메리테리테라구요.

Merative
메리테리테라구요.
설립되었습니다.2022
본사입니다미시간 주, 앤아버입니다.
주요 인물입니다.
  • Gerry McCarthy(최고경영자)입니다.
  • David Gruen(최고 의료 책임자)입니다.
직원수입니다
1,000-5000
웹 사이트입니다.merative.com

Merative(이전의 IBM Watson Health)는 2022년 현재 독립 기업입니다.Merative는 고객이 인공지능, 데이터 분석, 클라우드 컴퓨팅 및 기타 고급 정보 기술을 사용하여 의료 연구, 임상 연구, 실제 증거 및 의료 서비스를 촉진할 수 있도록 지원하는 제품과 서비스를 제공합니다.Merative는 캘리포니아주 샌프란시스코에 본사를 둔 미국계 사모펀드 회사인 Francisco Partners가 소유하고 있습니다.

역사

Thomson Healthcare는 2008년까지 Thomson Corporation의 사업부였으며, 그 후 Thomson이 Reuters와 합병하면서 Thomson Reuters의 의료 사업부가 되었습니다.2012년 4월 23일 Thomson Reuters는 Veritas Capital에 [1]12억 5천만 달러에 매각하기로 합의했습니다.2012년 6월 6일, 매각을 완료하고 새로운 회사인 Truven Health Analytics는 [2]의료만을 전담하는 독립 조직이 되었습니다.

IBM Corporation은 2016년 2월 18일 Truven Health Analytics를 인수하여 IBM의 Watson Health [3]사업부와 합병했습니다.Truven Health Analytics는 의료 데이터 및 분석 서비스를 [4]제공했습니다.병원, 정부 기관, 고용주, 건강플랜, 임상의, 제약, 생명공학 및 의료기기 회사를 포함한 의료 업계에 정보, 분석 도구, 벤치마크, 연구 및 서비스를 제공했습니다.Truven은 "신뢰할 수 있다"와 "실증되었다"의 합성어입니다.

2022년 1월, IBM은 Truven을 포함한 Watson Health 자산의 일부를 Francisco Partners에 10억 [6]달러에 매각했다고 발표했습니다.2022년 7월 Francisco Partners는 Watson Health 인수를 완료했다고 발표하고 Merative라는 [7]의료 데이터 회사를 설립했습니다.

고급입니다.

왓슨의 자연 언어, 가설 생성 및 증거 기반 학습 능력은 왓슨이 의료 [8]전문가들이 사용할 수 있는 의료 분야의 인공 지능의 증가와 임상 의사 결정 지원 시스템에 어떻게 기여할 수 있는지 알아보기 위해 조사되고 있습니다.의사의 환자 치료를 돕기 위해 의사가 시스템에 증상 및 기타 관련 요인을 설명하는 쿼리를 제출하면 다음과 같이 하십시오.Watson은 먼저 입력을 분석하여 가장 중요한 정보를[8] 확인한 다음 환자 데이터를 발굴하여 환자의 의료 및 유전 병력과 관련된 사실을 찾아낸 다음 사용 가능한 데이터 소스를 검사하여 가설을 형성하고 테스트합니다. 마지막으로 개인화된 자신감에 찬 권장 [9]사항 목록을 제공합니다.Watson이 분석에 사용하는 데이터 소스에는 치료 지침, 전자 의료 기록 데이터, 의료 서비스 제공업체의 메모, 연구 자료, 임상 연구, 저널 기사 및 환자 [8]정보가 포함될 수 있습니다.Watson은 "진단 및 치료 조언자"로 개발 및 마케팅되었지만, 의료 진단 과정에 실제로 참여한 적은 없으며,[10] 이미 진단을 받은 환자의 치료 옵션을 확인하는 데 도움을 줄 뿐입니다.

2011년 2월 IBM은 Nuance Communications와 협력하여 향후 18~24개월 동안 Watson의 임상 의사 결정 지원 기능을 활용하도록 설계된 상용 제품을 개발하기 위한 연구 프로젝트를 진행할 것이라고 발표했습니다.콜롬비아 대학의 의사들은 시스템의 기술이 기여할 수 있는 의료 업무에서 중요한 문제를 식별하는 데 도움을 줄 것입니다.또한, 메릴랜드 대학의 의사들은 왓슨과 같은 기술이 최대한의 [11]도움을 제공하기 위해 의사들과 상호작용할 수 있는 최선의 방법을 찾기 위해 노력할 것입니다.

2011년 9월 IBM과 WellPoint(현재의 Anthem)는 Watson의 데이터 처리 기능을 활용하여 의사에게 [12]치료 옵션을 제안하는 파트너십을 발표했습니다.그 후 2013년 2월 IBM과 WellPoint는 Watson에게 Memorial Sloan-Kettering Cancer [13]Center의 폐암 치료 활용 관리 결정을 위한 첫 번째 상용 애플리케이션을 제공했습니다.

IBM은 2012년 10월에 Cleveland Clinic과의 파트너십을 발표했습니다.이 회사는 Watson을 Cleveland Clinic Lerner College of Case Western Reserve University에 보내 건강 전문성을 높이고 의료 전문가들이 환자를 치료하는 데 도움을 줄 것입니다.의료 시설은 Watson의 많은 양의 정보를 저장하고 처리하는 능력을 활용하여 치료 과정의 속도를 높이고 정확도를 높일 것입니다.C씨는 "Cleveland Clinic과 IBM의 협업을 통해 Watson에게 의학에서 강력한 도구로 만들 수 있는 '생각'을 가르칠 수 있는 기회를 제공하기 때문에 매우 기쁩니다."라고 말했습니다.마틴 해리스, 클리블랜드 [14]클리닉의 최고 정보 책임자입니다

2013년에 IBM과 MD Anderson 암 센터는 센터의 "암 박멸 임무"를 강화하기 위한 파일럿 프로그램을 시작했습니다.하지만, 6천 2백만 달러를 쓴 후, 이 프로젝트는 목표를 달성하지 못했고 [17]중단되었습니다.

2013년 2월 8일, IBM은 뉴욕에 [18]있는 Maine Center for Cancer Medicine and Westmed Medical Group의 종양학자들이 폐암 치료를 권장하기 위해 Watson 슈퍼컴퓨터 시스템을 테스트하기 시작했다고 발표했습니다.

2016년[19] 7월 29일, IBM과 Manipal Hospitals(인도 내 주요 병원 체인)는 암 환자를 위한 IBM Watson for Oncology의 론칭을 발표했습니다.이 제품은 의사 및 암 환자에게 개인화된 증거 기반 암 치료 옵션을 식별할 수 있도록 정보와 통찰력을 제공합니다.Manipal Hospitals는[20] 이 기술을 채택한 세계 두 번째 병원이며,[21] 웹사이트를 통해 온라인으로 환자들에게 전문가의 보조 의견으로 제공하는 세계 최초의 병원입니다.Manipal은 2018년 12월에 이 계약을 중단했습니다.

2017년 1월 7일 IBM과 Fukoku Mutual Life Insurance는 IBM Watson Explorer AI를 통해 보상 지급에 대한 분석을 제공하는 계약을 체결하였고, 이로 인해 34개의 일자리가 손실되었으며, 회사는 청구 및 의료 기록 분석을 통해 보상 지급 분석을 가속화하고 생산성을 30% 향상시키겠다고 밝혔습니다.그 회사는 또한 운영비를 [22]1억 4천만 파운드 절감할 것이라고 말했습니다.

IBM Watson은 의료 분야에 혁명을 가져올 1,000명의 암 전문가 지식 기반을 보유하게 될 것이라고 합니다.IBM은 혁신적인 혁신으로 평가받고 있습니다.하지만 종양학의 흐름은 아직 초기 단계에 [23]있습니다.

의료 분야의 몇몇[buzzword] 신생업체들은 IBM Watson 기반 솔루션을 시장에 내놓기 위해 7가지 비즈니스 모델 원형을 효과적으로 사용해 왔습니다.이러한 원형 유형은 대상 사용자에 대해 생성된 가치(예:[24] 환자 초점 대 의료 제공자 및 지급자 초점)와 가치 포착 메커니즘(예: 정보 제공 또는 이해관계자 연결)에 따라 달라집니다.

2019년, Eliza Strickland는 "왓슨 건강 이야기 [...]를 자만심과 과대광고에 대한 경고 이야기"라고 칭하며 [25]그들의 상태와 함께 "프로젝트의 대표적인 샘플"을 제공합니다.ACM(Association for Computing Machine)의 2021년 게시물인 "What Hasken To Watson Health"는 2015년 사업부 창설과 관련된 인수 건수와 고객 기반 [26]요구보다 "Blue Washing" 프로세스에 거의 중점을 둔 Watson Health의 포트폴리오 관리 과제를 기술했습니다.

2022년 1월 21일 IBM은 Watson Health를 Francisco [27]Partners의 사모 주식 회사에 매각할 것이라고 발표했습니다.

업계의 고려사항과 과제입니다.

이후 대형 의료 회사가 다른 의료 회사와 합병하는 동기는 의료 데이터에 대한 [28]접근성을 향상시킵니다.건강 데이터가 많을수록 AI 알고리즘을 [29]더 많이 구현할 수 있습니다.

의료 분야에서의 AI 구현에 대한 업계의 초점의 상당 부분은 임상 [30]의사결정 지원 시스템에 있습니다.데이터량이 증가함에 따라 AI 의사결정 지원체계가 더욱 효율화 됩니다.수많은 기업들이 의료 [31]산업에 빅데이터를 접목할 가능성을 모색하고 있습니다.

IBM의 Watson Oncology는 Memorial Sloan Kettering Cancer Center와 Cleveland [32]Clinic에서 개발 중입니다.IBM은 또한 만성 질환 치료의 AI 애플리케이션에 CVS Health와 함께, 그리고 Johnson & Johnson과 함께 약물 [33]개발을 위한 새로운 연결 고리를 찾기 위한 과학 논문 분석에 임하고 있습니다.2017년 5월, IBM과 Rensselaer Polytechnic Institute는 건강 관리를 강화하기 [34]위해 AI 기술을 사용하여 탐색할 HEALS(Health Enfowerment by Analytics, Learning and Symantics)라는 공동 프로젝트를 시작했습니다.

의료 분야에서 사용하기 위해 AI 알고리즘에 기여한 다른 대기업은 다음과 같습니다.

마이크로소프트(MS)입니다.

마이크로소프트의 하노버 프로젝트는 오리건 보건 과학 대학의 나이트 암 연구소(Knight Cancer Institute)와 협력하여 [35]의학 연구를 분석하여 환자에게 가장 효과적인 암 치료 방법을 예측합니다.다른 프로젝트에는 종양 진행에 대한 의료 영상 분석과 프로그램 가능한 [36]세포의 개발이 포함됩니다.

구글

Google의 DeepMind 플랫폼은 모바일 [37]앱을 통해 수집된 데이터를 통해 특정 건강 위험을 감지하기 위해 영국 국립 보건 서비스(NHS)에서 사용되고 있습니다.NHS와 함께 하는 두 번째 프로젝트는 암 [38]조직을 감지하기 위한 컴퓨터 비전 알고리즘을 개발하기 위해 NHS 환자로부터 수집된 의료 이미지의 분석을 포함합니다.

인텔(R)입니다.

Intel의 벤처 캐피털 부문(Intel Capital)은 최근 AI를 사용하여 위험에 처한 환자를 식별하고 치료 [39]옵션을 개발하는 스타트업 Lumiata에 투자했습니다.

의료 분야의 인공지능은 복잡한 의료 데이터를 분석할 때 인간의 인지 능력을 모방하기 위해 복잡한 알고리즘과 소프트웨어를 사용하는 것입니다.구체적으로, AI는 컴퓨터 알고리즘이 사람의 직접적인 입력 없이 결론을 근사하는 능력입니다.

AI 기술과 의료 분야의 기존 기술을 구별하는 것은 정보를 얻고 처리하며 최종 사용자에게 명확한 출력을 제공할 수 있는 능력입니다.AI는 기계 학습 알고리즘을 통해 이를 수행합니다.이 알고리즘은 행동 패턴을 인식하고 자신만의 논리를 만들 수 있습니다.오차범위를 줄이기 위해서는 AI 알고리즘을 반복적으로 테스트해야 합니다.AI 알고리즘은 두 가지 면에서 인간과 다르게 작동합니다. (1) 알고리즘은 문자 그대로입니다. 목표를 설정하면 알고리즘은 스스로 조정되지 않고 명시적으로 전달된 내용만 이해할 수 있습니다. (2) 알고리즘은 블랙박스입니다. 알고리즘은 매우 정밀하지만 원인이나 이유는 [40]예측할 수 없습니다.

건강 관련 AI 애플리케이션의 주요 목적은 예방 또는 치료 기술과 환자 [41]결과 간의 관계를 분석하는 것입니다.AI 프로그램은 진단 과정, 치료 프로토콜 개발, 약물 개발, 맞춤형 의료, 환자 모니터링 및 관리 등의 업무에 개발되어 적용되고 있습니다.Mayo Clinic,[42][43] Memorial Sloan Kettering Cancer Center 및 National Health Service와 같은 의료 기관에서는 해당 부서에 맞는 AI 알고리즘을 개발했습니다.IBM,[46] 구글과 같은 대형 기술 회사들과[45][44] 웰톡, 아야스디 같은 스타트업들도 의료용 AI 알고리즘을 개발했습니다.또한 [buzzword]병원에서는 비용 절감 효과를 높이고, 환자 만족도를 향상시키며, 인력 및 인력 [47]수요를 충족하는 운영 이니셔티브를 지원하는 AI 솔루션을 찾고 있습니다.기업들은[buzzword] 의료 관리자가 활용률 향상, 환자 탑승 감소, 체류 기간 단축 및 인력 [48]수준 최적화를 통해 비즈니스 운영을 개선할 수 있도록 지원하는 예측 분석 솔루션을 개발하고 있습니다.

다음 의학 분야가 인공지능 연구에 관심이 있습니다.

방사선학입니다

방사선학으로 영상 결과를 해석하는 기능은 임상의가 실수로 놓칠 수 있는 영상의 미세한 변화를 감지하는 데 도움이 될 수 있습니다.Stanford의 한 연구는 해당 [49]임상시험에 참여한 방사선 전문의보다 더 나은 평균 F1 메트릭(정확성과 리콜에 기초한 통계 메트릭)으로 해당 특정 부위에서 폐렴을 검출할 수 있는 알고리즘을 개발했습니다.북미방사선학회 방사선학회의는 연차총회에서 영상분야 AI에 대한 프레젠테이션을 실시하였습니다.방사선학에서 AI 기술의 등장은 [50][51]일부 전문가에 의해 위협으로 인식되고 있습니다. 이 기술은 전문가와는 달리 격리된 상황에서 특정 통계 측정 기준을 개선할 수 있기 때문입니다.

이미징입니다.

최근의 발전은 안면 최대 수술의 결과를 설명하고 평가하기 위해 AI를 사용하는 것을 제안하고 있습니다. 얼굴의 매력이나 나이 [52][53]외모에 관한 구개열 치료의 평가입니다.

2018년, Annals of Oncology 저널에 게재된 논문은 피부과 의사보다 인공 지능 시스템(심층 학습 컨볼루션 신경망을 사용)에 의해 피부암이 더 정확하게 발견될 수 있다고 언급했습니다.평균적으로 인간 피부과 의사들은 이미지에서 피부암의 86.6%[54]를 정확하게 발견했는데, 이에 비해 CNN 기계는 95%였습니다.

질병 진단입니다.

세상에는 많은 질병들이 있지만, AI가 그것들을 효율적이고 정확하게 진단하기 위해 사용되어 온 많은 방법들이 있습니다.가장 악명 높은 질병 중 일부는 당뇨병과 심혈관 질환으로 전 세계적으로 사망 원인 순위 10위 안에 들며 정확한 진단을 받기 위해 많은 연구/테스트의 기초가 되어 왔습니다.이러한 질병과 관련된 높은 사망률 때문에, 정확한 진단을 위해 다양한 방법을 통합하려는 노력이 있었습니다.

Jiang, et[55] al. (2017)의 기사는 다양한 질병에 사용되는 다양한 유형의 AI 기법이 있다는 것을 보여주었습니다.Jiang 등이 논의한 이러한 기술 중 일부는 다음과 같습니다.벡터 머신, 뉴럴 네트워크, 의사 결정 트리 등을 지원합니다.이러한 각 기법은 "교육 목표"를 갖는 것으로 설명되므로 "분류는 가능한 한 결과에 부합합니다."

질병 진단/분류를 위한 몇 가지 세부사항을 설명하기 위해, 이러한 질병의 분류에 "인공 신경 네트워크(ANN)"와 "베이지안 네트워크(BN)"를 사용하는 두 가지 다른 기술이 사용됩니다.2008-2017년 기간 동안 여러 개의 서로 다른 논문을 검토한 결과, 두 가지 기법 중 어떤 것이 더 나은지 관찰되었습니다.결론은 "인공 신경 네트워크와 베이지안 네트워크와 같은 기계 학습 모델을 개발함으로써 이러한 질병의 조기 분류를 달성할 수 있다"는 것이었습니다.또 다른 결론에서, Alic, et[56] al. (2017년)은 둘 사이의 결과를 도출할 수 있었습니다. ANN과 BN은 ANN이 더 낫고 "두 경우(당뇨병의 경우 87.29, CVD의 경우 89.38)"에서 평균 정확도로 당뇨병/CVD를 더 정확하게 분류할 수 있었습니다.

원격 건강입니다.

원격 의료의 증가는 가능한 AI [57]애플리케이션의 증가를 보여줍니다.AI를 사용하여 환자를 모니터링하는 기능을 통해 가능한 질병 활동이 발생한 [58]경우 의사에게 정보를 전달할 수 있습니다.웨어러블 장치는 환자의 지속적인 모니터링을 가능하게 할 수 있으며, 또한 사람이 덜 구별할 수 있는 변화를 알아차릴 수도 있습니다.

전자 건강 기록입니다.

전자 의료 기록은 의료 산업의 디지털화와 정보 확산에 매우 중요합니다.그러나 이러한 모든 데이터를 기록하려면 사용자의 인식 과부하 및 소모와 같은 자체 문제가 발생합니다.EHR 개발자들은 현재 프로세스의 상당 부분을 자동화하고 있으며 이 프로세스를 개선하기 위해 NLP(자연 언어 처리) 도구를 사용하기 시작했습니다.Centerstone 연구소에서 수행한 한 연구에 따르면 EHR 데이터의 예측 모델링이 [59]기준선에서 개별화된 치료 반응을 예측하는 데 70-72%의 정확도를 달성했습니다.즉, EHR 데이터를 스캔하는 AI 도구를 사용하면 사람의 질병 원인을 정확하게 예측할 수 있습니다.

약물 상호 작용입니다.

자연 언어 처리의 향상은 의학 [60][61][62][63]문헌에서 약물 간 상호작용을 식별하는 알고리즘의 개발로 이어졌습니다.약물 간 상호작용은 여러 가지 약을 동시에 복용하는 사람들에게 위협이 되며,[64] 복용하는 약물의 수에 따라 위험이 증가합니다.알려지거나 의심되는 모든 약물-약물 상호 작용을 추적하는 어려움을 해결하기 위해, 기계 학습 알고리즘은 의학 문헌에서 약물 상호 작용 및 가능한 효과에 대한 정보를 추출하기 위해 만들어졌습니다.2013년 카를로스 III 대학 연구팀이 [65]그러한 알고리즘에 대한 표준화된 테스트를 구성하기 위해 약물-약물 상호 작용에 대한 문헌 말뭉치를 조립한 DDEXTraction Challenge에서 노력이 통합되었습니다.경쟁자들은 텍스트에서 어떤 약물이 상호작용하는 것으로 나타났는지 그리고 그들의 상호작용의 특성이 [66]무엇인지 정확하게 결정하는 능력에 대해 테스트 받았습니다.연구자들은 알고리즘의 [60][61][63]효과 측정을 표준화하기 위해 이 말뭉치를 계속 사용하고 있습니다.

다른 알고리즘은 사용자 생성 콘텐츠의 패턴, 특히 전자 건강 기록 및/또는 부작용 [61][62]보고에서 약물 간 상호작용을 식별합니다.FDA 부작용 보고 시스템(FAERS)과 세계보건기구(WHO)의 VigiBase와 같은 조직은 의사가 의약품에 대해 가능한 음성 반응 보고서를 제출할 수 있도록 합니다.딥 러닝 알고리즘은 이러한 보고서를 해석하고 약물 [67]간 상호작용을 암시하는 패턴을 감지하기 위해 개발되었습니다.

참고 항목입니다.

참고 자료입니다.

  1. ^ 공식 보도 자료는 2012년 4월 25일 웨이백 머신에 보관되었습니다.
  2. ^ "Veritas completes purchase of Thomson health unit". Reuters. 6 June 2012. Retrieved 2012-07-08.
  3. ^ "IBM Watson Health Announces Plans to Acquire Truven Health Analytics for $2.6B, Extending Its Leadership in Value-Based Care Solutions". IBM. 18 February 2016. Retrieved 2016-02-19.
  4. ^ "IBM to acquire Truven Health Analytics for $2.6 billion". Reuters. 18 February 2016. Retrieved 24 August 2016.
  5. ^ Truven Health Analytics를 발표합니다.2012년 6월 6일입니다.http://truvenhealth.com/blog/announcing-truven-health-analytics
  6. ^ Davis, Michelle F.; Deveau, Scott; Davalos, Jackie (2022-01-23). "IBM Sells Some Watson Health Assets for More Than $1 Billion". Bloomberg News. Retrieved 2022-01-23.
  7. ^ "Francisco Partners - News - Francisco Partners Completes Acquisition of IBM's Healthcare Data and Analytics Assets; Launches Healthcare Data Company Merative". www.franciscopartners.com. Retrieved 2022-07-28.
  8. ^ a b c "Putting Watson to Work: Watson in Healthcare". IBM. Retrieved November 11, 2013.
  9. ^ "IBM Watson Helps Fight Cancer with Evidence-Based Diagnosis and Treatment Suggestions" (PDF). IBM. Retrieved November 12, 2013.
  10. ^ Saxena, Manoj (February 13, 2013). "IBM Watson Progress and 2013 Roadmap (Slide 7)". IBM. Retrieved November 12, 2013.
  11. ^ Wakeman, Nick (February 17, 2011). "IBM's Watson heads to medical school". Washington Technology. Retrieved February 19, 2011.
  12. ^ Mathews, Anna Wilde (September 12, 2011). "Wellpoint's New Hire: What is Watson?". The Wall Street Journal.
  13. ^ Upbin, Bruce (February 8, 2013). "IBM's Watson Gets Its First Piece Of Business In Healthcare". Forbes.
  14. ^ Miliard, Mike (October 30, 2012). "Watson Heads to Medical School: Cleveland Clinic, IBM Send Supercomputer to College". Healthcare IT News. Retrieved November 11, 2013.
  15. ^ "MD Anderson Taps IBM Watson to Power "Moon Shots" Mission Aimed at Ending Cancer, Starting with Leukemia" (Press release). IBM.
  16. ^ "IBM's Watson Now Tackles Clinical Trials At MD Anderson Cancer Center". Forbes.
  17. ^ "MD Anderson Benches IBM Watson In Setback For Artificial Intelligence In Medicine". Forbes.
  18. ^ Leske, Nikola (February 9, 2013). "Doctors Seek Help on Cancer Treatment from IBM Supercomputer". Reuters. Retrieved November 11, 2013.
  19. ^ "MANIPAL HOSPITALS ANNOUNCES NATIONAL LAUNCH OF IBM WATSON FOR ONCOLOGY". www-03.ibm.com. 2016-07-29. Retrieved 2017-01-17.
  20. ^ ANI (2016-10-28). "Manipal Hospitals to adopt IBM's 'Watson for Oncology' supercomputer for cancer treatment". Business Standard India. Retrieved 2017-01-17.
  21. ^ "Hospitals in Asia use Watson supercomputer for cancer treatment". STAT. 2016-08-19. Retrieved 2017-01-17.
  22. ^ McCurry, Justin (2017-01-05). "Japanese company replaces office workers with artificial intelligence". The Guardian. ISSN 0261-3077. Retrieved 2017-01-29.
  23. ^ Satell, Greg. "How IBM's Watson Will Change The Way We Work". Forbes. Retrieved 2017-08-08.
  24. ^ Garbuio, Massimo; Lin, Nidthida (2019). "Artificial Intelligence as a Growth Engine for Health Care Startups: Emerging Business Models". California Management Review. 61 (2): 59–83. doi:10.1177/0008125618811931. S2CID 158219917.
  25. ^ Strickland, Eliza (2019-04-02). "How IBM Watson Overpromised and Underdelivered on AI Health Care". IEEE Spectrum: Technology, Engineering, and Science News. Retrieved 2019-04-04.
  26. ^ Meil, Doug (2021-04-21). "What Happened To Watson Health?". Association for Computing Machinery:BLOG@CACM. Retrieved 2019-04-21.
  27. ^ Condon, Stephanie (January 21, 2022). "IBM sells Watson Health assets to investment firm Francisco Partners". ZDNet. Retrieved January 21, 2022.
  28. ^ La Monica PR. "What merger mania means for health care". CNNMoney. Retrieved 2018-04-11.
  29. ^ "Why You're the Reason For Those Health Care Mergers". Fortune. Retrieved 2018-04-10.
  30. ^ Horvitz EJ, Breese JS, Henrion M (July 1988). "Decision theory in expert systems and artificial intelligence". International Journal of Approximate Reasoning. 2 (3): 247–302. doi:10.1016/0888-613x(88)90120-x. ISSN 0888-613X.
  31. ^ Arnold D, Wilson T (June 2017). "What Doctor? Why AI and robotics will define New Health" (PDF). PwC. Retrieved 8 October 2018.
  32. ^ Cohn J (20 February 2013). "The Robot Will See You Now". The Atlantic. Retrieved 2018-10-26.
  33. ^ Lorenzetti, Laura (5 April 2016). "From Cancer to Consumer Tech: A Look Inside IBM's Watson Health Strategy". Fortune. Retrieved 2018-10-26.
  34. ^ "IBM and Rensselaer Team to Research Chronic Diseases with Cognitive Computing".
  35. ^ Bass D (20 September 2016). "Microsoft Develops AI to Help Cancer Doctors Find the Right Treatments". Bloomberg. Retrieved 2018-10-26.
  36. ^ Knapton, Sarah (20 September 2016). "Microsoft will 'solve' cancer within 10 years by 'reprogramming' diseased cells". The Telegraph. Retrieved 2018-10-16.
  37. ^ Bloch-Budzier, Sarah (22 November 2016). "NHS teams with Google to treat patients". BBC News. Retrieved 2018-10-16.
  38. ^ Baraniuk, Chris (31 August 2016). "Google gets access to cancer scans". BBC News. Retrieved 2018-10-16.
  39. ^ Primack, Dan (26 May 2016). "Intel Capital Cancels $1 Billion Portfolio Sale". Fortune. Retrieved 2018-10-26.
  40. ^ "Algorithms Need Managers, Too". Harvard Business Review. 2016-01-01. Retrieved 2018-10-08.
  41. ^ Coiera E (1997). Guide to medical informatics, the Internet and telemedicine. Chapman & Hall, Ltd.
  42. ^ Power B (19 March 2015). "Artificial Intelligence Is Almost Ready for Business". Harvard Business Review. Massachusetts General Hospital.
  43. ^ Bahl M, Barzilay R, Yedidia AB, Locascio NJ, Yu L, Lehman CD (March 2018). "High-Risk Breast Lesions: A Machine Learning Model to Predict Pathologic Upgrade and Reduce Unnecessary Surgical Excision". Radiology. 286 (3): 810–818. doi:10.1148/radiol.2017170549. PMID 29039725.
  44. ^ a b Bloch-Budzier S (22 November 2016). "NHS using Google technology to treat patients". BBC News.
  45. ^ 로렌제티, L. (2016년 4월 5일) 입니다.IBM Watson Health가 의료 산업을 혁신하는 방법을 소개합니다.http://fortune.com/ibm-watson-health-business-strategy/에서 검색되었습니다.
  46. ^ "CB Insights Artificial Intelligence report" (PDF). 28 June 2016.
  47. ^ HealthITAnalytics (2018-08-08). "Providers Embrace Predictive Analytics for Clinical, Financial Benefits". HealthITAnalytics. Retrieved 2019-01-16.
  48. ^ "Predictive analytics in healthcare helps improve OR utilization". SearchHealthIT. Retrieved 2019-01-16.
  49. ^ Rajpurkar P, Irvin J, Zhu K, Yang B, Mehta H, Duan T, Ding D, Bagul A, Langlotz C, Shpanskaya K, Lungren MP (2017-11-14). "CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning". arXiv:1711.05225 [cs.CV].
  50. ^ Chockley K, Emanuel E (December 2016). "The End of Radiology? Three Threats to the Future Practice of Radiology". Journal of the American College of Radiology. 13 (12 Pt A): 1415–1420. doi:10.1016/j.jacr.2016.07.010. PMID 27652572.
  51. ^ Jha S, Topol EJ (December 2016). "Adapting to Artificial Intelligence: Radiologists and Pathologists as Information Specialists". JAMA. 316 (22): 2353–2354. doi:10.1001/jama.2016.17438. PMID 27898975.
  52. ^ Patcas R, Bernini DA, Volokitin A, Agustsson E, Rothe R, Timofte R (January 2019). "Applying artificial intelligence to assess the impact of orthognathic treatment on facial attractiveness and estimated age". International Journal of Oral and Maxillofacial Surgery. 48 (1): 77–83. doi:10.1016/j.ijom.2018.07.010. PMID 30087062.
  53. ^ Patcas R, Timofte R, Volokitin A, Agustsson E, Eliades T, Eichenberger M, Bornstein MM (August 2019). "Facial attractiveness of cleft patients: a direct comparison between artificial-intelligence-based scoring and conventional rater groups". European Journal of Orthodontics. 41 (4): 428–433. doi:10.1093/ejo/cjz007. PMID 30788496. S2CID 73507799.
  54. ^ "Computer learns to detect skin cancer more accurately than doctors". The Guardian. 29 May 2018.
  55. ^ a b Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. (December 2017). "Artificial intelligence in healthcare: past, present and future". Stroke and Vascular Neurology. 2 (4): 230–243. doi:10.1136/svn-2017-000101. PMC 5829945. PMID 29507784.
  56. ^ a b c Alić B, Gurbeta L, Badnjević A (June 2017). "Machine learning techniques for classification of diabetes and cardiovascular diseases". 2017 6th Mediterranean Conference on Embedded Computing (MECO). IEEE: 1–4. doi:10.1109/meco.2017.7977152. ISBN 978-1-5090-6742-8. S2CID 22942669.
  57. ^ Pacis D (February 2018). "Trends in telemedicine utilizing artificial intelligence". AIP Conference Proceedings. 1933 (1): 040009. Bibcode:2018AIPC.1933d0009P. doi:10.1063/1.5023979.
  58. ^ "Artificial Intelligence Types of AI 7 Practical Usage of Artificial Intelligence". Talky Blog. 2019-07-12. Archived from the original on July 17, 2019. Retrieved 2019-07-27.
  59. ^ Bennett, Casey C.; Doub, Thomas W.; Selove, Rebecca (2012). "EHRs connect research and practice: Where predictive modeling, artificial intelligence, and clinical decision support intersect". Health Policy and Technology. 1 (2): 105–114. arXiv:1204.4927. doi:10.1016/j.hlpt.2012.03.001. S2CID 25022446.
  60. ^ a b B. 복하래이안과 A입니다.디아즈, "언어 기반 부정 및 절 의존성 검출을 통한 문헌에서의 약물-약물 상호작용 추출", 인공지능 및 데이터 마이닝 저널, vol.4, no. 2, 페이지 203-212, 2016.
  61. ^ a b c R. Cai 등, "자발적 부작용 보고서에서 인과관계 규칙 발견을 통한 약물-약물 상호작용의 식별", 인공지능 인 메디신, vol. 76, 페이지 7-15, 2017.
  62. ^ a b F. Christopouou, T. T. Tran, S. K. Sahu, M. Miwa, S.입니다.Ananiadou, "앙상블 딥 러닝 방법으로 전자 건강 기록에서 약물 부작용 및 약물 관계 추출." Jam Med Inform Assoc, 2019년 8월.
  63. ^ a b D. Zhou, L. Miao, Y입니다.그는 "약물-약물 상호작용 추출을 위한 자세 인식 심층 다중 작업 학습", 인공지능 인 메디신, vol. 87, 페이지 1-8, 2018.
  64. ^ Garcia Morillo, J.S. Optimizacion del tratamiiento de enfermos pluripatolos en atcion primaria UCAMI HHU Virgen del Rocio입니다.세비야입니다.스페인. SEMI 회원이 이용할 수 있습니다. ponencias de la II Reonion de Paciente Pluripatologico y Edad Avanzada Archived 2013-04-14. 오늘 Archive.
  65. ^ M. 헤로-자조, I. 세구라-베드마르, P. 마르티네즈, T입니다.Declerck, "DDI 말뭉치는 다음과 같습니다.약리학적 물질과 약물-약물 상호작용이 포함된 주석 말뭉치," Journal of Biomedical Informatics, vol. 46, no. 5, 페이지 914–920, 2013년 10월입니다.
  66. ^ I. Segura-Bedmar, P. Martinez, M입니다.Herrero-Zazo, "SemEval-2013 Task 9: 생물의학 텍스트에서 약물-약물 상호작용 추출(DDIExtraction 2013)", 어휘 및 계산 의미론에 관한 제2차 공동 회의, vol. 2, 페이지 341–350, 2013년 6월.
  67. ^ B. Xu 등, "전체 주의 메커니즘을 기반으로 한 약물 상호작용 추출을 위한 사용자 생성 콘텐츠 포함", IEEE 트랜스 나노바이오사이언스, vol. 18, no. 3, 페이지 360–367, 2019년 7월.

자세히 읽어보십시오.

IBM, 전기, 회고록, 기술 등에 대한 추가 책은 IBM의 역사 » 추가 내용을 참조하십시오.

외부 링크입니다.

  • IBM Corporation의 비즈니스 데이터는 다음과 같습니다.