ETFFIN >> Privatekonomi >  >> stock >> riskhantering
Investerare häller pengar på AI-startups fokuserade på hälso- och sjukvård
Åsikter uttryckta av Entreprenör bidragsgivarna är deras egna.

En nyligen rapport från CB Insights fann att nystartade artificiell intelligens inom hälsovård har samlat in 4,3 miljarder dollar över 576 finansieringsomgångar under de senaste fem åren – mer än någon annan sektor. Investeringar som strömmar in i att bygga AI som arbetar med människor för att ta itu med sjukvårdsfrågor kommer att fortsätta globalt. Samtidigt kommer att hitta hållbara svar på tragiska tillstånd som Alzheimers sjukdom kräva noggrant förda hälsojournaler för att göra framsteg - och ta det villiga deltagandet av människor vars liv är dödligt påverkade av sjukdomen. Den part som ytterst är ansvarig för att hitta svaret på Alzheimers kanske inte är mänsklig – eller åtminstone ansträngningen att befria världen från sjukdomen kanske inte är helt mänsklig.

xs text-gray-600 mb-2">Stuart Kinlough | Getty Images

Artificiell intelligens ger det medicinska området nya möjligheter att använda lärdomar från befintliga och nyskapade datamängder för att lösa komplexa mänskliga problem under de närmaste åren. Teknikens kompletterande användbarhet för hälsovetenskap och medicinsk forskning erbjuder nya möjligheter att gräva fram små ledtrådar från individuella patienthistorier som leder till globala genombrott. AI har potential att fungera som en naturlig partner för medicinska forskare och yrkesverksamma som ägnar karriärer åt att söka igenom journaler för att avslöja trender och anomalier.

AI hjälper människor att hitta medicinska svar.

Som bransch börjar hälsovetenskapen inse de fulla fördelarna med att använda precisionsmedicin för att behandla sjukdomar. Tidiga framgångshistorier inkluderar att göra framsteg i cancerupptäckt och att avslöja potentiella hälsoindikatorer från medicinsk historia och DNA-analys. Den underliggande idén med att använda AI för hälsovetenskap, i synnerhet, är att titta på människors specifika genetiska eller molekylära profiler och avgöra vilken personlig behandling som fungerar bäst från fall till fall.

Under de kommande åren kommer framgångsrik avancemang av precisionshälsovetenskap att bero på insamling och lagring av data som representerar olika patientpopulationer. Det kommer också att förlita sig på hälsovetenskapssektorns förmåga att utveckla sofistikerade AI- och maskininlärningsalgoritmer som utvinner enorma mängder data för att svara på mycket specifika vårdfrågor. Frågor som:hur hittar vi indikatorerna gömda i otaliga hälsojournaler? Vilka genetiska varianter spelar roll? Varför påverkar en sjukdom en patient och inte någon med liknande genetisk sammansättning? AI kan fungera som ett sätt att hjälpa hälsovetenskapssektorn att svara på några av dessa frågor, analysera specifika faktorer med precision och göra patienter klarare tidigare i diagnostiseringsprocessen.

AI:s verkliga inverkan inom hälsosektorerna.

AI:s verkliga inverkan på hälsovetenskapen har redan realiserats i form av nya läkemedelskombinationer, mer lovande hypoteser, förbättrad medicinsk diagnostik, riktad riskfaktoranalys och rapportering som leder till mer precision i personlig medicin. AI kan till fullo absorbera, kontextualisera och analysera kritisk vårdinformation under den tid det tar en mänsklig motsvarighet att läsa igenom några få poster. Tekniken är byggd för att mobilisera och hantera stora datamängder autonomt. Samtidigt kan mänskliga motsvarigheter fokusera på att kommunicera fördelarna med AI-fynd, proaktivt använda dem för att hantera individuella medicinska problem och erbjuda mer personlig patientvård.

AI kan integrera data från flera källor och avgöra relevans för specifika fall snabbare än människor. Tekniken kan analysera data i realtid och producera praktiska insikter som skulle ta flera timmar – eller år i vissa fall – för människor att slutföra. När den byggs på ett ansvarsfullt sätt med hjälp av objektiva datamängder och labbtestad teknologi, har AI inga förutfattade meningar om medicinska journaler, DNA- och RNA-analyser och allmän information som den sorterar igenom, vilket eliminerar potentiella fördomar och felaktiga slutsatser.

AI:s hälsovetenskapliga framgång beror på tillgången på mänskligt utvalda träningsdatauppsättningar som möjliggör prestanda- och fördomstestning innan AI kommer in på marknaden. Möjligheten att koppla samman AI och otaliga datamängder är den största möjligheten för läkare som söker efter teknik för att få svar. I praktiken frigör AI:s kärnförmåga att automatisera dataanalys medicinska forskare att fokusera på slutresultatet, tillämpa resultat på verkliga medicinska eller farmaceutiska prövningar och, i slutändan, anpassa individuella hälsovårdsplaner för att införliva nya metoder.

Vi ser framåt mot en oviss framtid.

Den största utmaningen för läkare som vänder sig till AI under 2019 kommer att förbli tillgången på utvalda datauppsättningar som behövs för att träna algoritmdrivna tekniker avsedda för sjukdomsdetektering och annat avgörande medicinskt arbete. AI måste vara tillräckligt pålitlig för att göra korrekta prediktiva bedömningar som dramatiskt påverkar patientvård och hälsoresultat i den verkliga världen. Processen att förbereda AI för hälsa kommer att bli lättare inom en snar framtid när tekniken går framåt, vanliga människor blir mer bekanta med AI och dess verkliga tillämpningar för att förebygga sjukdomar visar sig vara framgångsrika.

Förebyggande av sjukdomar är trots allt den heliga graalen. Teknologier, som AI, som möjliggör tidig upptäckt och avlyssning av sjukdomar kommer att förändra patientvården. AI kan hjälpa medicinsk personal att upptäcka sjukdomar tidigare och ge människor som drabbats av dessa sjukdomar en möjlighet att bekämpa dem.

Utan tvekan kommer mänskliga ansträngningar att befria världen från Alzheimers sjukdom och andra dödliga sjukdomar eller ärftliga tillstånd att gå framåt med stöd av datadriven teknik. Genom att använda AI för dessa uppgifter kan läkare och medicinsk personal fokusera på att ge mer exakt och empatisk patientvård. Forskare kan lägga tid på att förstå AI-drivna fynd för att föra in maskinupptäckta läkemedel till en mycket mänsklig verklighet, som att leva med Alzheimers, som förändrar liv - och räddar dem.

Skrivet av

Kate Merton

Kate Merton är chef för NYC + Boston &JPOD @ Philadelphia för JLABS, där hon driver innovationssourcing, portföljförvaltning, operationell excellens, utbildningsprogrammering och P&L. Merton har en grundexamen i farmakologi och toxikologi från King's College London och en doktorsexamen i farmakologi och toxikologi från University of California, Irvine Medical School. Hon tog sin MBA från Fuqua School of Business vid Duke University.


riskhantering
  1. Kunskaper om aktieinvesteringar
  2.   
  3. Aktiehandel
  4.   
  5. aktiemarknad
  6.   
  7. Investeringsråd
  8.   
  9. Aktieanalys
  10.   
  11. riskhantering
  12.   
  13. Lagerbas