอกมักจะเห็น ข้อมูลจากผู้ป่วยจะถูกสะท้อนไปยังเคสที่ใกล้เคียงที่สุดที่ MSK และวัตสันพบการรักษาที่เป็นไปได้มาก
นี่คือที่มาของ AI – วัตสันยังตรวจสอบการศึกษาทั้งหมดที่เกี่ยวข้องกับชุดข้อมูลเฉพาะนี้ และสิ่งพิมพ์ทั้งหมดในภาคสนาม จากนั้นจะสร้างความน่าจะเป็นของวิธีการรักษาที่ดีที่สุดที่จะใช้และให้คำแนะนำการรักษา เช่น การฉายแสงด้วยจำนวนเศษส่วนจำนวนหนึ่ง เคมีบำบัด
การฉายรังสีก่อนเพื่อลดขนาดเนื้องอก และอื่นๆเทคโนโลยีนี้จะมีประโยชน์สูงสุดที่ใดแนวทางนี้เข้ามาใช้ในสถานการณ์ที่ผู้เชี่ยวชาญไม่ครบทุกคน เช่น ในประเทศกำลังพัฒนาที่อาจขาดแพทย์ด้านเนื้องอกวิทยาจำนวนมาก แต่ก็ยังต้องการการรักษาอย่างมาก วัตสันสามารถขยายขีดความสามารถ
และความรู้ของแพทย์เฉพาะทางด้านเนื้องอกวิทยาที่มีอยู่ไม่กี่ราย และเพิ่มการเข้าถึงการรักษานอกจากนี้ยังเข้ามาในเกมเพื่อสร้างมาตรฐานการรักษาในเครือโรงพยาบาลขนาดใหญ่หรือศูนย์มะเร็ง ซึ่งความแปรปรวนของการดูแลอาจมีนัยสำคัญ ที่นี่ จุดมุ่งหมายของการใช้วัตสันคือการสร้างกระบวนการทำซ้ำ
ที่เป็นมาตรฐาน เราเห็นแอปพลิเคชั่นขนาดใหญ่ที่นั่นเช่นกันวัตสันเป็นเครื่องมือเวิร์กโฟลว์จริงๆ แทนที่จะมีผู้เชี่ยวชาญอยู่แล้ว คุณสามารถใช้ประสบการณ์ที่สะสมไว้ในวัตสันและเชื่อมโยงสิ่งนี้กับชุดข้อมูลของผู้ป่วย หรือคุณสามารถใช้วัตสันเป็นตัวควบคุม หากคุณได้ตัดสินใจว่าจะรักษาอย่างไรให้ดีที่สุด
แต่ต้องการตรวจสอบกับสิ่งที่ MSK จะทำElekta วางแผนที่จะใช้วัตสันกับระบบวางแผนการรักษาในโมนาโกหรือไม่?ความร่วมมือนี้เพิ่งเริ่มต้น ซึ่งเป็นพื้นที่ขนาดใหญ่ที่เราจะทำทีละขั้นตอน แต่ฉันแน่ใจว่าเราจะไปถึงจุดที่การวางแผนการรักษาเป็นส่วนหนึ่งของมันเช่นกัน ในการทำให้โครงร่างอัตโนมัติ
สำหรับการวางแผนขนาดยาและการคำนวณขนาดยา เป็นต้น หรือเพื่อค้นหาอวัยวะที่มีความเสี่ยงในภาพจาก MR-linac เครื่องมือเหล่านี้จะมีความสำคัญมากขึ้นเรื่อยๆ และกับผู้ป่วยทุกราย ระบบจะเรียนรู้ – นี่คือสิ่งที่อัลกอริทึม AI เชิงลึกทำ นอกจากการพัฒนาคุณภาพแล้ว ยังทำให้วางแผนได้เร็วขึ้นด้วย
สิ่งนี้จะช่วยในการรักษาแบบปรับตัว เช่น MR-linac หรือไม่ในมุมมองของผม 10 ปีจากนี้จะไม่มีการสแกนการวางแผนเลย ผู้ป่วยจะได้รับการวินิจฉัย จากนั้นในทุกเซสชันบน MR-linac จะมีการแบ่งส่วน การวางแผน และการดำเนินการแบบบูรณาการ ด้วยความเร็วเท่ากับการรักษาที่วางแผนไว้ล่วงหน้า
ในปัจจุบัน
มันจะเกิดขึ้น ไม่ต้องสงสัย และถ้าคุณไปยังขั้นตอนถัดไป นั่นคือการปรับตามเวลาจริงที่คุณติดตามส่วนต่างๆ ของร่างกายที่เคลื่อนไหว แน่นอนว่าคุณจะต้องใช้ความเร็วและระบบอัตโนมัติของ AI อยู่เบื้องหลัง
คุณมองเห็นอนาคตของ AI ในด้านเนื้องอกวิทยาอย่างไร
ในธุรกิจของ Elekta เรามองว่า AI หรือการเรียนรู้เชิงลึกเป็นรากฐานที่สำคัสำหรับอนาคต ตัวอย่างเช่น แอปพลิเคชันหนึ่งใช้สำหรับงานที่เราต้องดำเนินการอย่างรวดเร็วและมีประสิทธิภาพ เช่น การแบ่งส่วนอวัยวะที่บอบบางและตัวเนื้องอกเอง เครื่องมืออัตโนมัติสามารถทำได้เร็วกว่าและทำซ้ำได้มากกว่าสายตามนุษย์ สามารถใช้สำหรับสิ่งที่ง่ายกว่าได้เช่นกัน เช่น การปรับเวลา linac
Credit : เกมส์ออนไลน์แนะนำ >>> ยูฟ่าสล็อตเว็บตรง
