2023年醫療保健領域的人工智慧趨勢

研究公司Omdia的首席分析師Andrew Brosnan預測，儘管醫療保健產業最初對人工智慧的接受速度較慢，但醫療保健和製藥公司將在未來幾年內迅速增加對人工智慧的採用，醫療影像分析和藥物發現將是最受歡迎的用例。

根據Omdia的預測，2023年人工智慧軟體的醫療保健支出預計將增加40%，從2022年的44億美元增加到新的一年的近62億美元。

「醫療保健將比大多數其他行業增長更快，根據我們的預測，我們預計2027年醫療保健領域的人工智慧支出將僅次於消費者，排名第二，」Omdia人工智慧和智慧自動化實踐部門的Brosnan說。

醫療保健人工智慧的採用將趕上其他行業

Brosnan說，醫療保健公司在採用新技術方面歷來很保守，因為病人護理和隱私、安全和監管問題的風險很高。

醫療保健在人工智慧採用方面落後於其他行業。根據om dia 2022年的一項調查，儘管所有行業中有25%的行業在多個業務部門或職能部門中擴大了人工智慧部署，但只有19%的行業在醫療保健領域這樣做。

但這種情況正在迅速改變。他說，人工智慧已被證明在醫療保健方面是有效的，這促進了使用的成長。例如，人工智慧在疫情期間被用於幫助醫療保健提供者進行新冠肺炎診斷、患者預後以及幫助研究人員了解刺突蛋白的變化。

「人工智慧在疫情和概念驗證項目中的使用增強了人們對人工智慧在醫療保健領域所能提供的價值的信心，」Brosnan說。

事實上，Omd​​ia在2022年調查的96%的醫療保健組織表示，他們有信心或非常有信心人工智慧將帶來積極的結果，67%的受訪者表示，人工智慧增加價值的能力在過去一年中有所增加。

這將轉化為對人工智慧的大量投資。根據Omdia的數據，人工智慧軟體的支出將以29%的複合年增長率(CAGR)成長，並在2027年達到138億美元的支出，並列成長最快的部門。

五大醫療保健IT使用案例

醫學影像分析是人工智慧最受歡迎的用例。憑藉26%的年增長率，它將保持最大的支出份額，在2027年達到26億美元的人工智慧軟體支出。

同時，Omdia預測顯示，到2027年，藥物發現將成為成長最快的用例，人工智慧支出將達到20億美元，CAGR為33%。

其他頂級用例是虛擬助手，如線上聊天機器人和智慧型文件處理，兩者都有27%的CAGR。預計2027年虛擬助理的人工智慧支出將達到近17億美元，而智慧文檔處理(如索賠處理)預計將達到10億美元。

醫療建議－透過臨床決策支援等工具－在2027年以28%的CAGR和9億美元的人工智慧支出完成了前五名用例。

革新藥物發現

Brosnan說，人工智慧有可能加快藥物發現和開發過程，並降低其成本，2023年，製藥業將繼續透過人工智慧推進藥物發現。

傳統的藥物發現和開發過程目前需要大約10億美元和10年時間才能將一種新藥推向市場。他說，這包括合成5000多個分子，以推動一個候選人進入臨床試驗。

但有了人工智慧，製藥商可以透過「在電腦上」進行生產來減少他們必須物理製造的分子數量，這意味著他們可以虛擬地進行生產，他說。

Brosnan說，這將他們必須物理合成的分子數量歸結為250個，這節省了資金，並縮短了上市時間。人工智慧第一藥物候選人的管道非常強勁，2022年將有18種候選藥物進入臨床試驗。 2020年，這一數字為零。

「早期藥物發現需要幾個月甚至幾年的時間，」他說。

新興技術可以更好地訓練醫療保健人工智慧模型

Brosnan說，聯合學習或群體學習是一種新興技術，它將使醫療保健提供者能夠安全地使用患者數據來更好地訓練人工智慧模型，並將在2023年獲得更大的牽引力。

為了減少偏差，針對大型資料集訓練AI模型非常重要。但為此，許多醫療保健機構希望共享數據，這樣他們就可以建立一個更全面的數據集來訓練人工智慧模型。

傳統上，他們必須將資料移動到一個中央儲存庫。然而，透過聯合或群體學習，數據不必移動。他說，相反，人工智慧模型會去每個單獨的醫療保健機構，並根據資料進行訓練。透過這種方式，醫療保健提供者可以維護其資料的安全性和治理。

「透過聯邦或群體學習，數據不必離開來源機構，但人工智慧模型會移動到數據，」Brosnan說。聯合學習使用集中式編排器，而群組學習較為分散式，不使用集中式編排器。

這項技術目前正在進行概念驗證。 2021年，大型製藥公司賽諾菲(Sanofi)向一家專注於醫療保健的聯邦學習公司投資了1.8億美元。

「這是一項新興技術，我們將在2023年和2024年看到它的崛起，」他說。

以上是2023年醫療保健領域的人工智慧趨勢的詳細內容。更多資訊請關注PHP中文網其他相關文章！