精品乱码一区二区三四区视频-japan白嫩丰满少妇videos-人妻无码一区二区不卡无码av-狂野欧美性猛交xxxx-欧美 亚洲 中文 国产综合-国产精品美女久久久m-国产欧美熟妇另类久久久-无码一区二区三区亚洲人妻-男人操女人逼,日韩性xx,成全视频观看免费高清第6季,欧美一区三区

張超：醫療大腦是個比較籠統的稱呼，簡單來說是一種知識庫，加上基于此的邏輯推理和計算。它可以泛指醫療從業人員的智慧總和。具體點說，它具備診斷、治療的能力，可以獨立提供用藥輔助、分診導診、健康咨詢等服務，也可以高質量的輔助醫療從業人員完成某項工作。

對我們的醫療大腦來講，患者醫療健康行為需要的能力、所有醫生行醫過程中的知識輔助能力我們都會著力去構建打造。

雷鋒網：相比百度的醫療大腦和IBM ，康夫子的特別和區別是什么？

IBM 目前重點在腫瘤領域針對醫生提供輔助決策功能。區別是，我們：

1. 現階段重點是針對常見的3000種病進行建模；

2. 在服務對象方面，除了輔助醫生，患者輔助教育也是我們重要的服務對象；

3. 在醫生層面，我們的醫療大腦又分為基層全科醫生和大醫院專科醫生。

我們和的場景和方法不太一樣，它大的框架是問答、搜索的框架，同時融入了多種（ 如 知識圖譜）。我們整個醫療決策系統是基于知識圖譜做推理。技術上講，對腫瘤這樣的疑難雜癥，診斷用的維度非常高，但常見病的維度沒那么高。這兩個方面帶來的挑戰不一樣，我們是從常見病入手，把服務的范圍也會擴大。

我們的醫療大腦和百度醫療大腦在某些方面有著相同之處，都致力于輔助網民提供醫療信息服務。差別是：

1. 在數據維度，百度醫療大腦數據來自百度醫生APP上醫患之間交流數據；我們的醫療大腦定位在醫療級產品，知識圖譜構建數據來自權威的醫療文獻和電子病歷數據。

2. 在做事的路徑上，也存在著很多不同，我們作為一家初創型公司，會選擇更適合其發展的路徑。

雷鋒網：目前國內做智能診斷的現狀是怎么樣的？

從時間上分，有傳統派和新興派。傳統派是指類似決策樹專家系統醫療智能問答，知識庫依靠專家構建，診斷邏輯也基于專家書寫的等等。新興派是指利用AI技術，利用計算機從海量文獻數據中構建知識圖譜，并根據歷史經驗自動學習診斷邏輯。

從類型上分，有基于文本從癥狀、化驗入手做智能診斷的，也有基于圖像從CT圖片入手做智能診斷的。

傳統派的診斷系統，受限于知識庫的規模和復雜的醫學邏輯表示，疾病的覆蓋率和診斷的準確率都不夠高。新興派在這塊整體上要好于傳統派，但由于研發時間短，目前仍無法達到可用狀態。

整體上智能診斷還處于初期，目前沒有可以實現大規模商用。

雷鋒網：智能診斷最重要的技術挑戰又是哪些？非技術上的挑戰呢？

技術上，我們現階段認為智能診斷的底層核心是知識圖譜，診斷的過程是基于知識圖譜實現的推理過程。知識圖譜的規模從根本上決定了智能診斷的瓶頸。另外就是應用上的挑戰，智能診斷不管服務誰，在應用場景上有很大的差別，要有針對性地提升效果。

在非技術上，重點要讓老百姓及醫療機構認可或理解這套診斷邏輯。

雷鋒網：做好智能診斷的標準主要是哪些？應該包括哪些主要內容？

籠統地說，好的標準要靠效果說話，也就是說：

診斷的準確率要高；

整體過程可解釋、可干預，可以讓醫生等專業人士隨時干預；

可以輸入多種類型數據(除了癥狀，還有用藥史、化驗檢查、誘因、遺傳史、個人史等等)；

另外不同服務對象的診斷系統標準也是不一樣的，比如，如果智能診斷是用來服務醫生，除了核心診斷能力，還需能結合醫生所在醫院科室的醫療習慣。

如果智能診斷用來服務患者：

1. 需要做患者語言理解，因為患者描述的語言和醫學語言有著較大的差異；

2. 要像醫生那樣思考，同患者交互，獲取對診斷有益的數據。

雷鋒網：對你們來說，做智能診斷，數據來源和獲取方式有哪些？

對康夫子來講，數據主要來自如下三大方面：

權威的醫學文獻，如：醫學數據、診療指南、以及相關論文；

病歷數據；

互聯網獲取科普資訊、醫患問答數據等。

前兩部分數據用來構建知識圖譜，訓練診斷邏輯。互聯網數據主要用來做患者語言理解，患者可能會有一些不標準的描述，比如“感覺身體被掏空”，這些詞在醫學上沒有對應的匹配，需要計算去理解。

雷鋒網：有的醫學文獻，經驗證是與事實存在偏倚的，有的甚至是錯誤的，這個問題怎么看？

錯誤是肯定有的，但我們在整個過程中要想辦法降低并消除這種錯誤。大概有如下思路：

1. 相信更新知識，相信更權威的知識；

2. 因為知識是通過知識圖譜表現出來的，所以，可以針對知識圖譜進行一些推理計算，及早發現某些矛盾，進而安排人工審核校對；