在医学中使用人工智能系统的共同驾驶模型:实施基于受约束-障碍原则的第二代系统.

科学领域:

• 医疗信息学 医疗信息学
• 人工智能在医学中的应用
• 计算生物学 计算生物学

背景情况:

• 人工智能 (AI) 和机器学习 (ML) 系统在医疗保健中越来越多地用于诊断,药物开发和个性化治疗.
• 尽管取得了进展,但将AI/ML整合到常规患者护理中仍面临重大挑战,并落后于预期.
• 当前的人工智能系统经常与临床实践中所需的生物系统和人类认知功能的复杂性作斗争.

研究的目的:

• 审查将数字健康系统整合到常规医疗保健中的挑战.
• 引入基于受约束障碍原则 (CDP) 的第二代AI平台,旨在增强,而不是取代人类医生.
• 描述"数字药丸"概念,通过将人工智能与人类生物学相结合来使人工智能变得人性化,以改善患者的治疗结果.

主要方法:

• 审查医疗保健系统整合数字工具的现有挑战.
• 描述基于受约束混乱原则 (CDP) 的新型第二代人工智能平台.
• 解释基于CDP的AI平台的机制,用于增强医生决策和患者遵守.

主要成果:

• 基于CDP的AI平台,称为"数字药丸",通过利用生物多样性,使AI更接近人类生物学.
• 这个系统增强了医生,增强了决策,以改善患者的反应和坚持慢性药物治疗.
• 人工智能平台恢复药物疗效,并生成数据驱动的治疗方案,改善患者的治疗结果.

结论:

• 人工智能不太可能取代人类医生,但会增加他们的能力,从而改善患者护理.
• 描述的共同驾驶模型,将人工智能与医生集成在一起,更好地反映了生物途径,并增强了临床决策.
• 专注于生物复杂性的第二代人工智能系统为更有效和以人为中心的医疗保健增强提供了一条道路.