量子人工智能在疾病诊断中的整合:方法和应用的审查
Shobha Sharma1, Lokesh Sharma2, Tapan Kumar Gandhi1
1Department of Electrical Engineering, Indian Institute of Technology (IIT), Delhi, New Delhi, India.
Computer methods and programs in biomedicine
|November 27, 2025
概括
量子人工智能 (QAI) 通过克服经典AI的局限性,提供先进的疾病诊断. 在各种条件下,QAI显示出前景,但需要进一步开发用于临床使用.
科学领域:
- 量子计算在医疗保健中的应用.
- 医疗诊断中的人工智能
- 生物医学数据分析
背景情况:
- 准确的疾病诊断对于有效的治疗和患者的治疗结果至关重要.
- 诊断中的经典人工智能面临着实时数据,可扩展性和高维数据的挑战.
- 量子人工智能 (QAI) 将量子计算与人工智能集成,以解决这些局限性.
研究的目的:
- 探索用于疾病诊断的QAI模型.
- 突出QAI在经典AI上的优势.
- 检查QAI应用程序和在诊断工作流程中的集成.
主要方法:
- 37篇同行评审文章的结构化文献综述.
- 搜索的数据库:Scopus,PubMed,IEEE Xplore,谷歌学者. 这些数据库中使用的是:
- 分析量子机器学习 (QML) 模型,包括混合和量子启发的技术.
主要成果:
- 在诊断癌症,神经退行性和心血管疾病以及COVID-19方面,QAI显示出前景.
- 量子算法在复杂的医疗数据中提供更快,更准确的模式识别.
- 尽管存在诸如量子噪音和硬件不稳定性等挑战,但QAI可以集成到临床决策支持的诊断管道中.
结论:
- 质量AI有可能彻底改变疾病诊断.
- 临床集成需要在算法开发和硬件可扩展性方面取得进一步的进步.
- 未来的研究应该弥合理论QAI模型和实际医疗保健实施之间的差距.
