Η GE HealthCare (Nasdaq: GEHC) ανακοίνωσε σήμερα ένα νέο εργαστήριο καινοτομίας AI, μια πρωτοβουλία σχεδιασμένη να επιταχύνει τις καινοτομίες AI πρώιμου σταδίου εντός της εταιρείας. Αυτά τα έργα αποτελούν μέρος της ευρύτερης στρατηγικής AI και ψηφιακής τεχνολογίας της GE HealthCare, η οποία επικεντρώνεται στην ενσωμάτωση της AI σε ιατρικές συσκευές, στην ανάπτυξη εφαρμογών AI που ενισχύουν τη λήψη αποφάσεων σε όλη τη διαδρομή της φροντίδας και τις καταστάσεις ασθενειών, και στη χρήση της AI για την υποστήριξη καλύτερων αποτελεσμάτων και λειτουργικής αποδοτικότητας σε όλο το σύστημα. Η επένδυση της εταιρείας στην τεχνολογία cloud υποστηρίζει αυτή τη στρατηγική, παρέχοντας την υπολογιστική ισχύ για την ανάπτυξη της AI σε μεγάλη κλίμακα.
"Το εργαστήριο καινοτομίας AI αποκαλύπτει το έργο που αναλαμβάνουμε στην πρωτοπορία της καινοτομίας στον τομέα της υγειονομικής περίθαλψης. Στη GE HealthCare, δεν αναπτύσσουμε απλώς τεχνολογία - προσπαθούμε να ανοίξουμε νέους δρόμους εξερευνώντας καινοτόμους τρόπους με τους οποίους η AI θα μπορούσε να ενδυναμώσει την υγειονομική περίθαλψη. Για παράδειγμα, μέσω έργων όπως το Health Companion, αξιολογούμε τρόπους εφαρμογής της agentic AI προκειμένου να φέρουμε τις κλινικές γνώσεις και τις διορατικές λύσεις προβλημάτων μιας διεπιστημονικής ιατρικής ομάδας στα χέρια των κλινικών ιατρών και να τους βοηθήσουμε να αναλάβουν δράση", δήλωσε ο Δρ. Taha Kass-Hout, Παγκόσμιος Διευθυντής Επιστήμης και Τεχνολογίας της GE HealthCare. "Τα πρωτοποριακά έργα που παρουσιάζουμε σήμερα είναι μόνο μερικές από τις καινοτομίες που έχουμε σε εξέλιξη, ενεργοποιημένες από τις δυνατότητές μας σε AI και cloud computing. Θα συνεχίσουμε να συλλέγουμε σχόλια από τους πελάτες μας καθώς βρίσκουμε τρόπους να τους βοηθήσουμε να εφαρμόσουν την AI στα δεδομένα υγείας τους και να μετατρέψουν τις πληροφορίες σε εφαρμόσιμες στρατηγικές που ενισχύουν τη φροντίδα."
Οι προσπάθειες έρευνας και ανάπτυξης της GE HealthCare σχετικά με την AI και το cloud επικεντρώνονται στον επαναπροσδιορισμό της καθημερινής εμπειρίας των κλινικών ιατρών, δημιουργώντας νέες ιδέες για την ενίσχυση της ακρίβειας των διαγνώσεων, τη μείωση των διοικητικών επιβαρύνσεων και τη διασφάλιση ότι κάθε ασθενής λαμβάνει την πιο ενημερωμένη, εξατομικευμένη φροντίδα. Παραδείγματα αυτών των έργων:
- Μεταφέροντας τη γνώση μιας διεπιστημονικής ομάδας στα χέρια των κλινικών ιατρών με agentic AI: Το έργο Health Companion διερευνά εάν μια προσέγγιση agentic AI που καθοδηγείται από πολλαπλούς πράκτορες, καθένας ειδικός σε έναν συγκεκριμένο τομέα (π.χ. γονιδιωματική, ακτινολογία, παθολογία, κλπ.), θα μπορούσε να βοηθήσει τους γιατρούς να εξορθολογήσουν τη λήψη κλινικών αποφάσεων και να παρέχουν πιο εξατομικευμένη φροντίδα. Το όραμα του έργου είναι αυτοί οι πράκτορες να συνεργάζονται και να αναλύουν πολυτροπικά δεδομένα προκειμένου να δημιουργούν προληπτικά συστάσεις θεραπευτικών σχεδίων, προσαρμόζοντας συνεχώς με βάση νέες πληροφορίες. Για παράδειγμα, η GE HealthCare διερευνά εάν η πολυπρακτορική AI θα μπορούσε να κατανοήσει τη διαφορά μεταξύ ενός αναμενόμενου συμπτώματος ως συνάρτηση της θεραπείας και του ίδιου συμπτώματος ως σήμα εξέλιξης της νόσου, όπως η εξάπλωση του καρκίνου, με στόχο να ειδοποιήσει την ομάδα φροντίδας κατάλληλα με προτεινόμενα επόμενα βήματα. Το Health Companion στοχεύει να παρέχει τη συνεργασία και τη συζήτηση παρόμοια με μια διεπιστημονική ομάδα φροντίδας που αποτελείται από εξειδικευμένους κλινικούς ιατρούς. Αυτό το έργο κατασκευάζεται για να ενσωματώσει αρχές ασφάλειας και επεξηγησιμότητας.
- Χρήση AI για καλύτερη πρόβλεψη υποτροπής του τριπλά αρνητικού καρκίνου του μαστού: Η GE HealthCare υποστηρίζει το Ινστιτούτο Καρκίνου Winship του Πανεπιστημίου Emory σε έρευνα επικεντρωμένη στην πρώιμη πρόβλεψη υποτροπής του τριπλά αρνητικού καρκίνου του μαστού. Ο τριπλά αρνητικός καρκίνος του μαστού είναι ο πιο επιθετικός υπότυπος καρκίνου του μαστού, ωστόσο, υπάρχει έλλειψη εργαλείων για την πρόβλεψη της υποτροπής του. Σήμερα, έως και το 50% των ασθενών που διαγιγνώσκονται με πρώιμο στάδιο τριπλά αρνητικού καρκίνου του μαστού (στάδια I έως III) παρουσιάζουν υποτροπή.i Ο στόχος αυτής της έρευνας είναι να χρησιμοποιήσει βαθιά μάθηση για την αξιολόγηση πολυτροπικών δεδομένων, συμπεριλαμβανομένων γονιδιωματικών και παθολογικών πληροφοριών, για να διερευνήσει εάν η AI μπορεί να προβλέψει καλύτερα την πιθανότητα υποτροπής και να βοηθήσει την ομάδα φροντίδας να ενημερώσει ένα σχέδιο θεραπείας και πρόγραμμα παρακολούθησης. Αυτή η έρευνα χρηματοδοτείται από επιχορήγηση του Εθνικού Ινστιτούτου Υγείας (NIH Grant# 1R01CA281932-01A1). Ο Δρ. Sunil Badve από το Πανεπιστήμιο Emory είναι ο Κύριος Ερευνητής (PI), και ο Δρ. Soumya Ghose είναι ο Συν-PI από τη GE HealthCare για αυτό το έργο.
- Καινοτομία λύσεων για την ενίσχυση της φροντίδας για μητέρες και μωρά: Οι προληπτικοί κίνδυνοι που σχετίζονται με τον τοκετό είναι ένα από τα πιο πιεστικά ζητήματα υγείας που αντιμετωπίζουν οι γυναίκες σήμερα. Η GE HealthCare συνεργάζεται απευθείας με συστήματα υγείας και τις ομάδες φροντίδας τους για την ανάπτυξη λύσεων που βοηθούν στην αντιμετώπιση αυτής της πρόκλησης. Για παράδειγμα, η GE HealthCare εργάζεται σε μια πρωτοβουλία συνοδού φροντίδας που διερευνά πώς η γενετική AI θα μπορούσε να ελαχιστοποιήσει την προσπάθεια που δαπανάται στην αναζήτηση δεδομένων και βέλτιστων πρακτικών. Τροφοδοτούμενη από ένα μοντέλο μεγάλης γλώσσας, αυτή η πρωτοβουλία σκοπεύει να διερευνήσει περαιτέρω πώς να διευκολύνει τις ομάδες φροντίδας να βρίσκουν γρήγορα πληροφορίες σχετικά με τυποποιημένα πρωτόκολλα φροντίδας και κλινικούς ορισμούς και να δημιουργούν περιλήψεις ασθενών χρησιμοποιώντας ιστορικά και τρέχοντα πολυτροπικά δεδομένα για πιθανή χρήση σε μεταβιβάσεις και μεταβάσεις φροντίδας.
- Έρευνα πολυτροπικού μοντέλου βάσης ακτινογραφίας: Η GE HealthCare εργάζεται σε ένα ερευνητικό έργο για τη δημιουργία ενός μοντέλου βάσης πλήρους σώματος, βασισμένο σε ένα σύνολο δεδομένων 1,2 εκατομμυρίων ανώνυμων ακτινογραφικών εικόνων χωρίς PHI από διάφορες περιοχές του σώματος. Αυτό το μοντέλο δείχνει μεγάλες δυνατότητες και αποδίδει υποσχόμενα πρώιμα εσωτερικά αποτελέσματα δοκιμών σε βασικές εργασίες, συμπεριλαμβανομένης της κατάτμησης, ταξινόμησης και οπτικής εντοπισμού. Το έργο πειραματίζεται επίσης με το να έχει το μοντέλο να αυτοματοποιεί τη δημιουργία ιατρικών αναφορών και να ερμηνεύει εικόνες σε κείμενο για να επιταχύνει τη ροή εργασίας για τους ακτινολόγους, με στόχο να βοηθήσει στην ανακούφιση των διοικητικών επιβαρύνσεων των ομάδων φροντίδας
Aυτό το άρθρο μεταφράστηκε με τη βοήθεια της τεχνητής νοημοσύνης. Για περισσότερες πληροφορίες, δείτε τους Όρους Χρήσης