Google Cloud مجموعه جدید تصویربرداری پزشکی مبتنی بر هوش مصنوعی را معرفی می کند

او گفت: “هوش مصنوعی این پتانسیل را دارد که به کاهش بار کارکنان مراقبت های بهداشتی و بهبود قابل توجهی و حتی نجات جان مردم کمک کند.”

مایکل آریگو، شریک مدیریت No World Borders، یک شبکه ملی از شاهدان متخصص در مسائل مراقبت‌های بهداشتی، مستقر در نیوپورت بیچ کالیفرنیا، موافقت کرد که هوش مصنوعی ممکن است به برخی رادیولوژیست‌هایی که بیش از حد کار می‌کنند کمک کند، اما فقط در صورتی که قابل اعتماد باشد.

به گفته گوگل، مجموعه تصویربرداری پزشکی به برخی از مشکلات رایجی که سازمان ها هنگام توسعه مدل های هوش مصنوعی و یادگیری ماشین با آن مواجه می شوند، می پردازد. اجزای مجموعه عبارتند از:

  • Cloud Healthcare API، که امکان تبادل آسان و ایمن داده ها را با استفاده از استاندارد بین المللی تصویربرداری، DICOMweb فراهم می کند. API یک محیط توسعه کاملاً مدیریت شده، مقیاس پذیر و در سطح سازمانی را با شناسایی خودکار DICOM فراهم می کند. شرکای فناوری تصویربرداری عبارتند از NetApp برای مدیریت یکپارچه داده‌های اولیه به ابر، و Change Healthcare، یک PACS تصویربرداری سازمانی بومی ابری در استفاده بالینی توسط رادیولوژیست‌ها.
  • ابزارهای حاشیه نویسی با کمک هوش مصنوعی از Nvidia و Monai برای خودکار کردن کار بسیار دستی و تکراری برچسب زدن تصاویر پزشکی، و همچنین یکپارچه سازی بومی با هر بیننده DICOMweb.
  • دسترسی به BigQuery و Looker برای مشاهده و جستجوی پتابایت داده های تصویربرداری برای انجام تجزیه و تحلیل پیشرفته و ایجاد مجموعه داده های آموزشی با سربار عملیاتی صفر.
  • استفاده از Vertex AI برای تسریع توسعه خطوط لوله هوش مصنوعی برای ساخت مدل‌های یادگیری ماشینی مقیاس‌پذیر، با ۸۰٪ خطوط کد کمتر مورد نیاز برای مدل‌سازی سفارشی.
  • گزینه‌های انعطاف‌پذیر برای استقرار ابری، اولیه یا لبه‌ای که به سازمان‌ها اجازه می‌دهد تا حاکمیت، امنیت داده‌ها و الزامات حریم خصوصی متنوع را برآورده کنند – در حالی که مدیریت متمرکز و اجرای خط‌مشی را با Google Distributed Cloud، که توسط Anthos فعال شده است، ارائه می‌دهد.

عرشه کامل فناوری

لینچ افزود که این مجموعه یک رویکرد باز و استاندارد برای تصویربرداری پزشکی دارد.

تبلیغات

WOW باش - هر تعاملی را بهتر از آنچه انتظار می رود انجام بده!

او گفت: «سرویس‌های Google Cloud یکپارچه ما با رویکرد استاندارد DICOM کار می‌کنند و به مشتریان این امکان را می‌دهند که به طور یکپارچه از Vertex AI برای یادگیری ماشین و BigQuery برای کشف و تجزیه و تحلیل داده‌ها استفاده کنند.

او گفت: “هوش مصنوعی باید به عنوان یک ابزار کارآمد برای تسریع در تفسیر تصویر و کمک به موارد اضطراری در نظر گرفته شود، اما نه اینکه به طور کامل عنصر انسانی را جایگزین کند.”

پتانسیل بزرگ پاشش

«در حالی که نمونه‌هایی از هوش مصنوعی وجود دارد که چیزهایی را پیدا می‌کند که یک انسان آن‌ها را نمی‌یابد، یا «به‌اندازه انسان خوب» است، نمونه‌هایی نیز وجود دارد که هوش مصنوعی چیز مهمی را از دست می‌دهد، یا کاملاً مطمئن نیست که چه چیزی را باید تفسیر کرد زیرا ممکن است چندین مورد وجود داشته باشد. مشکلات با بیمار،” او مشاهده کرد.

او ادامه داد: «با این نسخه، گوگل از ابزار توسعه هوش مصنوعی کم کد آنها استفاده می‌کند و شتاب قابل توجهی را برای مراقبت‌های بهداشتی اضافه می‌کند.»

آلیسا هسو لینچ، رهبر جهانی، “گوگل در استفاده از هوش مصنوعی و بینایی کامپیوتری در Google Photos، جستجوی تصویر گوگل و لنز گوگل پیشگام بود و اکنون ما تخصص تصویربرداری، ابزارها و فناوری های خود را برای شرکت های مراقبت های بهداشتی و علوم زیستی در دسترس قرار می دهیم.” استراتژی و راه‌حل‌های Google Cloud MedTech در بیانیه‌ای اعلام شد.

جف کریبز، معاون و تحلیلگر برجسته گارتنر توضیح داد که ارائه دهندگان مراقبت های بهداشتی که به دنبال هوش مصنوعی برای راه حل های تصویربرداری تشخیصی هستند، به طور کلی مجبور به انتخاب یکی از دو انتخاب شده اند.

تبلیغات

WOW باش - هر تعاملی را بهتر از آنچه انتظار می رود انجام بده!

او ادامه داد: «اگر گوگل روی این بخش از بازار تمرکز کند، منابعی برای ایجاد سر و صدا در اختیار دارد. در حال حاضر بازیکنان زیادی در این فضا حضور دارند. جالب است که ببینیم این محصول چگونه می‌تواند از دیگر عملکردها و خطوط لوله گوگل استفاده کند و متمایزکننده باشد.»

او افزود: “با ارائه ابزارهای تصویربرداری، محصولات و تخصص خود به سازمان های مراقبت های بهداشتی، ما معتقدیم که بازار و بیماران سود خواهند برد.”



منبع

مجموعه تصویربرداری پزشکی Google Cloud

تورنو گفت: «از آنجایی که سیستم‌های تصویربرداری سریع‌تر می‌شوند، وضوح و قابلیت‌های بالاتری مانند MRI عملکردی ارائه می‌دهند، برای زیرساخت‌های پشتیبانی‌کننده از این سیستم‌ها سخت‌تر است که به‌روز باشند و در حالت ایده‌آل، از آنچه لازم است جلوتر باشند.

او به TechNewsWorld گفت: «آنها می‌توانند نرم‌افزاری را از سازنده دستگاه، فروشنده مخزن تصویر یا از شخص ثالث تهیه کنند، یا می‌توانند الگوریتم‌های خود را با ابزارهای طبقه‌بندی تصویر آگنوستیک صنعتی بسازند.

او به TechNewsWorld گفت: «این منحصر به این بازار نیست، اما ممکن است فرصت‌های تعاملی را فراهم کند که ارائه‌دهنده کوچک‌تر قادر به انجام آن نیست.

اجزای قوی

استفاده از هوش مصنوعی در تصاویر پزشکی می تواند برای پزشکان و بیماران مفید باشد، اما توسعه ابزارهای انجام آن می تواند چالش برانگیز باشد. گوگل روز سه شنبه اعلام کرد که آماده است تا با مجموعه جدید تصویربرداری پزشکی خود با این چالش مقابله کند.

او توضیح داد که این مجموعه همه چیز را از دریافت داده های تصویربرداری و ذخیره سازی گرفته تا ابزارهای حاشیه نویسی به کمک هوش مصنوعی تا گزینه های استقرار مدل انعطاف پذیر در لبه یا در فضای ابری ارائه می دهد.

گوگل با منابع خود می تواند تاثیر قابل توجهی بر بازار تصویربرداری پزشکی داشته باشد. تورنو خاطرنشان کرد: «وجود یک بازیگر بزرگ مانند گوگل در این فضا می‌تواند همکاری با سایر محصولات Google را که در حال حاضر در سازمان‌های مراقبت‌های بهداشتی وجود دارد، تسهیل کند، و به طور بالقوه امکان اتصال یکپارچه‌تر به سیستم‌های دیگر را فراهم می‌کند.»

ما با ایجاد همه چیز حول این رویکرد استاندارد، مدیریت داده‌های خود را برای سازمان‌ها و مفید ساختن آن‌ها آسان‌تر می‌کنیم.»

راه حل طبقه بندی تصاویر

او گفت: “ما در حال ارائه راه حل هایی هستیم که این فرآیند را برای سازمان های مراقبت های بهداشتی آسان تر و کارآمدتر می کند.”