AI的基本原理与医学应用

新闻

作者：微信文章
Understanding basic principles of artificial intelligence: a practical guide for intensivists

理解人工智能的基本原理：重症监护医师的实用指南

人工知能の基本原則を理解する：集中治療医のための実践ガイド





Background and aim:

Artificial intelligence was born to allow computers to learn and control their environment, trying to imitate the human brain structure by simulating its biological evolution. Artificial intelligence makes it possible to analyze large amounts of data (big data) in real-time, providing forecasts that can support the clinician’s decisions. This scenario can include diagnosis, prognosis, and treatment in anesthesiology, intensive care medicine, and pain medicine. Machine Learning is a subcategory of AI. It is based on algorithms trained for decisions making that automatically learn and recognize patterns from data. This article aims to offer an overview of the potential application of AI in anesthesiology and analyzes the operating principles of machine learning Every Machine Learning pathway starts from task definition and ends in model application.

背景与目的：
人工智能的诞生旨在让计算机能够学习并控制其环境，尝试通过模拟生物进化来模仿人类大脑结构。人工智能使得实时分析大量数据（大数据）成为可能，提供可支持临床医生决策的预测。这一场景包括麻醉学、重症医学和疼痛医学中的诊断、预后和治疗。机器学习是人工智能的一个子类别。它基于经过训练的算法进行决策，从数据中自动学习并识别模式。本文旨在提供人工智能在麻醉学中潜在应用的概述，并分析机器学习的运行原理。每条机器学习路径都从任务定义开始，以模型应用结束。

背景と目的: 人工知能（AI）は、コンピュータが学習し環境を制御できるようにするために生まれ、人間の脳の構造を模倣することでその生物学的進化をシミュレートしようとします。人工知能により、大量のデータ（ビッグデータ）をリアルタイムで分析し、臨床医の意思決定を支援する予測を提供することが可能になります。このシナリオには、麻酔科学、集中治療医学、疼痛医療における診断、予後、治療が含まれる可能性があります。機械学習はAIの下位カテゴリです。これは、意思決定のために訓練されたアルゴリズムに基づき、データからパターンを自動的に学習し認識します。本論文の目的は、麻酔科学におけるAIの潜在的な応用の概要を提供し、機械学習の動作原理を分析することです。すべての機械学習のプロセスは、タスク定義から始まり、モデルの応用で終わります。
Conclusions:

High-performance characteristics and strict quality controls are needed during its progress. During this process, different measures can be identified (pre-processing, exploratory data analysis, model selection, model processing and evaluation). For inexperienced operators, the process can be facilitated by ad hoc tools for data engineering, machine learning, and analytics.

结论：
在其进程中需要高性能特性和严格的质量控制。在这个过程中，可以识别出不同的措施（预处理、探索性数据分析、模型选择、模型处理和评估）。对于缺乏经验的操作人员，可以使用专门的数据工程、机器学习和分析工具来简化这一过程。

結論：
進行中には高い性能特性と厳格な品質管理が必要です。この過程では、さまざまな手法（前処理、探索的データ解析、モデル選択、モデル処理および評価）を特定できます。経験の少ないオペレーターの場合、データエンジニアリング、機械学習、分析のためのアドホックなツールによってプロセスを容易にすることができます。





备注：仅供学习和参考，非商业用途。