RELATEED CONSULTING
免费使用
下列产品全部免费使用
服务时间:9:30-18:00
你可能遇到了下面的问题
关闭右侧工具栏
医疗保健中的人工智能:消费者的独立生活
  • 发表时间:2020-08-23 22:03
  • 来源:数度域

应用于医疗保健的人工智能包括一系列使机器能够感知、解释、行动和学习的技术。数字医疗的人工智能实现在很大程度上关注个人患者参与时可能相对简单,在处理大数据集、高度专业化的诊断以及多个高度复杂组织的工作流程时可能非常复杂。

来自连接的健康和相关设备的物联网传感器数据的增加增加了一个新的关键实时上下文数据层。基于物联网传感器的医疗保健应用的使用案例包括脆弱亲人的家庭安全和访问控制、生命体征的远程患者监测、活动监测和异常检测、家庭和移动环境的安全、慢性病的环境监测等。

[/h/

这些使用案例为人工智能和机器学习的应用提供了机会,将医疗保健功能转变为数据驱动的服务,从而改善结果并更高效地提供医疗保健。

联网医疗设备的拥有量增加了。目前,几乎一半(46%)的美国宽带家庭拥有至少一台设备,19%的家庭拥有至少两台设备。近年来,智能手表和健身跟踪器的采用在很大程度上推动了这一趋势。

人工智能在许多支持这些设备的应用中占据显著地位,无论是用于将机器学习应用于行为活动和个人健康数据,支持语音和文本机器人交互,还是提供更个性化和预测性的服务。

除了健康使用案例,用于远程患者管理、独立生活和慢性病管理的患者护理应用提供了强大的人工智能机会。

远程患者管理和虚拟护理

远程患者管理(rpm)可应用于各种患者群体,包括手术后近期出院的患者、慢性病患者、老年人和其他弱势群体。

rpm的主要目标是深入了解患者在临床环境之外的持续健康状况,以确定干预措施的需求,从而避免再次入院,在病情恶化前解决病情下降,或支持更好的疾病日常管理。

rpm对于患有一种或多种慢性疾病如充血性心力衰竭、慢性阻塞性肺病、冠状动脉疾病、糖尿病、高血压或哮喘的患者最有价值。

rpm技术通常能够记录患者的生命体征、日常生活活动、饮食习惯、药物依从性等。机器学习算法可以触发警报和通知,从而实现快速干预、显著改善的通信、更好的患者护理以及比传统医疗保健服务更低成本的更好结果。

机器学习应用程序还用于在大量数据集上训练监控系统,执行疾病进展的预测建模,以及支持行为改变。

独立生活

到2020年,20%的美国人将超过65岁,他们中的绝大多数(84 %)认为尽可能长时间地在自己家里独立生活是非常重要的(7分制,6-7分)。

老龄化和慢性疾病对身体和认知的影响给那些希望独立生活的人以及担心自己安全、舒适和与社会联系的照顾者带来了挑战。

随着美国人口老龄化扩大了老年人市场,越来越多的公司开始提供辅助技术,以改善老年人在家中的安全和健康,并加强与亲人的沟通。这些解决方案中的许多都应用了各种人工智能应用来增强老年人的能力并为他们提供护理。

服务提供的一个主要好处是让通常与世隔绝的人群参与社会活动。例如,lifepod是一项服务,它重新解释了amazon alexa技能,让一名高级职员回答他们容易回答的问题,而不是要求他们知道amazon技能通常需要的精确措辞。

通过融合来自一系列传感器的数据,该应用程序可以跟踪一个人在住宅中的位置,他们在某个特定地点停留的时间,或者他们吃了多少饭,在什么时间。它还跟踪和分析一个人的步态、可能导致跌倒风险的因素以及日常活动,包括个人卫生和睡眠模式。

这种跟踪通过建立对每个人正常日常活动的上下文理解来实现个性化护理,并揭示潜在风险以帮助最大限度地降低医院再入院率。

这些类型的应用将机器学习和预测分析应用于智能家居传感器、安全系统、联网医疗设备、健康和健身可穿戴设备、个人应急响应(pers)系统和智能扬声器收集的数据。

机器学习应用程序反过来将数据转换成行为活动,为每个客户创建正常行为的概要。当系统将日常活动与存储的模型进行比较时,它可以识别异常,并针对不正常或不健康的趋势发出警报。

独立生活解决方案的商业模式在很大程度上仍然遵循私人付费订阅模式,但是老年人和他们的照顾者都表示对支付这些服务有浓厚的兴趣。50%的老年消费者(50岁以上)表示对紧急按钮服务或家庭应急系统非常感兴趣。

大多数(58 %)老年消费者也愿意每月支付30美元购买一套独立的生活系统,这套系统具备他们所有的必备功能。为老年人生活设施和社区定制的独立生活解决方案正在出现新的企业对企业机会。

慢性病管理

智能手机和联网医疗设备的普及提供了新的机会,有助于那些患有慢性疾病的人得到远程监控和支持,从而改善健康和安全状况。

美国宽带家庭中57%的消费者报告至少有一种慢性疾病,28%的消费者有两种或更多种慢性疾病。

强大的解决方案即将上市,用于支持糖尿病、心脏病、肥胖症和睡眠障碍患者。

与其他人工智能工具一样,用于慢性病管理的机器学习应用程序首先在特定人群的大数据集上进行训练,以识别疾病进展模式和驱动健康状况变化的行为模式。

来自个人医疗设备、智能传感器和电子健康记录的有关行为活动(如饮食、锻炼和压力水平)的数据可以进行融合,以揭示患者健康状况可能发生变化的原因。预测和推荐引擎可以通过应用程序和其他界面来促进行为改变。

管理慢性疾病的高成本促使医疗保健公司利用人工智能技术进行投资和创新。强大的生态系统正在传感器和设备制造商、平台提供商、数据科学软件开发商、用户体验专家以及行为科学家、提供商和支付者之间发展。

监测行为变化是一项困难而复杂的任务,但人工智能技术带来的个性化体验为患者提供了一种很有前途的新工具,让他们每天都能参与进来。

医疗保健中的人工智能:消费者的独立生活 相关的文章:

  • 人工智能仍处于形成阶段
  • 深度学习能解决特朗普和医疗保健问题吗
  • 微软提供新的开源人工智能框架
  • 人工智能集成有助于理清销售信号
  • 亚马逊否认传闻中的广告支持的主要视频服务计划
  • 让销售人工智能工作的奇怪伙伴