新書推薦：
《
最后一件大事
》
售價：HK$
63.8
《
镜鉴日本：日本经济的经验与教训
》
售價：HK$
86.9
《
资产配置行动指南
》
售價：HK$
63.8
《
书籍的社会史-中华帝国晚期的书籍与士人文化（第二版）
》
售價：HK$
86.9
《
活出主体性
》
售價：HK$
75.9
《
中国城市复兴
》
售價：HK$
140.8
《
踏入她们的河流
》
售價：HK$
96.8
《
绿镜头——非洲
》
售價：HK$
96.8
|
| 內容簡介： |
|
人工智能技术发展日新月异，正深刻改变着传统医学的研究范式与临床实践，成为医疗健康产业变革的核心驱动力之一。《中国学科发展战略·人工智能医学应用》系统分析了人工智能医学应用的科学意义与战略价值，梳理了相关定义、该领域发展规律，并对其未来发展趋势进行了预判；进一步从战略规划、研究与产业发展、人才团队与平台建设多角度分析该领域总体发展现状，并分析了心血管疾病、肿瘤、神经系统疾病、呼吸系统疾病以及医疗机器人?5?个优势领域的发展现状。在此基础上，分析该领域面临的关键科学问题与核心技术问题，并提出优势领域未来发展思路与重点方向，针对现有问题与挑战，提出对策建?议。
|
| 目錄：
|
|
目录总序 i前言 v摘要 ixAbstract xxi第一章 人工智能医学应用的科学意义、战略价值 1第一节 人工智能医学应用的科学意义 2一、显著提升生物医学基础研究能力 2二、显著提升疾病机制探究能力 3三、显著提升临床医学研究质量 4四、显著提升药物研发效率 4第二节 人工智能医学应用在医疗领域的战略价值 5一、实现快速、精准的疾病监测 6二、变革疾病检测与诊断流程 7三、实现精准治疗 8第三节 人工智能医学应用的经济和社会价值 8一、减轻疾病负担 8二、变革医疗系统的运行模式 9三、实现全生命周期的健康管理 9四、提高医疗服务的公平性与可及性 10五、实现大健康产业数字化、智能化 10第二章 人工智能医学应用的定义、发展规律和未来趋势 12第一节 人工智能医学应用的定义与内涵 12一、人工智能医学应用的定义 12二、人工智能医学应用的内涵及典型应用场景 14第二节 人工智能医学应用的发展历程 19一、萌芽期 19二、发展期 21三、快速发展期 25第三节 人工智能医学应用的发展规律和未来趋势 31一、基于研究主题变化的发展规律分析 32二、人工智能医学应用的重要共性技术 39三、人工智能医学应用的未来发展趋势 44第三章 人工智能医学应用领域发展现状与动态 47第一节 国内外人工智能医学应用战略规划布局 47一、全球主要国家（组织）的政策规划与战略布局 47二、全球主要国家（组织）的科技计划与项目布局 69第二节 国内外人工智能医学应用领域发展现状 82一、研究、开发情况 83二、产业发展 96第三节 人工智能医学应用领域人才团队与平台设施建设 113一、国内外相关人才团队情况 113二、全球主要国家（组织）的平台设施建设 117第四节 国际人工智能医学应用优势领域的发展现状 127一、心血管疾病领域 127二、肿瘤领域 153三、神经系统疾病领域 188四、呼吸系统疾病领域 219五、医疗机器人 230第四章 人工智能医学应用的关键科学问题、核心技术问题及优势领域的未来发展方向 241第一节 人工智能医学应用中的关键科学问题 241一、人工智能医学应用中因果推理的理论和方法论问题 242二、人工智能医学应用中算法透明度与可解释性问题 242三、人工智能医学应用模型的泛化能力问题 243四、医学领域多模态数据融合问题 244第二节 人工智能医学应用中的核心技术问题 244一、数据质量与数据标注技术 244二、医疗数据共享与安全问题 245三、人工智能医学产品转化及评价问题 246四、医疗机器人领域的技术问题 247第三节 优势领域未来发展思路与重点方向 247一、心血管疾病领域 247二、肿瘤领域 252三、神经系统疾病领域 261四、呼吸系统疾病领域 268五、医疗机器人领域 275第五章 我国人工智能医学应用面临的问题、挑战与对策 278第一节 我国人工智能医学应用发展面临的问题与挑战 278一、高质量的数据平台缺乏 279二、临床应用面临挑战 280三、监管治理体系尚未建立 282四、学科交叉人才与跨学科合作不足 284第二节 我国人工智能医学应用发展的对策与建议 285一、加强基础设施和平台建设，尤其是建设规范化的医疗信息系统和远程医疗技术平台 285二、创新研发模式和资助机制 286三、建立综合治理体系 287四、加强学科交叉合作与人才培养 290关键词索引 293
|
| 內容試閱：
|
|
第一章人工智能医学应用的科学意义、战略价值 人工智能（artificial intelligence，AI）是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的技术科学，可视为一种“使用机器模仿人类智能行为的能力”。作为一种颠覆性技术，人工智能在科技革命中积蓄了巨大的能量，推动了科学技术的进步、产业的优化升级、生产力的飞跃。当前，人工智能的理论和技术日趋成熟，应用领域也不断扩大。其中，医疗行业是人工智能技术和产品的重要应用领域之一。人工智能的应用正在引发一场深刻的变革，其不仅影响医学研究和医疗模式，还延伸至临床实践、公共卫生和经济社会等多个层面。 目前，人工智能正在重塑医疗健康和生命科学领域的研究格局，显著提升基础医学和临床医学的研究能力，并在加快新药研发效率等方面发挥着越来越重要的作用。随着医疗体系从传统的“以医院/医疗机构为中心”向“以患者为中心/以人为本”的服务模式转变，人工智能技术的应用需求日益迫切。在科学研究领域，AI将改变生物医学基础研究模式，提升疾病机制研究能力，大幅提升临床医学研究质量，并显著提高药物研发效率。在临床实践方面，AI能够实现快速、精准的传染病监测，变革疾病检测与诊断方式，实现精准治疗和个性化用药，同时提高疾病管理效率和医疗资源分配效能。在经济社会影响方面，AI将重塑医疗系统运行模式，减轻社会疾病负担，实现全生命周期的健康管理，促进医疗的公平性与可及性，并有力推动大健康产业的数字化、智能化转型（图1-1）。 图1-1 人工智能医学应用的科学意义和战略价值 第一节 人工智能医学应用的科学意义 随着生产力的不断提高，人们对工作量、有效性、精确度、持久性、重复性等指标的要求越来越高，这激发了人们对如何赋予机器设备取代、增强甚至超越人类的能力的思考。 近年来，人工智能与生物医学的结合愈发紧密。基因组学、转录组学、蛋白质组学、微生物组学、表型组学等组学技术迅猛发展，推动生命科学和生物医学从实验科学向数据科学转变。组学技术的发展和应用产生了海量的信息和数据，进一步促进了计算生物学和生物信息学的发展。如今，生物医学的研究范式已经转变为数据密集型。 人工智能技术将为从事生命科学研究和医疗保健服务的人员提供强大的支持，助力他们高效管理医疗数据和信息、挖掘深层次的知识、提高医疗诊治效率，并优化医疗资源分配。人工智能与医学的深度融合，将对生命健康和医疗行业产生深远影响，彰显出显著的科学意义。 一、显著提升生物医学基础研究能力 各类组学研究产生了海量且多维度的信息和数据，亟须高效的数据处理方法进行整理、比对和分析。借助人工智能算法，研究人员能够快速分析不同物种、群体、个体的组学数据，从中筛选新型生物标志物，并更深入地理解生命的发生和发展过程。以蛋白质结构解析和预测为例，蛋白质结构解析和预测已成为生命科学和生物医学的重要前沿。然而，传统的蛋白质结构测定方法，如低温电子显微镜等，不仅操作复杂，还需要大量的实验与误差反馈，测定一个结构可能需要数万美元和数年时间。为此，谷歌公司旗下人工智能公司DeepMind于2018年开发出阿尔法折叠（AlphaFold），利用神经网络算法预测蛋白质的结构与属性，可以准确地从43种蛋白质中预测出25种蛋白质的结构④。DeepMind于2021年7月发布的更新版AlphaFold2，采用注意力机制取代卷积神经网络（convolutional neural networks，CNN），将预测的准确度提高了30%⑤。同年7月，华盛顿大学蛋白质设计研究所研发的深度学习工具RoseTTAFold，不仅预测准确度媲美AlphaFold2，而且速度更快，对计算机处理能力的要求更低，更为重要的是，该工具完全免费开放⑥。2024年5月，DeepMind发布了新一代的AlphaFold3；2024年11月，AlphaFold3开源。这些人工智能工具的出现，有望使生命科学与医学研究产生变革性发展，进而推动疾病诊断和治疗领域的突破。 二、显著提升疾病机制探究能力 疾病（尤其是慢性病）的发生与发展是遗传、生活方式和环境风险等多因素共同作用的结果。人工智能技术能够综合处理各类组学数据，并将这些数据与吸烟、饮食等生活方式和环境风险相关联，从而更准确地揭示疾病的发生、发展机制。例如，DeepMind与美国退伍军人事务部合作，利用深度学习系统对70多万名患者的数据进行分析，根据肌酐指标，成功提前两天预测出55.8%的急性肾损伤病例，并且识别出需要透析的病情严重的患者，识别率高达90.2%⑦。另一项研究中，加州大学旧金山分校的研究人员利用人工智能的神经网络集成技术进行复杂先天性心脏病的专业产前检测，利用1326例回顾性超声心动图的10多万张图像进行训练，成功开发出一组能鉴别心脏视图的模型，用以区分胎儿正常心脏和异常心脏。该模型在区分正常心脏和异常心脏时获得了0.99的*线下面积（area under the curve，AUC，介于0.1—1）、95%的敏感性、96%的特异性和100%的阴性预测值⑧。未来，随着ChatGPT等新兴人工智能前沿技术的发展和应用，医学领域将迎来一场信息处理革命。这些技术不仅能大幅度提升医学知识检索、关键要点发现、信息分析总结等能力，还将有效提升因果推理能力，从而更深入地揭示潜在的疾病发生、发展机制。 三、显著提升临床医学研究质量 人工智能具有颠覆传统临床研究方法的潜力，能够在患者招募、依从性监测、数据收集等各环节显著提高研究效率。通过与数字基础设施的有效结合，人工智能算法能够对连续的临床试验数据流进行清理、聚合、编码、存储和管理，进而缩短临床试验周期，在提高生产力的同时降低开发成本。 具体而言，人工智能在临床试验中的应用主要体现在四个关键阶段：①在临床试验设计阶段，辅助研究人员收集、组织和分析临床试验数据，提取有意义的信息；②在患者招募阶段，对电子健康档案（electronic health record，EHR）、医学影像、组学数据等资源进行深度挖掘、分析和解释，提高患者与临床试验之间的匹配度；③在患者监测阶段，通过自动化数据捕获、标准化临床评估以及跨系统共享数据，辅助监测和管理患者，或结合可穿戴设备实时监测患者，及时评估治疗的安全性和有效性，并预测退出风险；④在试验数据分析阶段，结合可视化工具，为研究人员和其他用户提供可靠的数据分析和见解⑨。 四、显著提升药物研发效率 新药研发长期面临效率低、风险高、耗时长等难题。在过去的20多年中，1万亿美元规模的制药公司的药物研发数量和生产率持续下降。人工智能有望通过以下四个方面显著提升药物研发的效率和质量：①高效识别活性化合物，快速筛选和识别具有潜在药效的活性化合物；②精准识别有效的候选靶标，更精确地确定药物作用的靶标；③提高新药研发的“命中率”，即提高新药通过临床试验并获得监管部门批准上市的比例；④加快研发过程，显著缩短研发周期，降低研发成本。例如，百时美施贵宝公司（Bristol Myers Squibb）的机器学习程序经过训练，在数据中找到细胞色素P450（cytochrome P450，CYP450）的抑制分子，该程序的预测准确率高达95%，出错率仅有传统方法的1/6。该程序使研究人员能够快速剔除具有潜在毒副作用的候选分子，从而将精力聚焦在那些更有可能通过人体试验并获得美国FDA批准的新药分子上。另外，英矽智能公司（Insilico Medicine）在不到18个月的时间内，以180万美元的成本合成并测试了80个小分子化合物，最终研发出一种针对特发性肺纤维化（idiopathic pulmonary fibrosis，IPF）的全新机制的临床候选新药。该药已经过多次人类细胞和动物模型的实验验证，展现出良好的疗效和安全性。 第二节 人工智能医学应用在医疗领域的战略价值 近年来，医疗体系正逐步从“以医疗机构为中心”转向“以患者为中心”。人工智能与医学的结合能够优化健康结果、提升服务质量、改善患者体验、提高医院管理效率，并在诊前、诊中、诊后等环节改进医学操作范式，推动医疗系统运行模式的变革。 人工智能在医学领域应用广泛，主要涵盖计算机视觉、深度学习［如人工神经网络（artificial neural network，ANN）和CNN］、机器学习和医疗机器人等多个方面11。随着“以人为本”理念的不断深化，医疗服务体系正逐步开发和采用数字化驱动的健康管理模式，旨在为目标人群提供正确、精准、及时的医疗服务，实现全生命周期的健康管理和精准治疗。 人工智能与医学的结合展现出重要的战略价值，不仅在健康结果、服务质量、患者体验、医疗成本节约和医疗机构运营提升等方面具有巨大的潜力，而且在诊前（预防、筛查、分诊）、诊中（诊断、治疗、住院）、诊后（康复护理、愈后关怀）等全医疗流程中推动着医学操作范式发生变革。对于医疗服务提供者而言，人工智能技术将成为其强大的后盾，助力医生做出明智的决策，同时减轻其工作负担。例如，自然语言算法有助于快速提取电子医疗记录中的关键信息；机器学习算法能够提供实时的定性和定量分析，优化筛查过程，有助于实现影像分割和病情诊断。随着人工智能技术在医疗流程中整合不断深入，患者治疗与护理过程将日益智能化，不仅能为患者提供安全保障，还能有效降低差异性和不必要的重复检测12，为医疗行业的持续创新和进步注入强大动力。 因此，美国克利夫兰诊所（Cleveland Clinic）将“人工智能在医疗保健领域的应用”（The Advent of AI in Healthcare）评选为“2019年十大医学创新”之一，凸显了人工智能在医疗领域的重要性。该机构强调，医疗实践中运用人工智能技术能够实现快速、精准的疾病监测，提高疾病筛查、诊断效率和护理的智能化水平，显著提升医学影像分析能力，并支持医疗管理系统，进而辅助医生决策，实现精准医疗13。这一评选结果进一步证明了人工智能与医学结合的战略价值，并为医疗行业未来的发展指明了方向。 一、实现快速、精准的疾病监测 大数据和人工智能技术在传染病监测和慢性病流行趋势的预测方面展现出巨大的潜力。特别是在席卷全球的新冠疫情中，世界各地的医疗和研究机构纷纷采用这些技术监测疫情动态、追踪人员流动，助力流行病学监测。例如，约翰斯？霍普金斯大学系统科学与工程中心开发的COVID-19仪表盘（COVID-19 Dashboard，参见：https://coronavirus.jhu.edu/map.html）可实时监控全球新冠疫情；我国钟南山院士团队综合运用SEIR14传染病模型，成功预测了我国新冠疫情的发展*线，为疫情防控提供了重要参考。广州市疾病预防控制中心与阿里云合作，利用阿里健康开发的疫情防控智能呼叫平台、流行病学分析系统、交通系统、发热监测体系等，将人工智能和大数据分析运用于疫情监测、病例追踪、信息收集与发布，显著提高了数据挖掘效率，实现了对疫情的全方位监控和预警15。此外，我国多个地区还推出新冠疫情风险地图，并配合机器人应用于疫情防控一线，有效预防和降低了医生与患者之间交叉感染的风险。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
