در کلینیک بخش تنفسی بیمارستان Haihe در تیانجین ، معاون پزشک ارشد وانگ هرونگ در حال معالجه بیمار است که دو هفته است که سرفه می کند. پس از ورود به کلمات "سرفه ، تب" در رایانه ، یک پانل تجزیه و تحلیل هوشمند در سمت راست صفحه ظاهر شد و نشان می دهد که گزارش CT بیمار از 3 ماه پیش به طور خودکار بازیابی شده و به عنوان ضایعه فیبروز ریوی خفیف در لوب پایین ریه راست برچسب خورده است. به تازگی ، شاخص های التهابی مانند پروتئین واکنشی {{2} بالا و تعداد گلبولهای سفید غیر طبیعی در روال خون برجسته شده اند. پیش نویس اولیه سوابق پزشکی ساختار یافته ، تشخیص های افتراقی مانند "جامعه- پنومونی اکتسابی" و "تشدید حاد بیماری انسداد مزمن ریوی" را با توجه به اولویت نشان می دهد و شامل توصیه های معاینه و منابع دارویی است.
وانگ هرونگ گفت که در گذشته ، هنگام دسترسی به تصاویر ، لازم بود مسیر عملیاتی 3 سطح سیستم PACS را به خاطر بسپارید ، با ورود به سیستم EMR ، تاریخچه پزشکی را به صورت دستی بازیابی کنید و به سیستم LIS تغییر دهید تا نتایج حساسیت به دارو را قبل از تجویز تأیید کنید. اکنون ، هوش مصنوعی به طور فعال اطلاعات را بر اساس سناریوهای تشخیص و درمان تحت فشار قرار می دهد و حداقل 5 دقیقه پزشکان را صرفه جویی می کند.
در پشت این 5 دقیقه نجات یافته ، اطلاعات قدرتمند سیستم بیمارستان بومی هوش مصنوعی ایجاد شده توسط راه حل Tianhe برای بیمارستانهای بومی AI نهفته است.
کانگ بو ، رهبر برنامه و مدیر کل شرکت Tianjin Zhilin Tianhe Technology ، آموزشی ویبولیتین ، ارائه داد که وقتی پزشکان کلمات کلیدی مانند "سرفه" و "تب" را وارد می کنند ، موتور پردازش زبان طبیعی سیستم بیمارستان بومی AI می تواند اهداف بالینی پشت کلمات کلیدی را جدا کند ، درست مانند "درک" نیازهای ناخواسته از مدارک ؛ فن آوری فیوژن داده های چند معین همگام سازی و اتصال داده های پراکنده مانند تصویربرداری ، آزمایش و سوابق پزشکی ، آنها را به طور فعال جمع می کند تا یک زنجیره اطلاعات کامل بیمار را تشکیل دهد و معضل "پزشکانی که به دنبال داده هستند" را پایان می دهد.
در سناریوهای پزشکی سنتی ، داده ها یک "پرونده" استاتیک است که باید به صورت دستی پرس و جو شود ، اما توسط "مغز AI" هدایت می شود ، داده ها با سناریوی تشخیص و درمان به صورت پویا جریان می یابد. کانگ بو به عنوان مثال بیان کرد که در سناریوی تشخیص و درمان هوشمند مبتنی بر سیستم های بیمارستان بومی هوش مصنوعی ، هنگامی که پزشکان در نظر دارند تنظیم آنتی بیوتیک ها را در نظر بگیرند ، این سیستم به طور خودکار سه قطعه از اطلاعات را مرتبط می کند: نتایج حساسیت به داروهای خلط بیمار ، تاریخچه آلرژی به داروهای گذشته و استانداردهای مدیریت آنتی بیوتیکی. پس از تأیید ، توصیه های دارویی برای حل مشکل پراکنده و عدم همکاری در فرآیند هوشمند از منبع ایجاد می شود.
علاوه بر این ، Edge Computing Power مسئول بازخورد سطح میلی ثانیه پس از ورودی کلمات کلیدی است ، و پنل هوشمند "در تماس" را ساخت. قدرت محاسبات محلی وظیفه پشتیبانی از همجوشی عمیق و استنباط داده های چند حالته را بر عهده دارد و از توصیه های تشخیصی دقیق اطمینان حاصل می کند.
براساس داده های ارائه شده توسط بیمارستان Haihe در Tianjin ، سه ماه پس از اجرای سناریوهای تشخیص و درمان هوشمند ، میانگین روزانه ویزیت پزشکان سرپایی به طور قابل توجهی افزایش یافته است و کامل بودن سوابق پزشکی بسیار بهبود یافته است.
در دوره خستگی پزشک ظهر ، یادآوری زمان {-} یادآوری زمان حذف تاریخچه پزشکی کلیدی را به میزان قابل توجهی کاهش می دهد و خطر تشخیص از دست رفته را به میزان قابل توجهی کاهش می دهد. "یانگ وانجی ، مدیر بیمارستان هایه در تیانجین ، گفت.
