掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
中醫入門必背歌訣
-
>
醫驗集要
-
>
尋回中醫失落的元神2:象之篇
-
>
補遺雷公炮制便覽 (一函2冊)
-
>
人體解剖學常用詞圖解(精裝)
-
>
神醫華佗(奇方妙治)
-
>
(精)河南古代醫家經驗輯
健康醫療人工智能指數報告2021 版權信息
- ISBN：9787030725080
- 條形碼：9787030725080 ; 978-7-03-072508-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
健康醫療人工智能指數報告2021 本書特色
適讀人群 ：健康醫療人工智能相關的臨床醫護人員、疾病防控人員、健康產業人員、前沿科學技術研究人員、健康大數據相關工作人員及國家衛生管理部門本報告堅持需求導向，體現了循證思維。
健康醫療人工智能指數報告2021 內容簡介
健康醫療人工智能（HealthAI）是優選醫療領域研究的新熱點。本書是繼2020年搶先發售正式發布之后的第2個年度報告，由北京大學健康醫療大數據國家研究院的專家根據健康醫療人工智能領域已發表的科學出版物和已注冊的臨床試驗為基礎數據撰寫。內容涵蓋科學研究概覽、科學技術交叉、科學社會交互、人類-機器協同4個方面，從而得到研究結論。該報告與首版相比拓展了健康醫療人工智能科學出版物和注冊臨床試驗的數據集，更全面系統地回顧分析了健康醫療人工智能領域2009～2020年優選科學研究和臨床試驗的規模、結構和發展趨勢，并結合中國的情況進行比較研究，對該領域的現狀進行了全面地闡釋和解讀。在我國健康醫療人工智能領域的研發布局、戰略規劃、人才培養及學科交叉方面具有重要的參考價值。
健康醫療人工智能指數報告2021 目錄
目錄
第1章 界定與分類 1
一、數據集界定 1
二、研究領域分類 2
第2章 科學研究概覽 8
一、數據與指標 8
（一） 數據來源 8
（二）分析指標 9
二、分析結果 10
（一）科學出版物分析結果通覽 10
（二）健康醫療問題領域分析結果 16
（三） 聚焦技術細分領域分析結果 26
（四）基金資助金額變化趨勢分析結果 29
（五）健康醫療問題-聚焦技術細分領域的研究 29
第3章 科學技術交叉研究 31
一、數據與指標 31
（一）數據來源 31
（二）分析指標 31
二、分析結果 31
（一）專利數量 31
（二）專利研究領域 32
第4章 科學社會交互研究 34
一、數據與指標 34
（一）數據來源 34
（二）分析指標 35
二、分析結果 35
（一）醫企合作出版物 35
（二）醫企合作的主要機構 39
（三）醫企合作科研機構網絡分布 41
（四）健康醫療問題領域的醫企合作情況 42
（五）聚焦技術細分領域的醫企合作情況 47
第5章 人類-機器協同（AI臨床試驗）研究 49
一、數據與指標 51
（一）數據來源 51
（二）分析指標和方法 54
二、分析結果 59
（一）臨床試驗數量 59
（二）AI 臨床試驗的科學影響力 62
（三）研究機構分布 64
（四）合作網絡分布 66
（五）臨床試驗分期 68
（六）干預措施類型 69
（七）疾病譜（目標人群） 70
（八）完成狀態分布 74
（九）NICE框架證據評價 75
（十）完成結果的評估 79
第6章 本研究的主要結論 87
一、科學研究方面 87
（一）健康醫療人工智能科學出版物通覽 87
（二）健康醫療人工智能科學出版物的健康醫療研究問題與
聚焦技術細分領域 88
（三）健康醫療人工智能的專利數量趨勢 89
（四）健康醫療人工智能科研機構的合作力度 89
二、臨床試驗方面 90
（一）健康醫療人工智能臨床試驗通覽 90
（二）健康醫療人工智能臨床試驗的疾病譜 91
（三）健康醫療人工智能全球臨床試驗分期及研究機構 92
（四）健康醫療人工智能在臨床試驗的循證范式應用 93
主要參考文獻 96
展開全部
健康醫療人工智能指數報告2021 節選
第1章 界定與分類 目前，學界對于健康醫療人工智能（Health AI）的界定尚未建立標準和共識。通過對科學出版物的分析可幫助我們系統、清晰地了解該領域及其子領域所涵蓋的內容和知識結構，本報告首先討論該領域科學出版物數據集的界定方案。 一、數據集界定 用于界定的數據集由兩部分來源的數據組成。 1.**部分來自北京大學健康醫療大數據國家研究院。采用醫學領域權威的知識組織體系——醫學主題詞表（Medical Subject Headings，MeSH）切入，通過 PubMed數據庫對健康醫療人工智能科學出版物進行檢索。 為減少數據噪聲，本報告采用主要主題詞（MeSH Major Topic），即該文章*核心的研究內容檢索出版物。一般情況下，每篇 PubMed論文會標注10條左右的 MeSH主題詞，我們從中再遴選出3～5個*能代表這篇論文核心內容的主題詞，標注為主要主題詞。如果一篇論文被標注的主要主題詞中同時含有醫療保健和人工智能兩個方面，則被視為健康醫療人工智能（Health AI）科學出版物。其中“醫療保健”采用“ Diseases”或“ Health Care”或“ Mental Disorders”及其所有下位術語來表示；“人工智能”則采用“ Arti.cial Intelligence”或“ Big Data”或“Medical Records Systems, Computerized”及其所有下位術語來表示。 2.第二部分來自 Digital Science。Digital Science旗下所屬的 Dimensions平臺是世界上*大的科學研究關聯信息平臺之一。本報告采用研究領域（Field of Research，FOR）方式切入，通過Dimensions 平臺檢索健康醫療人工智能相關領域的科學出版物。 在Dimensions 平臺中，每篇科學出版物均被標注了對應的研究領域。如果一篇論文被標注的研究領域中同時含有醫療保健和人工智能兩個方面，則被視為健康醫療人工智能科學出版物。其中，“醫療保健”采用“Medical and HealthSciences”及其下位研究領域來表示；“人工智能”采用“Artificial Intelligenceand Image Processing”及其下位研究領域來表示。 我們對兩個來源提供的數據集進行融合，結果見圖1-1，融合之后的數據集作為本報告界定的健康醫療人工智能科學出版物語料庫，進而展開分析。本次報告主要關注2009～ 2020年健康醫療人工智能的發展趨勢，經過年份篩選，我們*終獲取了63216篇科學出版物。 圖1-1 健康醫療人工智能科學出版物數據集語料庫的界定方法 二、研究領域分類 由于本報告的數據集內容以科學出版物為主，且首先聚焦健康醫療領域，因此我們考慮仍先采用醫學主題詞表這一術語體系對健康醫療人工智能研究領域進行分類。在總數據集中，其中46362篇被PubMed 收錄，含自動標注的MeSH 術語；剩余16854篇科學出版物并未被PubMed 收錄，未標注MeSH主題詞；對于這部分科學出版物，采用文本挖掘工具—— Medical Text Indexer（MTI）再將標題和摘要文本進行自動映射并標注 MeSH主題詞，我們給每一段文本自動分配一個獨立識別編號，用于后續返回結果的處理及與科學出版物對應。得到 MTI結果后，通過 Python程序提取 MeSH主題詞及對應科學出版物。 本報告重點關注以下兩個研究領域的分類情況。 1.健康醫療問題分類健康醫療人工智能涉及健康醫療問題領域的分類是本報告重點關注的方面之一。 這里我們仍采用醫學主題詞表這一術語體系對健康醫療人工智能涉及的疾病進行分類。考慮到大部分科學出版物標注的醫學主題詞都是比較精細的下位詞，而醫學主題詞呈樹狀層級結構，因此我們采用2位數的 MeSH詞進行分類，即將比較精細的下位詞向上映射，以確保分類的精度。前面我們在數據集界定中提到，采用“ Diseases”或“ Mental Disorders”或“ Health Care”及其所有下位術語來表示“醫療保健”，故我們在本研究中采用上面所說的 Diseases、 Health Care及 Mental Disorders的一級下位術語進行分類，詳見表1-1。 表1-1 健康醫療領域分類 MeSH對應表 2.技術細分領域分類此外，健康醫療人工智能涉及的技術細分領域分類也是本報告重點關注的方面。鑒于本報告的數據集重點關注聚焦于健康醫療人工智能領域的科學出版物，故在這一領域中我們亦考慮采用醫學主題詞表這一術語體系對該領域進行分類。在 MeSH樹狀結構表中，人工智能（Arti.cial Intelligence）位于信息科學（Information Science）大類下，具體的層級結構為： ·Information Science [L]信息科學 ·Information Science [L01]信息科學 ·Computing Methodologies [L01.224]計算機方法學 ·Algorithms [L01.224.050]算法 Arti.cial Intelligence [L01.224.050.375]人工智能 “Arti.cial Intelligence”這一術語的 MeSH編碼為 L01.224.050.375，擁有8個一級下位術語，包括計算機啟發式、專家系統、模糊邏輯、知識庫、機器學習、自然語言處理、神經網絡和機器人。這些 Arti.cial Intelligence與其8個一級下位術語具體的層級結構為： Arti.cial Intelligence [L01.224.050.375]人工智能 ·Computer Heuristics [L01.224.050.375.095]計算機啟發式 ·Expert Systems [L01.224.050.375.190]專家系統 ·Fuzzy Logic [L01.224.050.375.250]模糊邏輯 ·Knowledge Bases [L01.224.050.375.480]知識庫 ·Biological Ontologies [L01.224.050.375.480.500]生物學本體 ·Gene Ontology [L01.224.050.375.480.500.500]基因本體 ·Machine Learning [L01.224.050.375.530]機器學習 ·Deep Learning [L01.224.050.375.530.250]深度學習 Supervised Machine Learning [L01.224.050.375.530.500]有監督機器學習 ·Support Vector Machine [L01.224.050.375.530.500.500]支持向量機 Unsupervised Machine Learning [L01.224.050.375.530.750]無監督機器學習 Natural Language Processing [L01.224.050.375.580]自然語言處理 ·Neural Networks, Computer [L01.224.050.375.605]神經網絡，計算機 ·Deep Learning [L01.224.050.375.605.500]深度學習 ·Robotics [L01.224.050.375.630]機器人 考慮到上述8個一級下位術語間存在交叉，在咨詢醫學信息學和醫療人工智能領域專家意見后，經反復研判，按照如下規則對其進行重組分類： （1）將 Computer Heuristics、Fuzzy Logic、Expert Systems合并，統一稱為決策規則類，這是因為它們都提供了具有解釋性的預測模型。 （2）將 Neural Networks Computer與 Machine Learning合并，統一稱為機器學習（含深度學習）類。 處理后，共計5個大類。值得注意的是，這5大類技術并非完全相互獨立，而是存在一定交叉的。例如機器學習大類的下位術語深度學習、神經網絡，也往往被用于自然語言處理；但本分類基本可以反映健康醫療人工智能的技術分類概況。具體聚焦技術的 MeSH分類見表1-2。 表1-2 聚焦技術細分領域分類
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
上帝之肋:男人的真實旅程
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國歷史的瞬間
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
龍榆生：詞曲概論/大家小書
- >
史學評論
- >
姑媽的寶刀
本類暢銷
