เมราทีฟ แอลพี

พิมพ์	ส่วนตัว
ผู้มาก่อน	IBM Watson Health
ก่อตั้ง	30 มิถุนายน 2565 ( 30 มิถุนายน 2022 )
สำนักงานใหญ่	แอนน์อาร์เบอร์ รัฐมิชิแกน
บุคคลสำคัญ	เจอร์รี แมคคาร์ธี (ซีอีโอ)
เจ้าของ	ฟรานซิสโก พาร์ทเนอร์ส
จำนวนพนักงาน	1,000–5,000
เว็บไซต์	merative.com​

Merative LPซึ่งเดิมชื่อIBM Watson Healthเป็นบริษัทเทคโนโลยีทางการแพทย์ของอเมริกาที่ให้บริการผลิตภัณฑ์และบริการที่ช่วยให้ลูกค้าสามารถอำนวยความสะดวกในการวิจัยทางการแพทย์การวิจัยทางคลินิกหลักฐานจากโลกแห่งความเป็นจริงและบริการด้านการดูแล สุขภาพ โดยใช้ปัญญาประดิษฐ์การวิเคราะห์ข้อมูลการประมวลผลแบบคลาวด์และเทคโนโลยีสารสนเทศขั้นสูงอื่นๆ Merative เป็นเจ้าของโดยFrancisco Partners ซึ่งเป็นบริษัท ไพรเวทอิควิตี้ของอเมริกาที่มีสำนักงานใหญ่ในซานฟรานซิสโก รัฐแคลิฟอร์เนียในปี 2022 IBMได้แยกส่วนธุรกิจ Watson Health ออกไปเป็น Merative ณ ปี 2023 บริษัทยังคงเป็นบริษัทอิสระที่มีสำนักงานใหญ่ในแอนอาร์เบอร์และมีศูนย์นวัตกรรมในไอร์แลนด์ไฮเดอราบัด เบงกาลูรูและเจนไน^{[ 1 ]}

Thomson Healthcare เคยเป็นแผนกหนึ่งของThomson Corporationจนถึงปี 2008 เมื่อหลังจากการควบรวมกิจการของ Thomson กับReutersแผนกนี้จึงกลายเป็นหน่วยงานด้านการดูแลสุขภาพของThomson Reutersเมื่อวันที่ 23 เมษายน 2012 Thomson Reuters ตกลงที่จะขายให้กับVeritas Capitalในราคา 1.25 พันล้านดอลลาร์สหรัฐ^{[ 2 ]}เมื่อวันที่ 6 มิถุนายน 2012 การขายเสร็จสิ้นลง และบริษัทใหม่ Truven Health Analytics ได้กลายเป็นองค์กรอิสระที่มุ่งเน้นเฉพาะด้านการดูแลสุขภาพ^{[ 3 ]}

บริษัท IBM Corporation เข้าซื้อกิจการ Truven Health Analytics เมื่อวันที่ 18 กุมภาพันธ์ 2559 ^{[ 4 ]}และรวมเข้ากับหน่วย Watson Health ของ IBM ^{[ 5 ]} Truven Health Analytics ให้บริการข้อมูลและการวิเคราะห์ด้านการดูแลสุขภาพอย่างครบวงจร^{[ 6 ]}ชื่อบริษัทTruvenมาจากการผสมคำระหว่างคำว่า "trusted" และ "proven" ^{[ 7 ]}

ในเดือนมกราคม 2022 IBM ประกาศขายสินทรัพย์ Watson Health บางส่วน รวมถึง Truven ให้กับFrancisco Partnersในราคา 1 พันล้านดอลลาร์^{[ 8 ]}เมื่อวันที่ 30 มิถุนายน 2022 Francisco Partners ประกาศเสร็จสิ้นการเข้าซื้อ Watson Health และเปิดตัวบริษัทข้อมูลด้านการดูแลสุขภาพชื่อ Merative ^{[ 9 ]}

กำลังมีการตรวจสอบความสามารถด้านภาษาธรรมชาติ การสร้างสมมติฐาน และการเรียนรู้ตามหลักฐานของ Watson เพื่อดูว่า Watson อาจมีส่วนช่วยในระบบสนับสนุนการตัดสินใจทางคลินิกและการเพิ่มขึ้นของปัญญาประดิษฐ์ในด้านการดูแลสุขภาพเพื่อใช้โดยผู้เชี่ยวชาญทางการแพทย์ได้อย่างไร^{[ 10 ]}เพื่อช่วยแพทย์ในการรักษาผู้ป่วย เมื่อแพทย์ได้ตั้งคำถามกับระบบโดยอธิบายอาการและปัจจัยอื่นๆ ที่เกี่ยวข้อง Watson จะวิเคราะห์ข้อมูลที่ป้อนเข้ามาเพื่อระบุข้อมูลที่สำคัญที่สุดก่อน จากนั้นจะค้นหาข้อมูลผู้ป่วยเพื่อหาข้อเท็จจริงที่เกี่ยวข้องกับประวัติทางการแพทย์และพันธุกรรม ของผู้ป่วย จากนั้นจะตรวจสอบแหล่งข้อมูลที่มีอยู่เพื่อสร้างและทดสอบสมมติฐาน[ ^{10 ] และ}สุดท้ายจะให้รายการคำแนะนำเฉพาะบุคคลพร้อมคะแนนความเชื่อมั่น^{[ 11 ]}แหล่งข้อมูลที่ Watson ใช้ในการวิเคราะห์อาจรวมถึงแนวทางการรักษา ข้อมูล เวชระเบียน อิเล็กทรอนิกส์ บันทึกจากผู้ให้บริการด้านการดูแลสุขภาพ เอกสารการวิจัย การศึกษาทางคลินิก บทความวารสาร และข้อมูลผู้ป่วย^{[ 10 ]}แม้ว่าจะได้รับการพัฒนาและวางจำหน่ายในฐานะ "ที่ปรึกษาด้านการวินิจฉัยและการรักษา" แต่ Watson ไม่เคยมีส่วนร่วมใน กระบวนการ วินิจฉัย ทางการแพทย์จริง ๆ เลย มีเพียงแต่ช่วยในการระบุตัวเลือกการรักษาสำหรับผู้ป่วยที่ได้รับการวินิจฉัยแล้วเท่านั้น^{[ 12 ]}

ในเดือนกุมภาพันธ์ พ.ศ. 2554 มีการประกาศว่า IBM จะร่วมมือกับNuance Communicationsในโครงการวิจัยเพื่อพัฒนาผลิตภัณฑ์เชิงพาณิชย์ในช่วง 18 ถึง 24 เดือนข้างหน้า โดยออกแบบมาเพื่อใช้ประโยชน์จากความสามารถในการสนับสนุนการตัดสินใจทางคลินิกของ Watson แพทย์ที่มหาวิทยาลัยโคลัมเบียจะช่วยระบุประเด็นสำคัญในการปฏิบัติทางการแพทย์ซึ่งเทคโนโลยีของระบบอาจสามารถมีส่วนร่วมได้ และแพทย์ที่มหาวิทยาลัยแมริแลนด์จะทำงานเพื่อระบุวิธีที่ดีที่สุดที่เทคโนโลยีอย่าง Watson สามารถโต้ตอบกับผู้ประกอบวิชาชีพทางการแพทย์เพื่อให้ความช่วยเหลือสูงสุด^{[ 13 ]}

ในเดือนกันยายน พ.ศ. 2554 IBM และ WellPoint (ปัจจุบันคือ Anthem ) ประกาศความร่วมมือเพื่อใช้ความสามารถในการประมวลผลข้อมูลของ Watson เพื่อช่วยแนะนำทางเลือกในการรักษาแก่แพทย์^{[ 14 ]} จากนั้นในเดือนกุมภาพันธ์ พ.ศ. 2556 IBM และ WellPoint ได้มอบ แอปพลิเคชันเชิงพาณิชย์แรกให้กับ Watson สำหรับ การตัดสินใจ ด้านการจัดการการใช้ทรัพยากรใน การรักษา โรคมะเร็งปอดที่Memorial Sloan–Kettering Cancer Center ^{[ 15 ]}

IBM ประกาศความร่วมมือกับCleveland Clinicในเดือนตุลาคม 2012 บริษัทได้ส่ง Watson ไปยัง Cleveland Clinic Lerner College of Medicine ของCase Western Reserve Universityซึ่งจะช่วยเพิ่มความเชี่ยวชาญด้านสุขภาพและช่วยเหลือผู้เชี่ยวชาญทางการแพทย์ในการรักษาผู้ป่วย สถานพยาบาลจะใช้ความสามารถของ Watson ในการจัดเก็บและประมวลผลข้อมูลจำนวนมากเพื่อช่วยเร่งและเพิ่มความแม่นยำของกระบวนการรักษา “ความร่วมมือระหว่าง Cleveland Clinic กับ IBM เป็นเรื่องที่น่าตื่นเต้น เพราะเปิดโอกาสให้เราสอน Watson ให้ 'คิด' ในแบบที่มีศักยภาพที่จะทำให้มันเป็นเครื่องมือที่มีประสิทธิภาพในทางการแพทย์” C. Martin Harris, MD หัวหน้าเจ้าหน้าที่สารสนเทศของCleveland Clinicกล่าว^{[ 16 ]}

ในปี 2556 IBM และศูนย์มะเร็ง MD Andersonได้เริ่มโครงการนำร่องเพื่อส่งเสริม "ภารกิจในการกำจัดมะเร็ง" ของศูนย์^{[ 17 ]}อย่างไรก็ตาม หลังจากใช้เงินไป 62 ล้านดอลลาร์ โครงการดังกล่าวก็ไม่บรรลุเป้าหมายและถูกยุติลง^{[ 18 ]}

เมื่อวันที่ 8 กุมภาพันธ์ 2556 IBM ประกาศว่าผู้เชี่ยวชาญด้านมะเร็งที่ ศูนย์การแพทย์มะเร็ง เมนและกลุ่มการแพทย์เวสต์เมดในนิวยอร์กได้เริ่มทดสอบ ระบบ ซูเปอร์คอมพิวเตอร์ วัตสัน เพื่อแนะนำการรักษาโรคมะเร็งปอด^{[ 19 ]}

เมื่อวันที่ 29 กรกฎาคม 2559 IBM และโรงพยาบาลมานิปาล^{[ 20 ]} (เครือโรงพยาบาลชั้นนำในอินเดีย) ประกาศเปิดตัว IBM Watson for Oncology สำหรับผู้ป่วยมะเร็ง ผลิตภัณฑ์นี้ให้ข้อมูลและข้อมูลเชิงลึกแก่แพทย์และผู้ป่วยมะเร็งเพื่อช่วยให้พวกเขาระบุตัวเลือกการดูแลรักษามะเร็งแบบเฉพาะบุคคลตามหลักฐานเชิงประจักษ์ โรงพยาบาลมานิปาลเป็นโรงพยาบาลแห่งที่สอง^{[ 21 ]}ในโลกที่นำเทคโนโลยีนี้มาใช้ และเป็นแห่งแรกในโลกที่ให้บริการแก่ผู้ป่วยทางออนไลน์ในฐานะความเห็นที่สองจากผู้เชี่ยวชาญผ่านทางเว็บไซต์[ ^{22 ] มา}นิปาลได้ยกเลิกสัญญานี้ในเดือนธันวาคม 2561

เมื่อวันที่ 7 มกราคม 2560 IBM และ Fukoku Mutual Life Insurance ได้ทำสัญญาให้ IBM ดำเนินการวิเคราะห์การจ่ายเงินชดเชยผ่าน AI IBM Watson Explorer ซึ่งส่งผลให้มีการเลิกจ้างพนักงาน 34 คน และบริษัทกล่าวว่าจะช่วยเร่งการวิเคราะห์การจ่ายเงินชดเชยโดยการวิเคราะห์การเรียกร้องและบันทึกทางการแพทย์ และเพิ่มผลผลิตได้ 30% นอกจากนี้ บริษัทยังกล่าวว่าจะประหยัดค่าใช้จ่ายในการดำเนินงานได้ 140 ล้านเยน^{[ 23 ]}

กล่าวกันว่า IBM Watson จะมีฐานความรู้ของผู้เชี่ยวชาญด้านมะเร็ง 1,000 คน ซึ่งจะนำมาซึ่งการปฏิวัติในด้านการดูแลสุขภาพ IBM ถือเป็นนวัตกรรมที่พลิกโฉมวงการ อย่างไรก็ตาม กระแสของมะเร็งวิทยายังอยู่ในช่วงเริ่มต้น^{[ 24 ]}

สตาร์ทอัพหลายแห่งในแวดวงการดูแลสุขภาพได้ใช้รูปแบบธุรกิจ 7 รูปแบบอย่างมีประสิทธิภาพเพื่อนำโซลูชันที่ใช้ IBM Watson ไปสู่ตลาด รูปแบบธุรกิจเหล่านี้ขึ้นอยู่กับมูลค่าที่สร้างขึ้นสำหรับผู้ใช้เป้าหมาย (เช่น เน้นผู้ป่วย เทียบกับ เน้นผู้ให้บริการด้านการดูแลสุขภาพและผู้จ่ายเงิน) และกลไกการดึงดูดมูลค่า (เช่น การให้ข้อมูลหรือการเชื่อมต่อผู้มีส่วนได้ส่วนเสีย) ^{[ 25 ]}

ในปี 2019 Eliza Strickland เรียกเรื่องราวของ Watson Health ว่า “เรื่องราวเตือนใจเกี่ยวกับความโอหังและการโฆษณาเกินจริง” และให้ “ตัวอย่างโครงการที่เป็นตัวแทน” พร้อมสถานะ^{[ 26 ]} บทความในปี 2021 จากสมาคมเครื่องจักรคำนวณ (ACM) ที่มีชื่อว่า “เกิดอะไรขึ้นกับ Watson Health?” อธิบายถึงความท้าทายในการบริหารจัดการพอร์ตโฟลิโอของ Watson Health เนื่องจากจำนวนการเข้าซื้อกิจการที่เกี่ยวข้องกับการสร้างแผนกในปี 2015 และการเน้นย้ำเกือบทั้งหมดในกระบวนการ “Blue Washing” มากกว่าความต้องการของฐานลูกค้าจากการเข้าซื้อกิจการ^{[ 27 ]} หนังสือในปี 2025 เรื่อง “The Rise and Fall of Explorys and IBM Watson Health” อธิบายเหตุการณ์เหล่านี้โดยละเอียดเพิ่มเติม^{[ 28 ]}

^{เมื่อ วัน}ที่ 21 มกราคม 2022 IBM ประกาศว่าจะขาย Watson Health ให้กับบริษัทไพรเวทอิควิตี้Francisco Partners [ ^{29 ]}

แรงจูงใจที่ตามมาของการควบรวมกิจการของบริษัทสุขภาพขนาดใหญ่กับบริษัทสุขภาพอื่นๆ ช่วยให้สามารถเข้าถึงข้อมูลสุขภาพได้มากขึ้น^{[ 30 ]}ข้อมูลสุขภาพที่มากขึ้นอาจช่วยให้สามารถนำอัลกอริธึม AI มาใช้งานได้มาก ขึ้น^{[ 31 ]}

ส่วนใหญ่ของอุตสาหกรรมมุ่งเน้นการนำ AI ไปใช้ในภาคการดูแลสุขภาพคือระบบสนับสนุนการตัดสินใจทางคลินิก^{[ 32 ]}เมื่อปริมาณข้อมูลเพิ่มขึ้น ระบบสนับสนุนการตัดสินใจด้วย AI ก็จะมีประสิทธิภาพมากขึ้น บริษัทจำนวนมากกำลังสำรวจความเป็นไปได้ในการนำข้อมูลขนาดใหญ่ มาใช้ ในอุตสาหกรรมการดูแลสุขภาพ^{[ 33 ]}

IBM Watson Oncology กำลังอยู่ในระหว่างการพัฒนาที่Memorial Sloan Kettering Cancer CenterและCleveland Clinic [ ^{34 ] IBM}ยังทำงานร่วมกับCVS Healthในด้านการประยุกต์ใช้ AI ใน การรักษา โรคเรื้อรังและกับJohnson & Johnsonในการวิเคราะห์เอกสารทางวิทยาศาสตร์เพื่อค้นหาความเชื่อมโยงใหม่สำหรับการพัฒนายา^{[ 35 ]}ในเดือนพฤษภาคม 2017 IBM และRensselaer Polytechnic Instituteได้เริ่มโครงการร่วมกันในชื่อ Health Empowerment by Analytics, Learning and Semantics (HEALS) เพื่อสำรวจการใช้เทคโนโลยี AI ในการยกระดับการดูแลสุขภาพ^{[ 36 ]}

บริษัทขนาดใหญ่อื่นๆ ที่มีส่วนร่วมในการพัฒนาอัลกอริธึม AI สำหรับใช้ในด้านการดูแลสุขภาพ ได้แก่:

โครงการ Hanover ของ Microsoftร่วมกับKnight Cancer Institute ของOregon Health & Science University วิเคราะห์งานวิจัยทางการแพทย์เพื่อทำนายตัวเลือกการรักษาด้วยยา ต้านมะเร็ง ที่มีประสิทธิภาพมากที่สุด สำหรับผู้ป่วย^{[ 37 ]}โครงการอื่นๆ ได้แก่การวิเคราะห์ภาพทางการแพทย์ ของความคืบหน้าของ เนื้องอกและการพัฒนาเซลล์ ที่สามารถตั้งโปรแกรม ได้^{[ 38 ]}

แพลตฟอร์ม DeepMindของGoogleถูกใช้โดยหน่วยงานบริการสุขภาพแห่งชาติ ของสหราชอาณาจักร (NHS) เพื่อตรวจจับความเสี่ยงด้านสุขภาพบางอย่างผ่านข้อมูลที่รวบรวมผ่านแอปพลิเคชันมือถือ^{[ 39 ]}โครงการที่สองกับ NHS เกี่ยวข้องกับการวิเคราะห์ภาพทางการแพทย์ที่รวบรวมจาก ผู้ป่วย NHSเพื่อพัฒนาอัลกอริทึมการมองเห็นด้วยคอมพิวเตอร์เพื่อตรวจจับเนื้อเยื่อมะเร็ง^{[ 40 ]}

Intel Capitalซึ่งเป็นหน่วยงานด้านการลงทุนร่วมทุนของ Intel เพิ่งลงทุนใน Lumiata ซึ่งเป็นบริษัทสตาร์ทอัพที่ใช้ AI ในการระบุผู้ป่วยที่มีความเสี่ยงและพัฒนาทางเลือกในการดูแล^{[ 41 ]}

ปัญญาประดิษฐ์ในด้านการดูแลสุขภาพ คือการใช้อัลกอริทึมและซอฟต์แวร์ที่ซับซ้อนเพื่อเลียนแบบกระบวนการคิด ของมนุษย์ ในการวิเคราะห์ข้อมูลทางการแพทย์ที่ซับซ้อน โดยเฉพาะอย่างยิ่ง AI คือความสามารถของอัลกอริทึมคอมพิวเตอร์ในการประมาณข้อสรุปโดยไม่ต้องอาศัยการป้อนข้อมูลโดยตรงจากมนุษย์

สิ่งที่ทำให้เทคโนโลยี AI แตกต่างจากเทคโนโลยีแบบดั้งเดิมในด้านการดูแลสุขภาพคือความสามารถในการรับข้อมูล ประมวลผล และให้ผลลัพธ์ที่ชัดเจนแก่ผู้ใช้ปลายทาง AI ทำเช่นนี้ผ่านอัลกอริธึมการเรียนรู้ของเครื่อง อัลกอริธึมเหล่านี้สามารถจดจำรูปแบบพฤติกรรมและสร้างตรรกะของตนเองได้ เพื่อลดโอกาสเกิดข้อผิดพลาด อัลกอริธึม AI จำเป็นต้องได้รับการทดสอบซ้ำๆ อัลกอริธึม AI มีพฤติกรรมที่แตกต่างจากมนุษย์ในสองประการ: (1) อัลกอริธึมเป็นแบบตรงไปตรงมา: หากคุณตั้งเป้าหมาย อัลกอริธึมไม่สามารถปรับเปลี่ยนตัวเองได้และเข้าใจเฉพาะสิ่งที่ได้รับแจ้งอย่างชัดเจนเท่านั้น (2) และอัลกอริธึมเป็นกล่องดำอัลกอริธึมสามารถทำนายได้อย่างแม่นยำมาก แต่ไม่สามารถทำนายสาเหตุหรือเหตุผลได้^{[ 42 ]}

เป้าหมายหลักของแอปพลิเคชัน AI ที่เกี่ยวข้องกับสุขภาพคือการวิเคราะห์ความสัมพันธ์ระหว่างเทคนิคการป้องกันหรือการรักษาและผลลัพธ์ของผู้ป่วย^{[ 43 ]}โปรแกรม AI ได้รับการพัฒนาและนำไปใช้กับแนวทางปฏิบัติ เช่นกระบวนการวินิจฉัย การ พัฒนาโปรโตคอลการรักษาการพัฒนายาการแพทย์เฉพาะบุคคลและการติดตามและดูแลผู้ป่วยสถาบันทางการแพทย์ เช่นThe Mayo Clinic , Memorial Sloan Kettering Cancer Center [ ^{44 ] [ 45 ]}และNational Health Service [ ^{46 ] ได้พัฒนาอัลกอริธึม AI สำหรับแผนกของตน บริษัทเทคโนโลยีขนาด ใหญ่}เช่นIBM ^{[ 47 ]}และGoogle [ ^{46 ] และสตาร์ท อั}พ เช่น Welltok และ Ayasdi ^{[ 48 ] ก็ได้พัฒนาอัลกอริธึม AI สำหรับการดูแลสุขภาพเช่นกัน นอกจากนี้ โรงพยาบาลยังมองหาโซลูชัน AI เพื่อสนับสนุนโครงการริเริ่ม ด้าน}การดำเนินงานที่เพิ่มการประหยัดต้นทุน ปรับปรุงความพึงพอใจของผู้ป่วย และตอบสนองความต้องการด้านบุคลากรและกำลังคน^{[ 49 ]} บริษัทต่างๆ กำลังพัฒนาโซลูชันการวิเคราะห์เชิงทำนาย ที่ช่วยให้ ผู้จัดการด้านการดูแลสุขภาพปรับปรุงการดำเนินงานทางธุรกิจโดยการเพิ่มการใช้ประโยชน์ ลดจำนวนผู้ป่วยที่รอรับการรักษา ลดระยะเวลาการเข้าพัก และเพิ่มประสิทธิภาพระดับบุคลากร^{[ 50 ]}

สาขาทางการแพทย์ต่อไปนี้เป็นที่น่าสนใจในการวิจัยด้านปัญญาประดิษฐ์:

ความสามารถในการตีความผลการถ่ายภาพด้วยรังสีวิทยาอาจช่วยให้แพทย์ตรวจจับการเปลี่ยนแปลงเล็กน้อยในภาพที่แพทย์อาจมองข้ามไปโดยไม่ได้ตั้งใจ การศึกษาที่สแตนฟอร์ดได้สร้างอัลกอริทึมที่สามารถตรวจจับโรคปอดบวมที่ตำแหน่งเฉพาะนั้นในผู้ป่วยที่เกี่ยวข้อง โดยมีค่าเฉลี่ย F1 ที่ดีกว่า (ตัวชี้วัดทางสถิติที่อิงตามความแม่นยำและการเรียกคืน) เมื่อเทียบกับรังสีแพทย์ที่เกี่ยวข้องในการทดลองนั้น^{[ 51 ]}การประชุมรังสีวิทยาในสมาคมรังสีวิทยาแห่งอเมริกาเหนือได้นำเสนอเกี่ยวกับ AI ในการถ่ายภาพระหว่างการประชุมประจำปี การเกิดขึ้นของเทคโนโลยี AI ในรังสีวิทยาถูกมองว่าเป็นภัยคุกคามโดยผู้เชี่ยวชาญบางคน เนื่องจากเทคโนโลยีสามารถบรรลุการปรับปรุงในตัวชี้วัดทางสถิติบางอย่างในบางกรณี ซึ่งแตกต่างจากผู้เชี่ยวชาญ^{[ 52 ] [ 53 ]}

ความก้าวหน้าล่าสุดได้ชี้ให้เห็นถึงการใช้ AI เพื่ออธิบายและประเมินผลลัพธ์ของการผ่าตัดขากรรไกรและใบหน้าหรือการประเมินผล การรักษา ปากแหว่งเพดานโหว่ในแง่ของความสวยงามของใบหน้าหรือลักษณะที่ดูมีอายุ^{[ 54 ] [ 55 ]}

ในปี 2018 บทความที่ตีพิมพ์ในวารสารAnnals of Oncologyระบุว่าระบบปัญญาประดิษฐ์ (ซึ่งใช้ โครงข่ายประสาทเทียม แบบ Convolutional Neural Network ที่ใช้การเรียนรู้เชิงลึก ) สามารถตรวจจับ มะเร็งผิวหนัง ได้อย่างแม่นยำกว่า แพทย์ผิวหนังโดยเฉลี่ยแล้ว แพทย์ผิวหนังสามารถตรวจจับมะเร็งผิวหนังจากภาพได้อย่างแม่นยำ 86.6% ในขณะที่เครื่อง CNN สามารถตรวจจับได้ถึง 95% ^{[ 56 ]}

มีโรคภัยไข้เจ็บมากมาย แต่ก็มีหลายวิธีที่ปัญญาประดิษฐ์ (AI) ถูกนำมาใช้เพื่อวินิจฉัยโรคเหล่านั้นได้อย่างมีประสิทธิภาพและแม่นยำ โรคที่ร้ายแรงที่สุดบางโรค ได้แก่โรคเบาหวานและโรคหัวใจและหลอดเลือด (CVD) ซึ่งทั้งสองโรคนี้ติดอันดับหนึ่งในสิบของสาเหตุการเสียชีวิตทั่วโลก และเป็นพื้นฐานของการวิจัย/การทดสอบจำนวนมากเพื่อช่วยให้ได้รับการวินิจฉัยที่แม่นยำ เนื่องจากอัตราการเสียชีวิต ที่สูงมาก ที่เกี่ยวข้องกับโรคเหล่านี้ จึงมีความพยายามที่จะบูรณาการวิธีการต่างๆ เพื่อช่วยให้ได้รับการวินิจฉัยที่แม่นยำ

บทความโดย Jiang และคณะ (2017) ^{[ 57 ]}แสดงให้เห็นว่ามีเทคนิค AI หลายประเภทที่ใช้สำหรับโรคต่างๆ มากมาย เทคนิคบางส่วนที่ Jiang และคณะกล่าวถึง ได้แก่เครื่องเวกเตอร์สนับสนุนเครือข่ายประสาทเทียมต้นไม้ตัดสินใจและอื่นๆ อีกมากมาย แต่ละเทคนิคเหล่านี้มี "เป้าหมายการฝึกอบรม" เพื่อให้ "การจำแนกประเภทสอดคล้องกับผลลัพธ์มากที่สุดเท่าที่จะเป็นไปได้... " ^{[ 57 ]}

เพื่อแสดงรายละเอียดเฉพาะบางประการสำหรับการวินิจฉัย/จำแนกโรค มีเทคนิคที่แตกต่างกันสองแบบที่ใช้ในการจำแนกโรคเหล่านี้ ซึ่งรวมถึงการใช้ " เครือข่ายประสาทเทียม (ANN) และเครือข่ายเบย์เซียน (BN)" ^{[ 58 ]}จากการทบทวนเอกสารหลายฉบับในช่วงปี 2008–2017 ^{[ 58 ]}พบว่าเทคนิคใดในสองเทคนิคนี้ดีกว่ากัน ข้อสรุปที่ได้คือ "การจำแนกโรคเหล่านี้ในระยะเริ่มต้นสามารถทำได้โดยการพัฒนารูปแบบการเรียนรู้ของเครื่อง เช่น เครือข่ายประสาทเทียมและเครือข่ายเบย์เซียน" ในอีกข้อสรุปหนึ่ง Alic และคณะ (2017) ^{[ 58 ]}สามารถสรุปได้ว่าระหว่าง ANN และ BN นั้น ANN ดีกว่าและสามารถจำแนกโรคเบาหวาน/โรคหัวใจและหลอดเลือดได้แม่นยำกว่าด้วยความแม่นยำเฉลี่ยใน "ทั้งสองกรณี (87.29 สำหรับโรคเบาหวานและ 89.38 สำหรับโรคหัวใจและหลอดเลือด)"

การเพิ่มขึ้นของการแพทย์ทางไกลแสดงให้เห็นถึงการเพิ่มขึ้นของแอปพลิเคชัน AI ที่เป็นไปได้^{[ 59 ]}ความสามารถในการติดตามผู้ป่วยโดยใช้ AI อาจช่วยให้สามารถสื่อสารข้อมูลไปยังแพทย์ได้หากอาจมีกิจกรรมของโรคเกิดขึ้น^{[ 60 ]}อุปกรณ์สวมใส่อาจช่วยให้สามารถติดตามผู้ป่วยได้อย่างต่อเนื่อง และยังช่วยให้สามารถสังเกตการเปลี่ยนแปลงที่มนุษย์อาจแยกแยะได้ยาก

บันทึกสุขภาพอิเล็กทรอนิกส์มีความสำคัญต่อการเปลี่ยนผ่านสู่ดิจิทัลและการเผยแพร่ข้อมูลของอุตสาหกรรมการดูแลสุขภาพ อย่างไรก็ตาม การบันทึกข้อมูลทั้งหมดนี้มาพร้อมกับปัญหาต่างๆ เช่น ภาระทางความคิดที่มากเกินไปและความเหนื่อยล้าของผู้ใช้ ปัจจุบันนักพัฒนา EHR กำลังทำให้กระบวนการส่วนใหญ่เป็นไปโดยอัตโนมัติ และเริ่มใช้เครื่องมือประมวลผลภาษาธรรมชาติ (NLP) เพื่อปรับปรุงกระบวนการนี้ การศึกษาหนึ่งที่ดำเนินการโดยสถาบันวิจัย Centerstone พบว่าการสร้างแบบจำลองการทำนายข้อมูล EHR มีความแม่นยำ 70–72% ในการทำนายการตอบสนองต่อการรักษาเฉพาะบุคคลในระยะเริ่มต้น^{[ 61 ]}หมายความว่าการใช้เครื่องมือ AI ที่สแกนข้อมูล EHR จะสามารถทำนายสาเหตุของโรคในบุคคลได้อย่างแม่นยำ

การพัฒนาการประมวลผลภาษาธรรมชาติทำให้เกิดการพัฒนาอัลกอริทึมเพื่อระบุ ปฏิกิริยา ^{ระหว่าง}ยาในเอกสารทางการแพทย์^{[ 62 ] [ 63 ] [ 64 ] [ 65 ]}ปฏิกิริยาระหว่างยาเป็นภัยคุกคามต่อผู้ที่รับประทานยาหลายชนิดพร้อมกัน และอันตรายจะเพิ่มขึ้นตามจำนวนยาที่รับประทาน^{[ 66 ]}เพื่อแก้ไขปัญหาความยากลำบากในการติดตามปฏิกิริยาระหว่างยาที่ทราบหรือสงสัยทั้งหมด จึงมีการสร้างอัลกอริทึมการเรียนรู้ของเครื่องเพื่อดึงข้อมูลเกี่ยวกับยาที่มีปฏิกิริยากันและผลกระทบที่อาจเกิดขึ้นจากเอกสารทางการแพทย์ความพยายามดังกล่าวได้รับการรวบรวมในปี 2013 ในการแข่งขัน DDIExtraction Challenge ซึ่งทีมวิจัยจากมหาวิทยาลัย Carlos IIIได้รวบรวมคลังเอกสารเกี่ยวกับปฏิกิริยาระหว่างยาเพื่อสร้างการทดสอบมาตรฐานสำหรับอัลกอริทึมดังกล่าว^{[ 67 ]}ผู้เข้าแข่งขันได้รับการทดสอบความสามารถในการระบุอย่างแม่นยำจากข้อความว่ายาใดบ้างที่แสดงว่ามีปฏิกิริยากัน และลักษณะของปฏิกิริยาเหล่านั้นคืออะไร^{[ 68 ]}นักวิจัยยังคงใช้คลังข้อมูลนี้เพื่อกำหนดมาตรฐานการวัดประสิทธิภาพของอัลกอริทึมของพวกเขา^{[ 62 ] [ 63 ] [ 65 ]}

อัลกอริทึมอื่นๆ ระบุปฏิกิริยาระหว่างยาจากรูปแบบในเนื้อหาที่ผู้ใช้สร้างขึ้น โดยเฉพาะบันทึกสุขภาพอิเล็กทรอนิกส์และ/หรือรายงานเหตุการณ์ไม่พึงประสงค์^{[ 63 ] [ 64 ]}องค์กรต่างๆ เช่นระบบรายงานเหตุการณ์ไม่พึงประสงค์ของ FDA (FAERS) และVigiBaseขององค์การอนามัยโลก (WHO) อนุญาตให้แพทย์ส่งรายงานเกี่ยวกับปฏิกิริยาเชิงลบที่อาจเกิดขึ้นจากยา อัลกอริทึมการเรียนรู้เชิงลึกได้รับการพัฒนาขึ้นเพื่อวิเคราะห์รายงานเหล่านี้และตรวจจับรูปแบบที่บ่งบอกถึงปฏิกิริยาระหว่างยา^{[ 69 ]}

• ไอบีเอ็ม
• ไอบีเอ็ม วัตสัน
• ปัญญาประดิษฐ์
• คำศัพท์เฉพาะทางด้านปัญญาประดิษฐ์
• ปัญญาประดิษฐ์ในด้านการดูแลสุขภาพ
• หลักฐานจากโลกแห่งความเป็นจริง

• เว็บไซต์อย่างเป็นทางการ
• IBM Watson Health