Nuance报告:医护人员如何从人工智能中受益
语音和语言处理解决方案公司Nuance Communications公司今天宣布了一项新的产品研究成果,显示了医疗保健专业人员可以从人工智能中受益良多。
作为关于该公司使用人工智能演讲的一部分,该公司在Healthcare Information and Management Systems Society 2017会议期间公布了该研究。根据报告显示,临床医生可以节省高达45%的文档时间,而且使用了人工智能支持的产品可以提高高达36%的质量指标。
Nuance公司生产Dragon Medical One临床语音云平台,该公司的研究表明,人工智能和深度机器学习可以帮助减少医护人员的行政负担。
为了保持他们的工作,临床医生和医疗保健专业人员会产生大量的文档,并且医生大部分工作要求节省打字或写作的时间。用于将口语转换成文档的软件需要复杂的语音识别能力,而机器学习系统在转换语音时减少了错误。
Nuance的研究显示,该公司使用人工智能提升了该公司的核心语音识别能力,误差降低了30%,这意味着临床医生不需要花费太多时间校对最终文档。
使用人工智能提供实时建议
该公司还生产可根据患者医疗数据中发现的模式为医生提供建议的技术。使用来自云的临床数据,Nuance的计算机辅助医生文档系统可以主动支持并允许医生提出正确的问题和增加对护理的理解。
使用机器学习的医疗保健解决方案并不是全新的。IBM公司开发的其人工智能系统Watson用来协助医疗已经有几年的时间了。
Massachusetts General Physicians Organization的医生David Y. Ting表示,“我认为这项技术是我们的副驾驶员”。他表示,“现在在我们这个世界上,驾驶飞机飞行这项工作太过复杂,任何一个人都不能自己管理,电脑应该是我的副驾驶,让我保持警惕,让我了解情况,当有危险时警告我,然后在需要的时候执行命令。
作为对Nuance的人工智能使用的案例研究,该公司引用了与大型集成交付网络集成的成果,使用机器学习提供及时的建议,使患有极端疾病的患者文档改善了36%,并且改善了高死亡风险患者24%的文档细节。
医疗保健领域的语音助手
人工智能系统可以用来更好地理解医生口述文件,并通过提供洞察力提供及时的建议,但人工智能的突破主要在于使用一台电脑就可以像专家助理一样听取问题并采取行动。
Nuance的虚拟助手Florence是按照英国统计学家和现代护理的创始人Florence Nightingale的名字命名的。Florence虚拟助手可以听取并理解人类言语,并为重复活动提供帮助,例如药物,实验室或成像的订单。人工智能系统也会随着时间的推移进行学习,通过预测需求提供更快决定来优化与医生的交互。
根据Nuance,Florence在初始试点阶段节省了医生35%的时间,现在与整合之前相比节省的时间超过了50%。该系统仅仅在20个订单中就将键击总数从87次点击减少为零。
Nuance表示,在全国范围内,这将相当于在一年内为医生节省2260万小时时间,这还只是根据在美国的药学、放射学和实验室订单计算出来的结果。
原文发布时间为: 2017年2月21日
本文作者:李超
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
25 行 Python 代码实现人脸检测——OpenCV 技术教程
OpenCV OpenCV 是最流行的计算机视觉库,原本用 C 和 C++ 开发,现在也支持 Python。 它使用机器学习算法在图像中搜索人的面部。对于人脸这么复杂的东西,并没有一个简单的检测能对是否存在人脸下结论,而需要成千上万的特征匹配。算法把人脸识别任务分解成数千个小任务,每个都不难处理。这些任务也被称为分类器。 对于类似于人脸的对象,你或许需要不少于 6000 个分类器,每一个都需要成功匹配(当然,有容错率),才能检测出人脸。但这有一个问题:对于人脸识别,算法从左上角开始计算一个个数据块,不停问“这是张脸吗”。每个数据块有超过 6000 个检测,加起来的计算量会达到数百万级别,计算机很可能会让你等得花儿都谢了。 OpenCV 使用cascades 来避免这种情况。Cascade 是什么?最佳答案已经在字典里了:一条瀑布或者连续
- 下一篇
126篇殿堂级深度学习论文分类整理 从入门到应用 | 干货
如果你有非常大的决心从事深度学习,又不想在这一行打酱油,那么研读大牛论文将是不可避免的一步。而作为新人,你的第一个问题或许是:“论文那么多,从哪一篇读起?” 本文将试图解决这个问题——文章标题本来是:“从入门到绝望,无止境的深度学习论文”。请诸位备好道具,开启头悬梁锥刺股的学霸姿势。 开个玩笑。 但对非科班出身的开发者而言,读论文的确可以成为一件很痛苦的事。但好消息来了——为避免初学者陷入迷途苦海,昵称为 songrotek 的学霸在 GitHub 发布了他整理的深度学习路线图,分门别类梳理了新入门者最需要学习的 DL 论文,又按重要程度给每篇论文打上星星。 截至目前,这份 DL 论文路线图已在 GitHub 收获了近万颗星星好评,人气极高。雷锋网(公众号:雷锋网)感到非常有必要对大家进行介绍。 闲话少说,该路线图根据以下四项原则而组织: 从
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Red5直播服务器,属于Java语言的直播服务器
- Windows10,CentOS7,CentOS8安装Nodejs环境
- CentOS7,8上快速安装Gitea,搭建Git服务器
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- SpringBoot2全家桶,快速入门学习开发网站教程
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2整合Redis,开启缓存,提高访问速度
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7