掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
深度醫療 版權信息
- ISBN：9787572501029
- 條形碼：9787572501029 ; 978-7-5725-0102-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
深度醫療 本書特色
1. 為人工智能如何實現醫療變革提供了一幅全景圖 ● 互聯網醫療、智能診斷、遠程醫療、醫療信息化、虛擬醫療助手、醫院管理……展示了人工智能在醫療領域幾乎所有的應用實例； ● 智能醫療的結構、實踐意義、現存問題、發展趨勢……將行業的前世、今生、未來盡數道來。 2. 世界zui有影響力的醫生領導者、智能醫療發展領航人埃里克·托普前瞻之作 ● 全世界zui有資格談論人工智能醫療應用的專家； ● 繼《顛覆醫療》《未來醫療》之后，帶來醫療改革的巔峰之作。 3. 湛廬文化出品。
深度醫療 內容簡介
本書闡述了人工智能在醫學領域的眾多應用實例和未來前景, 共包括13個部分, 分別講述了深度醫療的模型、淺度醫療的概況、人工智能對醫療診斷的影響、人工智能技術的發展簡史、深度學習的7大局限、人工智能對三類有“模式”醫生的影響、人工智能對無“模式”醫生的影響、人工智能在心理健康領域的應用、人工智能對醫療系統的影響、人工智能如何改變生物醫學、人工智能在個性化飲食方案制定上的應用前景、虛擬醫療助手的發展現狀, 以及人工智能如何讓醫療回歸人文。
深度醫療 目錄
推薦序一 探索未知與掌控已知 -Ⅰ
推薦序二 人工智能讓醫療科技服務于個體 -Ⅲ
01 深度醫療模型：深度表型分析、深度學習、深度共情三足鼎立 -001
02 淺度醫療：令患者絕望、醫生疲憊的非智能醫療 -021
03 醫療診斷：人工智能工具與醫生結合提高診斷和預測的精確性 -037
04 從深度學習到深度醫療：人工智能的成功先例對醫療健康領域的啟發 -055
05 突破局限：深度學習亟須解決的八大問題 -083
06 “有模式”的醫生：*有可能被人工智能取代的三類醫生 -105
07 “無模式”的醫生：人工智能如何打通所有醫學學科 -127
08 心理健康：人工智能發揮重要作用的新領域 -153
09 醫療系統：人工智能如何通過影響醫療系統造福人類 -171
10 深度發現：人工智能如何改變生物醫學 -193
11 深度飲食：定制真正個性化的飲食方案 -215
12 虛擬醫療助手：承擔醫療指導的責任，造福消費者 -237
13 深度共情：人工智能如何讓醫療回歸以人為本 -261
致謝 -285
注釋 -287
譯者后記 站在人類的高度思考人工智能 -289
展開全部
深度醫療 節選
深度醫療的三大組成部分 一直以來，醫學界在接受新技術方面都顯得很被動。我在《顛覆醫療》（Creative Destruction of Medicine）一書中，描繪了傳感器、測序、圖像、遠程醫療以及許多其他技術機遇，如何幫助實現人類數字化和醫學數字化轉型。在《未來醫療》（The Patient Will See You Now）一書中，我描述了醫學如何消除“家長式作風”，從而實現醫學的民主化——消費者不單是生產數據，更應該擁有自己的數據，并且獲得更多的醫療數據，*終對自己的健康負責。 而本書將描述下一階段，即數字化（Digitizing）和民主化（Democratizing）之后的第三個“D”，也是*具影響力的一個——深度學習（Deep Learning）。不管我對新技術的興趣給大家留下了何種印象，一直以來，我都夢想著激發醫學實踐中必不可少的人文因素。通過深度學習，我們將形成醫學根基培養的一個基本框架：人與人之間的紐帶。雖然我們至今未能在醫學領域實現數字化或民主化，但它們已經處于緩慢發展中。我堅信，我們不僅會實現它們，還會將人工智能技術運用于醫學的核心。我將這一過程的巔峰稱為“深度醫療”，它有三大“深度”組成部分。 **部分是深度表型分析，即運用一切相關數據深度識別個體的能力。它也可叫作數字化人類的本質，包括所有人的醫療數據、社交數據、行為習慣、家族史，以及人的生物學數據：解剖學數據、生理學數據及人體環境數據等。我們的生物組學包括許多組成部分：基因組學、RNA組學、蛋白質組學、代謝組學、免疫組學、微生物組學、表觀基因組學等。生物醫學研究領域經常使用的術語是“深度表型分析”，前面提到的癲癇持續發作的新生兒的治療，就是用了這一分析方法。深度表型分析既有深度又有廣度，它覆蓋了我們能想到的多種類型的數據，而且時間跨度很廣，能盡可能多地覆蓋我們的生命長度，因為許多指標都是動態的，會隨著時間的推移不斷變化。幾年前，我寫了一篇評論，里面提到，我們需要“從胚胎到死亡”（from prewomb to tomb）的完整的醫療數據。而有位前輩則對我說，應該把這叫作“從性欲萌生到入土成灰”（from lust to dust）。總之，其核心理念都是我們需要擁有集深度、長度和廣度為一體的數據。 第二部分是深度學習，它將在未來醫療中扮演重要角色。在醫生診斷時，深度學習不僅會用到模式識別和機器學習，還將有更廣泛的應用，如引導消費者更好地管理自身健康和醫療狀況的虛擬醫療助手。深度學習還能提高醫院的效率，如利用機器視覺來提高患者的安全和照護質量，*終利用便利的遠程家庭監控設備減少對醫院病房的需求。盡管深度學習在醫學方面的產出具有相當大的潛力，并且在過去幾年中一直在加速發展，但仍處于*初階段。 50多年前，威廉·施瓦茨（William Schwartz）在《新英格蘭醫學雜志》上發表了一篇名為《醫學和計算機》（Medicine and the Computer）的文章。他推測，計算機和醫生在未來將“經常進行對話，計算機將不斷記錄病史、體檢結果、實驗室數據等，提醒醫生*可能的診斷方案，并給出*合理、*安全的治療方案建議”。今天，我們對50多年前的這一預測有哪些交代呢？令人感到沮喪的是，并沒有太多。雖然我們已經聽聞一些關于利用搜索功能解鎖疑難雜癥的奇聞，但通過檢索簡單癥狀來診斷疾病的方法，從未被證實是準確可靠的，相反，這些檢索正是引發諸多焦慮和網絡疑病癥的根本原因。 可以想象，人工智能在未來將解決醫學中的各種困境，如診斷不準確、工作（如開賬單或編碼等基礎性工作）流程效率低下等，但這些目前都尚未實現。對于與臨床醫生、計算機科學家和其他學科（如行為科學、生物倫理學等）的研究人員有合作的企業來說，這是一個非常好的機會，可以幫助人們將人工智能與醫療健康進行恰當地融合。 第三部分是*重要的部分，即醫患之間的深度共情和深度聯結。40多年前我還在醫學院時就已經發現，醫生對患者就診整個過程的參與度越來越低。隨著時間的推移，醫療已成為一個巨大的產業，到2017年甚至已成長為美國*大的產業。目前在美國，這一領域擁有的雇員*多，已超過零售業。從任何一個指標都可以發現，人們的醫療支出在飛速增長。可無論是診所還是醫院，即使算上各科室所有醫護人員，算上人均所有的醫藥費，醫患溝通的時間仍然在逐步減少——醫生們太忙了。有時，高達近5000美元一天的住院費可能只包含幾分鐘的查房時間（其他服務需另外付費）。當醫療領域正在發生技術革新時，如電子健康檔案、管理式醫療模式、健康維護機構，以及相對價值單位（relative value unit）等，醫生們卻變得越發消極和被動。如今，醫護人員出現過勞和抑郁的比例創歷史新高，因為他們難以為患者提供切實的照護，而這原本才是他們職業的根本！ 現今醫療領域中*大的問題，就是忽視了照護。醫生通常不能為患者提供足夠的照護，患者也覺得他們未能獲得應有的照護。人工智能帶來的巨大機遇并不是避免犯錯、減少工作量或者治愈癌癥，而是重建醫患之間長久且有人情味的寶貴聯結與信任。醫生不僅要花更多的時間陪伴患者，與患者深度溝通、感同身受，還要對錄取和培養醫生的模式進行改革。幾十年來，我們總會嘉獎那些“厲害的醫生”，然而機器的普及正在不斷提高醫生的診斷能力，豐富他們的醫學知識。*終，醫生會接受人工智能及算法成為自己的工作伙伴。醫學評價體系也終將建立新的標準：錄取并教育情商更高的醫學生。亞伯拉罕·維基斯是我的同事兼朋友，在我心里，他是一個具有偉大人文主義思想的人。他在寫給本書的推薦序里強調了這些重點，希望讀者朋友們能仔細閱讀，這也是深度醫療所要探討的內容。 為了建立“深度醫療”的概念框架體系，我將從以下問題來切入：目前醫學是如何開展實踐的，為什么我們亟須找到新方案來解決誤診、出錯、低產出、成本流失等問題。從某種程度上來講，這些問題也是基于當今醫學是如何做出診斷而形成的。為了解人工智能的優勢和風險，本書將從游戲和自動駕駛汽車中探索人工智能的成功先例。也許更重要的是對人工智能局限性的演繹，比如對人類的偏見、擴大現有的不公平、潛在的暗箱操作，以及隱私安全問題等。劍橋分析公司（Cambridge Analytica）曾將數千萬人的數據從Facebook上轉移到人工智能設備中，并對這些數據進行系統分析，這一過程也預示了醫療健康領域可能會面臨的一大關鍵問題。 深度醫療是醫療的未來 我們即將步入以人工智能為工具的醫療時代。可以預見，機器模式的引入將對放射科醫生、病理科醫生、皮膚科醫生等基于數據分析的醫生產生巨大的影響；同時，人工智能也會“打通”所有的醫學學科，影響那些不以數據分析為主的臨床醫生和外科醫生。心理健康領域是另一個特別迫切需要新方法、新突破的領域，訓練有素的專業人員太少，抑郁癥等心理疾病卻越來越多，并且在其治療和預防方面已出現了巨大的缺口。因此，人工智能在未來的心理健康領域也同樣可能發揮重要作用。 不過，人工智能，尤其是深度學習，并不僅僅會影響醫療實踐，它還會改變生物醫學：促進新藥的研發；分析復雜數據集并提供解析，如解析數百萬的全基因組序列、復雜的人類大腦；實時分析多個生物傳感器中輸出的復雜數據流。雖然這些都屬于醫療服務上游領域的嘗試，但隨著基礎科學的不斷進步和新藥的開發，它們終將對臨床醫學產生重大影響。 人工智能還將顛覆與醫療相關的方方面面。飲食，就是其中一大方面。迄今為止，機器學習的一個意外成果，也是很實用的成果之一，就是為定制飲食提供了科學基礎。這是一項令人興奮的進步——機器知道哪些人*適合吃哪些食物。現在，我們可以在未患有糖尿病的健康人群中預測出哪些特定食物會刺激血糖飆升。這一進步帶來的好處遠大于籠統的傳統飲食理論，如經典的食物金字塔，或流行的阿特金斯減肥法和南海灘減肥法，這些方法至今都沒有可靠的證據。而通過人工智能，我們可以收集大量有關身體的數據，并且預測需要特定營養成分的部位。 許多先進的居家設備也將會成為虛擬醫療助手，它們多半可以通過語音進行控制，如Siri、Alexa和谷歌家庭（Google Home），只是可能不會再在屏幕上顯示柱狀音頻或波形音頻了。我猜它們可能會以虛擬人或全息圖的形式出現，如果有人偏愛其他形式，它們還可能以簡潔的短信或電子郵件的形式出現。虛擬醫療助手會不間斷地收集所有數據，不斷更新并深度學習，結合已知的醫學知識來提供反饋和指導。此類系統*初將在特定疾病中試行，如糖尿病或高血壓，但它終將覆蓋整個醫療平臺，以幫助預防并更好地管理疾病。 然而，數據濫用將會導致這一藍圖付諸東流。這不僅包括網絡盜竊、敲詐勒索（向醫院勒索數據贖金）和黑客行為等眾所周知的諸多罪行，還包括大規模惡意銷售和使用數據。此外還有一個令人擔憂且難以接受的新問題，那就是保險公司或雇主在掌握了某個人的所有數據之后，對這些數據進行深度學習，然后基于數據學習結果對個人的保額、保險費、工作等做出判定。為了避免這些可怕的情況發生，我們還有很長的路要走。 本書旨在探索患者、醫生、機器之間的平衡。如果我們能夠發掘機器的潛能，并找到一個更好的互助模式，就能夠解決至今依然困擾醫療界的諸多難題。 通過本書，我希望大家能夠認識到，深度醫療是可行且深得人心的。結合人類和人工智能的智慧，利用人類和機器的力量，醫療將到達一個新的高度。當然，這條路并不好走，終點遙遙無期，且有很多艱難險阻。但只要方向正確，我們終將抵達。效率的提高、流程的簡化，不僅可以解放不少醫療工作者，還可以造福患者，用未來的技術帶回過去的美好。 造福患者還需要更多的人文關懷，尤其是來自臨床醫生的關懷。醫療工作人員需要做好準備，與強大的既得利益者做斗爭，不要像過去很多人一樣，錯過以照護患者為首要前提的機會。機器的興起應該伴隨著更高的人性化，讓醫生有更多的時間陪伴患者、感同身受，這才是真正地實現優質醫療。當下，我們首先要重新確立的就是照護患者的重要性，并不斷向前推進。
深度醫療 作者簡介
[美]埃里克·托普（Eric Topol） ● 美國知名心臟病學家、基因組學教授，曾連續14年擔任克利夫蘭診所心血管科主任，并帶領其科室成為美國排名首位的心臟中心。現在是斯克利普斯研究所執行副總裁，斯克利普斯轉化科學研究所所長。 ● 托普醫生創辦了世界上第yi家基因銀行，被湯森路透評為的“世紀醫生”，是美國10大被引用zui多的醫學研究者之一。除了30多本醫用教科書以外，他還出版了兩本有關未來醫療的暢銷書：《顛覆醫療》與《未來醫療》。
書友推薦
- >
李白與唐代文化
- >
月亮虎
- >
上帝之肋:男人的真實旅程
- >
二體千字文
- >
名家帶你讀魯迅:朝花夕拾
- >
煙與鏡
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
本類暢銷
