Radar Telegram alerts باز کردن Radar

سیستم هوش مصنوعی مایکروسافت در یک مطالعه از پزشکان در دقت تشخیصی پیشی گرفت مایکروسافت نتایج یک مطالعه بر روی سیستم تشخیصی MAI-DxO را ارائه کرد که در شرایط آزمایشی، دقت تشخیصی بالاتری نسبت به پزشکان نشان داد. نتایج در 22 اکتبر در مجله علمی Science منتشر شد. نتایج اصلی مطالعه: 83% در مقابل 36% - دقت MAI-DxO هنگام تجزیه و تحلیل 304 مورد پیچیده بالینی از مجله پزشکی نیوانگلند. پزشکان با دسترسی به کتاب های مرجع پزشکی و اینترنت در 36٪ موارد تشخیص را به درستی تعیین کردند، بدون منابع اضافی - در 22٪. 80٪ در مقابل 47٪ - دقت هوش مصنوعی و پزشکان، به ترتیب، هنگام تجزیه و تحلیل موارد معمولی تر از بخش های اورژانس ایالات متحده. دقت 81% با هزینه‌های کمتر - یکی از پیکربندی‌های MAI-DxO هزینه تخمینی تست‌های تشخیصی را در مقایسه با رویکردهای جایگزین در موارد پیچیده بالینی، بیش از نصف کاهش داد. MAI-DxO بر اساس اصل مشاوره پزشکی مجازی کار می کند. برخی از عوامل هوش مصنوعی به طور متوالی فرضیه های تشخیصی را مطرح می کنند، نیاز به آزمایش بیشتر را تعیین می کنند، داده های جدید را تجزیه و تحلیل می کنند و نتیجه گیری های اولیه را اصلاح می کنند. هنگام انتخاب مطالعات، سیستم هزینه آنها را نیز در نظر می گیرد. همانطور که مایکروسافت اشاره می کند، ارزیابی بر اساس موارد بالینی توصیف شده قبلی بود و نه بر اساس عمل پزشکی واقعی. گام بعدی یک مطالعه آینده نگر با همکاری مرکز پزشکی Beth Israel Deaconess در بوستون خواهد بود. بیماران مستقیماً با سیستم ارتباط خواهند داشت و یافته های تشخیصی آن با ارزیابی های مستقل توسط پزشکان مقایسه می شود. ما را در مکس تلگرام وی کی بخوانید.

Право на здоровье · · منبع

🇺🇸 USA · בוסטון · نقشه

سیستم هوش مصنوعی مایکروسافت در یک مطالعه از پزشکان در دقت تشخیصی پیشی گرفت مایکروسافت نتایج یک مطالعه بر روی سیستم تشخیصی MAI-DxO را ارائه کرد که در شرایط آزمایشی، دقت تشخیصی بالاتری نسبت به پزشکان نشان داد. نتایج در 22 اکتبر در مجله علمی Science منتشر شد. نتایج اصلی مطالعه: 83% در مقابل 36% - دقت MAI-DxO هنگام تجزیه و تحلیل 304 مورد پیچیده بالینی از مجله پزشکی نیوانگلند. پزشکان با دسترسی به کتاب های مرجع پزشکی و اینترنت در 36٪ موارد تشخیص را به درستی تعیین کردند، بدون منابع اضافی - در 22٪. 80٪ در مقابل 47٪ - دقت هوش مصنوعی و پزشکان، به ترتیب، هنگام تجزیه و تحلیل موارد معمولی تر از بخش های اورژانس ایالات متحده. دقت 81% با هزینه‌های کمتر - یکی از پیکربندی‌های MAI-DxO هزینه تخمینی تست‌های تشخیصی را در مقایسه با رویکردهای جایگزین در موارد پیچیده بالینی، بیش از نصف کاهش داد. MAI-DxO بر اساس اصل مشاوره پزشکی مجازی کار می کند. برخی از عوامل هوش مصنوعی به طور متوالی فرضیه های تشخیصی را مطرح می کنند، نیاز به آزمایش بیشتر را تعیین می کنند، داده های جدید را تجزیه و تحلیل می کنند و نتیجه گیری های اولیه را اصلاح می کنند. هنگام انتخاب مطالعات، سیستم هزینه آنها را نیز در نظر می گیرد. همانطور که مایکروسافت اشاره می کند، ارزیابی بر اساس موارد بالینی توصیف شده قبلی بود و نه بر اساس عمل پزشکی واقعی. گام بعدی یک مطالعه آینده نگر با همکاری مرکز پزشکی Beth Israel Deaconess در بوستون خواهد بود. بیماران مستقیماً با سیستم ارتباط خواهند داشت و یافته های تشخیصی آن با ارزیابی های مستقل توسط پزشکان مقایسه می شود. ما را در مکس تلگرام وی کی بخوانید.

بیشتر در Radar

می‌خواهید همه گزارش‌ها را لحظه‌ای ببینید؟

صدها منبع از سراسر جهان، ترجمه‌شده به زبان شما، با هشدار برای آنچه برایتان مهم است.

ثبت‌نام رایگان
Share on WhatsApp Get alerts on Telegram