Novaĵoj

Nuntempe, artefarita inteligenteco analizas kompleksajn medicinajn datumojn per algoritmoj kaj programaro por aproksimi homan pensadon. Tial, sen la rekta enigo de AI-algoritmo, eblas por la komputilo fari rektan antaŭdiron.
Novigoj en ĉi tiu kampo okazas tutmonde. En Francio, sciencistoj uzas teknologion nomatan "temposeria analizo" por analizi pacientajn akcepto-registrojn dum la pasintaj 10 jaroj. Ĉi tiu studo povas helpi esploristojn trovi la regulojn de akcepto kaj uzi maŝinlernadon por trovi algoritmojn, kiuj povas antaŭdiri la regulojn de akcepto en la estonteco.
Ĉi tiuj datumoj poste estos provizitaj al hospitalestroj por helpi ilin antaŭdiri la "vicon" de medicina personaro bezonata en la venontaj 15 tagoj, provizi pli da "ekvivalentaj" servoj por pacientoj, mallongigi ilian atendtempon, kaj helpi aranĝi la laborkvanton por medicina personaro kiel eble plej racie.
En la kampo de cerbo-komputila interfaco, ĝi povas helpi restarigi bazan homan sperton, kiel ekzemple paroladon kaj komunikadan funkcion perditajn pro nervasistemaj malsanoj kaj nervasistemaj traŭmatoj.
Krei rektan interfacon inter la homa cerbo kaj la komputilo sen uzi klavaron, ekranon aŭ muson signife plibonigos la vivokvaliton de pacientoj kun amiotrofa lateralsklerozo aŭ apopleksio.
Krome, AI ankaŭ estas grava parto de nova generacio de radiaj iloj. Ĝi helpas analizi la tutan tumoron per "virtuala biopsio", anstataŭ per malgranda invasiva biopsia specimeno. La apliko de AI en la kampo de radia medicino povas uzi bildbazitan algoritmon por reprezenti la karakterizaĵojn de la tumoro.
En esplorado kaj disvolviĝo de medikamentoj, fidante je grandaj datumoj, artefarita inteligenteco povas rapide kaj precize elmini kaj kontroli taŭgajn medikamentojn. Per komputila simulado, artefarita inteligenteco povas antaŭdiri la agadon, sekurecon kaj kromefikojn de medikamentoj, kaj trovi la plej bonan medikamenton taŭgan por la malsano. Ĉi tiu teknologio multe mallongigos la ciklon de disvolviĝo de medikamentoj, reduktos la koston de novaj medikamentoj kaj plibonigos la sukcesfrekvencon de disvolviĝo de novaj medikamentoj.
Ekzemple, kiam iu estas diagnozita kun kancero, la inteligenta sistemo por disvolvi medikamentojn uzos la normalajn ĉelojn kaj tumorojn de la paciento por krei sian modelon kaj provos ĉiujn eblajn medikamentojn ĝis ĝi trovos medikamenton, kiu povas mortigi kancerajn ĉelojn sen damaĝi normalajn ĉelojn. Se ĝi ne povas trovi efikan medikamenton aŭ kombinaĵon de efikaj medikamentoj, ĝi komencos disvolvi novan medikamenton, kiu povas kuraci kanceron. Se la medikamento kuracas la malsanon sed ankoraŭ havas kromefikojn, la sistemo provos seniĝi de la kromefikoj per koresponda alĝustigo.