MaltSci 麦伴科研

Appearance

文献精选 > 高引权威"AI药物发现"文献

The practical implementation of artificial intelligence technologies in medicine. ​

文献信息 ​

DOI10.1038/s41591-018-0307-0
PMID30617336
期刊Nature medicine
影响因子50.0
JCR 分区Q1
发表年份2019
被引次数661
关键词人工智能, 医学, 临床实施, 数据共享, 患者安全
文献类型Journal Article, Research Support, Non-U.S. Gov't, Review
ISSN1078-8956
页码30-36
期号25(1)
作者Jianxing He, Sally L Baxter, Jie Xu, Jiming Xu, Xingtao Zhou, Kang Zhang

一句话小结 ​

本文回顾了人工智能在医学临床应用中的关键实际问题，如数据共享、算法透明性和患者安全等，并分析了美国的监管环境与欧洲及中国的比较。研究表明，解决这些问题对于推动人工智能技术在临床工作流程中的有效整合至关重要。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

人工智能 · 医学 · 临床实施 · 数据共享 · 患者安全

摘要 ​

基于人工智能（AI）技术在医学领域的发展正在迅速推进，但在现实世界中的临床应用尚未成为现实。在这里，我们回顾了围绕将人工智能纳入现有临床工作流程的一些关键实际问题，包括数据共享与隐私、算法透明性、数据标准化以及跨多个平台的互操作性，同时关注患者安全。我们总结了美国当前的监管环境，并与世界其他地区，特别是欧洲和中国进行了比较。

英文摘要 ​

The development of artificial intelligence (AI)-based technologies in medicine is advancing rapidly, but real-world clinical implementation has not yet become a reality. Here we review some of the key practical issues surrounding the implementation of AI into existing clinical workflows, including data sharing and privacy, transparency of algorithms, data standardization, and interoperability across multiple platforms, and concern for patient safety. We summarize the current regulatory environment in the United States and highlight comparisons with other regions in the world, notably Europe and China.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 在医疗领域中，如何解决数据共享和隐私问题，以促进人工智能技术的实际应用？
  2. 针对算法透明度的要求，当前有哪些有效的策略可以提升AI在临床中的信任度？
  3. 在不同国家和地区，关于人工智能技术在医疗中的监管政策存在哪些显著差异？
  4. 如何确保人工智能系统在临床工作流中的互操作性，以提高医疗服务的效率和安全性？
  5. 针对患者安全的关注，人工智能在医学实践中可能带来的风险有哪些，如何进行有效管理？

核心洞察 ​

研究背景和目的 ​

人工智能（AI）技术在医学领域的迅速发展，但其在临床实际应用中的普及仍面临诸多挑战。本文旨在探讨AI技术在医疗中的实际实施问题，包括数据共享与隐私、算法透明性、数据标准化和多平台间的互操作性，以及患者安全的关注。

主要方法/材料/实验设计 ​

本文通过文献综述和案例分析的方法，评估AI在医疗中的应用现状与实施障碍。主要关注以下几个方面：

  • 数据共享：探讨数据的获取、匿名化和共享的必要性。
  • 算法透明性：分析算法决策过程的可解释性及其对医疗实践的影响。
  • 数据标准化：强调数据在不同系统间的标准化的重要性，以便于AI技术的应用。
  • 患者安全：讨论AI技术对患者安全的潜在影响及责任归属问题。

以下是研究的技术路线流程图：

Mermaid diagram

关键结果和发现 ​

  • AI技术在医学领域的应用潜力巨大，能够提高诊断准确性、降低医疗错误并提升工作效率。
  • 数据共享的缺乏和隐私保护问题阻碍了AI算法的训练和优化。
  • 算法的透明性和可解释性是确保医生和患者信任AI技术的关键。
  • 当前医疗环境对数据共享的激励不足，需通过政策推动改善。
  • AI技术在临床应用中的安全性和责任归属问题尚未得到明确解决。

主要结论/意义/创新性 ​

本文强调，AI技术的成功实施不仅依赖于算法的开发，还需要解决数据共享、透明性和标准化等问题。研究指出，建立有效的监管框架和教育AI素养的医疗工作者将是推动AI技术在医疗领域应用的关键。未来的研究应聚焦于跨学科合作，以实现AI技术与临床实践的有效结合。

研究局限性和未来方向 ​

  • 研究主要集中于现有文献和案例，缺乏大规模实证研究的数据支持。
  • 未来的研究应加强对AI技术在不同医疗领域应用的实证分析，并探讨如何平衡创新与患者安全之间的关系。
  • 随着AI技术的不断发展，建立动态的监管框架以适应快速变化的技术环境将是一个重要方向。

引用本文的文献 ​

  1. Artificial Intelligence vs. Natural Stupidity: Evaluating AI readiness for the Vietnamese Medical Information System. - Quan-Hoang Vuong;Manh-Tung Ho;Thu-Trang Vuong;Viet-Phuong La;Manh-Toan Ho;Kien-Cuong P Nghiem;Bach Xuan Tran;Hai-Ha Giang;Thu-Vu Giang;Carl Latkin;Hong-Kong T Nguyen;Cyrus S H Ho;Roger C M Ho - Journal of clinical medicine (2019)
  2. Are There New Biomarkers in Tissue and Liquid Biopsies for the Early Detection of Non-Small Cell Lung Cancer? - Fiorella Calabrese;Francesca Lunardi;Federica Pezzuto;Francesco Fortarezza;Stefania Edith Vuljan;Charles Marquette;Paul Hofman - Journal of clinical medicine (2019)
  3. Artificial Intelligence in Clinical Health Care Applications: Viewpoint. - Michael van Hartskamp;Sergio Consoli;Wim Verhaegh;Milan Petkovic;Anja van de Stolpe - Interactive journal of medical research (2019)
  4. Remote Control of Greenhouse Vegetable Production with Artificial Intelligence-Greenhouse Climate, Irrigation, and Crop Production. - Silke Hemming;Feije de Zwart;Anne Elings;Isabella Righini;Anna Petropoulou - Sensors (Basel, Switzerland) (2019)
  5. Discovering Clinical Information Models Online to Promote Interoperability of Electronic Health Records: A Feasibility Study of OpenEHR. - Lin Yang;Xiaoshuo Huang;Jiao Li - Journal of medical Internet research (2019)
  6. Automated Classification of Malignant and Benign Breast Cancer Lesions Using Neural Networks on Digitized Mammograms. - Mohammed M Abdelsamea;Marghny H Mohamed;Mohamed Bamatraf - Cancer informatics (2019)
  7. Computational pathology definitions, best practices, and recommendations for regulatory guidance: a white paper from the Digital Pathology Association. - Esther Abels;Liron Pantanowitz;Famke Aeffner;Mark D Zarella;Jeroen van der Laak;Marilyn M Bui;Venkata Np Vemuri;Anil V Parwani;Jeff Gibbs;Emmanuel Agosto-Arroyo;Andrew H Beck;Cleopatra Kozlowski - The Journal of pathology (2019)
  8. Artificial Intelligence Screening for Diabetic Retinopathy: the Real-World Emerging Application. - Valentina Bellemo;Gilbert Lim;Tyler Hyungtaek Rim;Gavin S W Tan;Carol Y Cheung;SriniVas Sadda;Ming-Guang He;Adnan Tufail;Mong Li Lee;Wynne Hsu;Daniel Shu Wei Ting - Current diabetes reports (2019)
  9. Predictive analytics in health care: how can we know it works? - Ben Van Calster;Laure Wynants;Dirk Timmerman;Ewout W Steyerberg;Gary S Collins - Journal of the American Medical Informatics Association : JAMIA (2019)
  10. Looking beyond the hype: Applied AI and machine learning in translational medicine. - Tzen S Toh;Frank Dondelinger;Dennis Wang - EBioMedicine (2019)

... (651 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研