在去年，我們看到深度學習系統在各個方面上許多驚人的和前所未有的進步。但在醫學上，進步更為緩慢。但是，在2023年的午夜5分鐘，谷歌在糖尿病視網膜病變評估工作中作出驚人之舉。第一次，我們看到乙個計算機系統在醫療任務中與醫生真正競爭。
我認為，人們錯誤的部分原因是長期**是非常困難的，特別是當變化的速度如此之快，而技術的作用可以說是前所未有。
但短期內要清楚得多，所以我認為抓住未來的**是值得的。讓我們考慮一下在2023年關於醫療的ai**。
階段性的**
我曾談過醫學中臨床試驗分為不同階段的明智方式，並建議我們可以類似的方式理解人工智慧研究。
這是乙個好方法，因為這些階段反映了應用程式達到臨床實踐的可能性，以及完成所需的時間。
經過粗略的估計，最終臨床產品的機會和產品可用之前的時間將是：
我們不知道人工智慧研究是否會仿似這些數字，因為沒有人工智慧試驗已經超過了第二階段。ai的i期和ii期試驗可能更快，因為臨床試驗需要長時間的隨訪然而ai試驗使用回顧性資料。但是iii期和調節期應該非常類似於臨床試驗。
這個框架的偉大之處在於它如何**人工智慧能夠在多大程度上實現需求。這使得它是乙個非常好的方法，因為我們只需要估計每個階段將執行多少質量良好的試驗，以及將有多大的影響。
在這裡明確我的**：
1.我只是在我的**中考慮深度學習研究。正如我在過去所說，舊的機器學習方法仍然在醫學中廣泛使用和發表，但沒有好的理由期望他們突然取得突破性表現。這些舊技術仍然提供很多穩定的、漸進的進步，但不會是突破性的進步。
2.自助應用程式，影象處理系統，資料採集系統等這些是如此一流和有很大的作用，但它們不是「醫療」。我說的是醫生工作的系統，它需要監管部門的批准。
3.你不能指望我知道未知的情況。如果大型高科技公司有大量未發表的研究領先於公開的研究，我會感到驚訝，但我不能將其納入我的**。
第一階段
**：
我們將在2023年看到i期研究的數量翻倍。
論據：第一階段的研究很難定義。技術上，每個cs學生專案與公共醫療資料集和每個醫療kaggle競爭是乙個i階段研究。 但幾乎沒有乙個會成為產品，因為他們是一種「一次性」的研究。沒有基礎設施來進一步推進專案。這不是我們在臨床試驗中看到的，因為即使是臨床前和i期臨床試驗也是昂貴的。在ai研究中缺乏進入的成本障礙在一定程度上混淆了整個空間。
這意味著我必須在我的定義中更加狹隘。我會說乙個「真實的」是由乙個研究小組進行的，發表在同行評審的文獻中的i期試驗。這些更類似於i期臨床試驗，因為研究人員受到影響的驅動，因此他們通常選擇可以成長為更大的專案。
我們每個月都會看到類似五到十個良好質量的i期ai試驗。 我通過檢視涵蓋過去6個月中幾個google學術搜尋（例如「深度學習醫學」）的結果來「調查」這項研究，每個月五到十個似乎是對的。
我認為這將發生，因為對深度學習感興趣的研究人員的數量正在大量增長。進入的門檻是低的，有基礎的人都可以進入。
因此當我說在2023年年底之前每月將有十到二十個良好質量的i期ai試驗時，我不會感到驚訝。
第二階段
**：我們將在醫學文獻中發表幾個（3-5）大型ii期ai試驗。
論據：這種**似乎並不令人印象深刻，但考慮到我們有乙個完成乙個ii階段試驗的歷史，用於執行醫學任務的深度學習系統，我們實際上將增加三到五倍一年。
我不知道我在這裡是否過度樂觀。google花了很多精力讓一大批眼科醫生為他們建立乙個資料集，我不確定其他團隊是否準備好了。
從公眾角度來看，anecdata表明，資助機構不願為深入學習應用研究提供大量資金，而這些研究已經沒有得到大型研究的支援（我們可以稱為「第一階段到第二階段資金缺口」）。 許多學術實驗室可能會繼續專注於舊技術一段時間，如果除了資金可用性沒有其他原因，我預計2023年將有來自公共機構的零至兩個第二階段研究。
初創公司將有一些影響，但還沒有真正引起我的注意。 這可能是因為他們的公開宣告是面向投資者的，不是為了說服醫生。enlitic也許是最有可能給我乙個驚喜，乙個完整的ii期臨床試驗。
總體而言，如果乙個單一的良好的第二階段研究在2023年從一家創業公司啟動，我會感到驚訝。也許就在明年。
它可能會由大型科技公司推動這一點，然而我不知道他們的想法。
如果他們成功了，我必須猜測和考慮耗資。我主要談論谷歌，微軟，ibm等，雖然大型的科技公司可以發揮作用。
我**二至五個ii期臨床試驗將退出既定行業群。
第三階段
**：我們將不會在2023年看到任何完整的iii期試驗。
論據：要在第三階段取得成功，需要證明使用系統與使用人類醫生一樣好或者比真實診所的真實患者更好。這是乙個全新的領域。
舉谷歌的糖尿病視網膜病變研究這個例子來說，假設它是唯一乙個幾乎準備好第三階段，並且可以通過道德委員會。即使他們可以在這裡制定乙個很好的用例（也許是乙個篩選系統，可以避免在輕微的情況下需要專家審查，因此節省錢，而不降低患者安全）我們正在尋找至少一年或兩年的隨訪。
糖尿病等疾病進展緩慢。如果你減少後續的時間，更少的人會遭受你正在關注的事件（如失明）。這並不意味著你不能做到這一點，但你需要乙個更大的佇列來證明它的工作原理和安全。這增加了成本，這將是高昂的。
如果第三階段試驗從沒有出現，我不知道誰會在倫理上批准它。
如果有人能想到可能在第三階段結束的優秀的研究小組的候選人並且我還沒有聽說過，請告知我。我會更新我的**。
但事實上，我不期望在2023年進行任何iii期研究。
其他**
一些隨機的
ai和非
ai的東西。
1.醫療應用將繼續激增。像智慧型手機**癌檢測器，健康跟蹤和量化的自我的東西，藥物跟蹤/提醒系統**，心理健康支援機械人等。 我認為任何人會取得顯著的市場滲透，但這些都是容易實現的目標，會看到很多的努力和創業的興趣。
2.新聞不斷地報告醫生，儘管有相反的證據。
3.放射科醫生和其他「受威脅」的專家將在每次重要會議和所有主要期刊的意見書中繼續討論這個問題，但是今年談話不會再到任何新的領域。 除非我們看到大規模的中斷，否則它不會真的改變。
4.在非ai領域，在2023年增強和虛擬實境不會在醫學中做任何有用的事情。
5.同樣，2023年3d列印也不會在醫學中做任何有用的事情。
6.基因組學將繼續逐步進展，沒有任何重大突破。基因組學的深度學習是棘手的。我們今年將跨越1000美元的基因組屏障，這實際上是非常驚人的。
7.生物技術革命將開始加速。更真正有效的靶向癌症**，更多的幹細胞的東西，更多的復甦技術，包括關於senolytics（抗衰老**）的第乙個證據。 我們應該了解新的抗阿爾茨海默病**的有效性，以及二甲雙胍是否延長人類壽命。
最重要的意義是，在2023年沒有任何iii期試驗，我們距離任何可以取代醫生的臨床應用至少兩年。
以上為譯文
本文由北郵
@愛可可-愛生活
老師推薦，
阿里云云棲社群
組織翻譯。
文章原標題《
predicting medical ai in 2017
paolo galeone
，譯者：tiamo_zn
，審校：主題曲(身行)。
文章為簡譯，更為詳細的內容，請檢視原文
數字醫療發展可觀，呈現四大發展趨勢
近年來，越來越多的智慧型硬體都可隨時連線網路，這無疑是為數字醫療的發展提供了良好的土壤。對於醫療資源不均衡 藥品和診療 公開度低 過度醫療等現象而言，數字醫療能夠提供不錯的解決方案。數字醫療 目前，物聯網 人工智慧 深度學習等技術方興未艾。隨著數字醫療的崛起，這些技術也都將得到進一步的應用，而數字醫...
faceair 跨領域AI智慧型顯示應用解決方案
摘要 faceair是全球領先的智慧型顯示技術應用專家，程式設計客棧基於不同前瞻顯示黑科技，結合多通道互動進行上層應用研發，在各領域定製化的解決方案，顛覆了傳統的顯示和互動方式，在ai時代給使用者帶來了極致的使用者體驗。faceair研究的前瞻智慧型顯示技術 隨著ar,vr的狂潮漸漸退去，再現現實的...
專家解讀嵌入式應用三大發展方向
1 手持終端應用 這應該類似於掌上遊戲系統，手機類應用，主要以圖形ui為主，同時兼顧網路通訊，因為手持終端，以後很可能是雲計算的終端，作為乙個大型系統 網遊，管理，erp，eip等 的終端存在。這部分的開發，我個人的理解應該向windows的開發理念靠攏，不管是用wince，還是s60，palm，或...