以人工智能的下一步发展开辟医疗保健领域的新天地
自现代医学开始以来，创新的弧线已经带来了以前无法想象的突破和治疗，改善了健康状况，延长了寿命。我们现在正处在一个数字化转型的时代，它重新定义了组织处理病人参与、护理团队协作和提供者体验的方式。从通过电子健康记录（EHR）更好地获取病人数据，到通过远程医疗改善医疗服务，技术已经为提供者提供了解决方案，使其能够提高生产力，最重要的是，提高了病人的护理质量。
但是有机会做得更多。医疗保健行业仍然面临着挑战，而技术可以在解决这些挑战中发挥重要作用。下一代人工智能有可能彻底改变医疗保健，使临床医生能够专注于个性化的病人联系--加强医学中的人际互动，降低成本，并减轻供应商面临的管理和认知负担。这就是微软和Nuance在2022年联手的原因。
今天，我们将介绍一个新的解决方案、DragonAmbienteXperience（DAX™)Express这代表了医疗行业的下一个突破，也是我们大规模实现临床文件自动化历程中的一个重要里程碑。DAXExpress是一个集成到工作流程中的自动化临床文档应用程序，它是第一个将成熟的对话和环境人工智能与OpenAI的GPT-4的高级推理和自然语言能力相结合的解决方案。DAXExpress扩展了成熟的DragonMedical解决方案组合，并在2020年推出的市场领先的DAX环境解决方案的基础上，是Nuance长期使命的下一个里程碑，即减少行政负担，使临床医生有更多的时间照顾病人，减少文书工作时间。
今天在医疗保健领域工作的人工智能解决方案医生和护士已经被提供高质量护理所带来的行政要求压得喘不过气来。他们必须驾驭复杂的编码和计费要求，管理认知负担，以准确记录和回忆越来越多的病人数据，并治疗不断增长的老龄人口。因此，许多组织，包括美国外科医生和专业医疗协会，都在敦促开发能够无缝集成到临床工作流程中的全面、安全的解决方案，以减少临床医生的倦怠。
DAXExpress正视这一问题，将先进的自动化临床文件无缝集成到医生的工作流程中。这是微软和Nuance的解决方案的另一个证明点，在行业定义的人工智能的支持下，通过微软医疗云的力量放大，正在重塑护理服务，并取得可衡量的、不断增长的成果：
缓解劳动力倦怠--我们的解决方案被证明在解决这一看似棘手的问题方面处于行业领先地位--医生们报告说倦怠和疲劳感减少了70%。支持专业工作流程--从外科医生到放射科医生，我们的解决方案分析大量的病人数据，提供工作流程自动化，促进报告和沟通，并提供AI洞察力，支持更明智的决策、规划和治疗--将放射科医生的效率提高50%，将干预时间缩短74%。提高依从性--通过分析数据以发现问题，简化病人和医生的沟通，并提供全面的护理计划跟踪，我们的解决方案使随访依从性提高52%。增加获得护理的机会--我们的自动化临床文件解决方案将时间还给临床医生，他们通常选择看更多的病人，平均每个门诊日增加五个预约--使临床医生能够为更多人提供最好的护理。加强病人的参与度--由人工智能驱动的聊天机器人只是一个例子，说明人工智能如何利用内置的医疗知识库和分流协议为病人提供快速和可获得的信息，这可以触发从机器人互动到医生、护士或支持代理人的无缝交接。而且，通过提供一致的、与上下文相关的患者体验，医疗机构正在实现患者自助服务率提高30%，患者支持成本降低50%。医疗保健领域的共同使命和互补能力微软和Nuance带着重塑医疗保健的共同愿景走到了一起：利用我们独特的能力来解决行业的最大挑战，并使整个生态系统取得更大的成就。在我们的核心，我们相信像人工智能这样的技术与临床医生合作，在加速行业进步、使医生和病人的体验更加个性化和参与性、以及帮助增加获得护理的机会方面发挥着关键作用。我们的北极星是使临床医生能够将他们的注意力重新放在病人护理上--使用我们经过验证的解决方案，结合他们的判断，减少认知负担，支持更好的结果。
多年来，微软和Nuance在创新人工智能解决方案方面一直处于领先地位，而大小组织长期以来一直信任我们负责任、安全的应用程序和基础设施。微软多年来在研究、云计算和人工智能方面的战略投资--包括对Nuance的收购--使我们取得了今天的成就。通过微软医疗云，微软正在大规模地提供负责任的、集成的人工智能能力，使之更容易改善整个医疗体验。微软还在推动研究、孵化和月球计划，以推动整个医疗保健和生命科学领域的现实影响。例如，微软研究院与领先的组织合作，为新兴的精准医疗模式推进和建立基础设施，并通过人工智能赋予科学家权力，加快突破性药物的发现和开发。我们正在通过我们的AIforHealth慈善项目，使卫生组织能够应对全球卫生领域的一些最棘手的挑战。
同样，Nuance拥有数十年开发医疗保健解决方案的经验，这些解决方案被数十万从业者所使用，并被证明能够持续为医生、护士、放射科医生和患者提供价值。Nuance长期以来一直处于医疗保健领域对话式和环境式人工智能创新的前沿--最引人注目的是DragonMedicalOne和最近的DAX--多年来，Nuance利用在大型语言模型、自然语言处理和临床工作流程方面的专业知识，为全球的临床文档提供精致、可靠的人工智能解决方案。有了这项新的创新，Nuance医疗服务组合为客户提供了更大的灵活性，使他们能够利用DragonMedicalOne的准确性和可靠性、DAX的定制化全方位服务体验以及DAXExpress的即时性和速度，实现临床文档工作流程的自动化和增强。我们将微软Azure的力量、丰富的健康数据平台以及强大的工程和人工智能专业知识结合起来，大规模地提供以结果为中心的医疗应用，以改善医疗服务提供者和患者的体验。
DAXExpress代表了提供人工智能技术的下一步，它为医疗机构提供了一个即时、实用和高度可及的切入点，以大规模采用新一代人工智能驱动的解决方案，利用他们在值得信赖的Nuance解决方案上的现有投资。对于超过55万的DragonMedical用户来说，DAXExpress能在几秒钟内自动、安全地创建临床笔记草稿，在每次病人在检查室就诊后或通过远程医疗病人对话，可立即供临床审查和完成。临床医生将受益于DragonMedicalOne、DAXExpress和DAX的无缝功能，这些功能与电子病历紧密结合，从就诊前到就诊后开始，减少认知负担，帮助增加医疗的乐趣。
负责任的人工智能在医疗领域的应用DAXExpress的开发符合微软负责任的人工智能标准，并与我们对数据安全和隐私的长期承诺相一致，有助于确保人工智能系统和解决方案是值得信赖和安全的。微软和Nuance认为，虽然医疗领域的人工智能有可能对这个行业和它所服务的病人产生持久、积极的影响，但我们必须确保负责任和透明地使用这项技术。正如我们多年来所做的那样，我们将继续与医疗服务提供者和更广泛的行业密切合作，以帮助确保以符合道德和透明的方式使用AI。
微软和Nuance在利用人工智能的力量放大医疗行业提供有意义结果的能力方面具有独特的地位。我们很自豪能站在医疗创新的最前沿，我们期待着继续帮助该行业解决医疗的最大挑战。
标签人工智能，医疗保健
人工智能——数据挖掘1
1.概述从技术角度，数据挖掘(datamining)是从大量的不完全的、有噪南的(模糊的随机的实际应用数据中提取隐含在其中的、人们事先不知道的,但又是潜化有用的信身和知识的过程。与数据挖掘相近的同义词包括数据融合、数据分析和决策持第。预处理过程这一定义包括好几层含义:数据源必须是真实的、海量的、含噪声的:发现的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用;并不要求发现放之四海皆准的知识，仅支持特定的发现问题。
从商业角度，数据挖掘是一.种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息。
简言之,数据挖掘其实是一类深层次的数据分析方法。因此，数据挖掘可以描述为:按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的有效方法。
数据挖掘作为一一门新兴的交叉学科，涉及数据库系统、数据仓库、统计学、机器学习、可视化、信息检索和高性能计算等诸多领域。
此外数据挖掘还与神经网络、模式识别、空间数据分析图像处理、信号处理、概率论、图论和归纳逻辑等领域关系密切。
数据挖掘与统计学有密切关系.近几年.人们逐渐发现数据挖掘中有许多工作是由统计方法来完成的。甚至有些人(尤其是统计学家)认为数据挖掘是统计学的一个分支，当然大多数人(包括绝大多数数据挖掘研究人员)并不这么认为。
但是,统计学和数据挖掘的目标非常相似，而且数据挖掘中的许多算法也源于数理统计，统计学对数据挖掘发展的贡献功不可没。
数据挖掘与传统数据分析方法主要有以下两点区别:
首先，数据挖掘的数据源与以前相比有了显著的改变,包括数据是海量的，数据有噪声，数据可能是非结构化的。
其次，传统的数据分析方法一般都是先给出一个假设，然后通过数据验证,在一定意义上是假设驱动的;与之相反，数据挖掘在一定意义上是发现驱动的，模式都是通过大量的搜索工作从数据中自动提取出来的。即数据挖掘是要发现那些不能靠直觉发现的信息或知识,甚至是违背直觉的信息或知识，挖掘出的信息越是出乎意料，就可能越有价值。
在缺乏强有力的数据分析工具而不能分析这些资源的情况下,历史数据库也就变成了“数据坟墓”里面的数据几乎不再被访问。也就是说，极有价值的信息被“淹没”在海量数据堆中,领导者决策时只能凭自己的经验和直觉。因此改进原有的数据分析方法,使之能够智能地处理海量数据，也就演化为数据挖掘。
研究数据挖掘的目的，不再是单纯为了研究，更主要的是为商业决策提供真正有价值的信息进而获得利润。目前所有企业北面临的一个共同问题是，企业数据量非常大.而其中真正有价值的信息却很少，因此需要经过深层分析，从大量的数据中获得有利于商业运作，提高竞争力的信息，就像从矿石中石中淘金一样.数据挖掘也由此而得名。
麦肯锡：人工智能潜在经济效益高达44万亿美元 对知识型劳动力冲击最大
咨询巨头麦肯锡（McKinsey&Co．）的一份新报告称，全球范围内人工智能的蓬勃发展将迎来一个生产力加快、一些人更加富裕的时代，但对另一些人（主要是知识工作者）来说，这将带来深刻的颠覆。
麦肯锡研究部门的这项研究显示，从销售和营销到客户运营的整个商业活动都将更多地嵌入软件，潜在的经济效益高达4.4万亿美元，约占全球经济产出的4.4％。
麦肯锡公司高级合伙人、麦肯锡科技公司（McKinseyTechnology）董事长LareinaYee在报告中表示，生成式人工智能将赋予人类一种新的“超级能力”，并为经济注入急需的生产力。
该研究调查了大约850个职业中63个生成式人工智能的用例，发现根据这项技术被采用和实施的方式，未来20年的生产率可能提高0.1％至0.6％。
报告称，这种转变将给劳动力带来巨大压力，尤其是对那些“以前被认为相对不受自动化影响”的高薪知识型员工。
在这方面，这可能与过去的重大技术升级相反，过去的重大技术升级往往是以牺牲工人受教育程度较低、工资较低的职业为代价的。
麦肯锡表示，相比之下，新的转变“将对获得多年学位证书”的人构成挑战。
在几年前的一份报告中，麦肯锡曾估计，全球约有一半的工作时间花在了可以自动化的任务上。现在，这个数字上升到了60-70％。员工未来可能会发现他们的时间被重新分配了——或者他们的工作消失了。报告称：“工人在学习新技能方面需要支持。有些人会换工作。”
麦肯锡此前的研究曾预测，2027年将是人工智能技术在涉及“自然语言理解”的任务中能够与典型人类表现相匹配的第一年。现在，麦肯锡认为这将在今年实现。