AI가 의료 산업에 영향을 미치는 12가지 방법

인공 지능은 의료 분야에서 변화의 동력이 될 것으로 예상됩니다. 그렇다면 의사와 환자는 AI 기반 도구의 영향으로 어떤 이점을 얻을 수 있을까요?
오늘날의 의료 산업은 매우 성숙했으며 몇 가지 중요한 변화를 일으킬 수 있습니다. 만성 질환 및 암에서 방사선과 및 위험 평가에 이르기까지 의료 산업은 환자 치료에 보다 정확하고 효율적이며 효과적인 개입을 배치하기 위해 기술을 사용할 수 있는 수많은 기회를 갖고 있는 것 같습니다.
기술의 발전으로 환자는 의사에 대한 요구 사항이 점점 더 높아지고 있으며 사용 가능한 데이터의 수도 놀라운 속도로 계속 증가하고 있습니다. 인공 지능은 의료의 지속적인 개선을 촉진하는 엔진이 될 것입니다.
인공 지능은 기존의 분석 및 임상 의사 결정 기술에 비해 많은 장점이 있습니다. 학습 알고리즘이 훈련 데이터와 상호 작용하면 더 정확해져서 의사가 진단, 간호 과정, 치료 가변성 및 환자 결과에 대한 전례 없는 통찰력을 얻을 수 있습니다.
파트너스헬스케어가 주최한 2018 세계 인공지능 의료혁신포럼(wmif)에서 의료 연구자와 임상 전문가들이 차세대 인공지능 도입에 가장 큰 영향을 미칠 가능성이 가장 큰 의료산업 기술과 분야에 대해 논의했다. 열개의.
2018년 wmif 공동 의장인 Anne kiblanksi, MD와 Partners Healthcare의 최고 학술 책임자인 Gregg Meyer는 모든 산업 분야에 가져온 이러한 "전복"이 환자에게 상당한 이점을 가져올 잠재력이 있으며 광범위한 비즈니스 성공 가능성.
HMS(Harvard Medical School) 교수이자 파트너의 최고 데이터 과학 책임자인 Dr. Keith Dreyer와 MGH(Massachusetts General Hospital)의 연구 전략 및 운영 책임자인 Dr. Katherine andreole을 비롯한 파트너 의료 전문가의 도움으로 , AI가 의료 서비스와 과학을 혁신할 12가지 방법을 제안했습니다.
1. 두뇌 컴퓨터 인터페이스를 통한 사고와 기계의 통합

컴퓨터를 사용하여 의사 소통하는 것은 새로운 아이디어는 아니지만 키보드, 마우스 및 디스플레이 없이 기술과 인간 사고 사이의 직접적인 인터페이스를 만드는 것은 일부 환자에게 중요한 응용 프로그램이 있는 개척 연구 분야입니다.
신경계 질환 및 외상으로 인해 일부 환자는 의미 있는 대화, 이동 및 다른 사람 및 주변 환경과의 상호 작용 능력을 상실할 수 있습니다. 인공 지능이 지원하는 뇌 컴퓨터 인터페이스(BCI)는 이러한 기능을 영원히 잃어버릴까 걱정하는 환자에게 이러한 기본 경험을 복원할 수 있습니다.
리 호크버그(Leigh Hochberg) 신경기술 및 신경재활센터 소장은 “신경과 중환자실에서 갑자기 행동하거나 말하는 능력을 잃는 환자를 본다면 다음 날 의사소통 능력을 회복할 수 있기를 희망한다”고 말했다. 매사추세츠 종합병원(MGH). BCI(Brain Computer Interface)와 인공지능을 이용하여 손의 움직임과 관련된 신경을 활성화할 수 있으며, 이러한 유비쿼터스 통신 기술을 사용하는 등 전체 활동 중에 환자가 다른 사람과 최소 5번 이상 의사소통을 할 수 있어야 합니다. 태블릿 컴퓨터나 휴대전화처럼. "
뇌 컴퓨터 인터페이스는 근위축성 측삭 경화증(ALS), 뇌졸중 또는 폐쇄 증후군 환자와 매년 전 세계적으로 500000명의 척수 손상 환자의 삶의 질을 크게 향상시킬 수 있습니다.
2. 차세대 방사선 도구 개발

자기공명영상(MRI), CT 스캐너 및 X-레이로 얻은 방사선 이미지는 인체 내부에 대한 비침습적 가시성을 제공합니다. 그러나 많은 진단 절차는 여전히 감염의 위험이 있는 생검으로 얻은 물리적 조직 샘플에 의존합니다.
전문가들은 어떤 경우에는 인공 지능이 차세대 방사선학 도구를 정확하고 상세하게 만들어 생체 조직 샘플에 대한 수요를 대체할 수 있을 것으로 예측합니다.
브리검 여성 병원(BWh)의 영상 유도 신경외과 책임자인 알렉산드라 골비(Alexandra golby)는 "우리는 진단 영상 팀을 외과의 또는 중재적 방사선 전문의 및 병리학자와 함께 하고 싶지만 서로 다른 팀이 협력을 달성하는 것은 큰 도전입니다. 그리고 목표의 일관성. 방사선과가 조직 샘플에서 현재 사용할 수 있는 정보를 제공하려면 주어진 픽셀의 기본 사실을 알기 위해 매우 가까운 표준을 달성할 수 있어야 합니다."
이 과정의 성공은 임상의가 악성 종양의 속성 중 일부를 기반으로 치료 결정을 내리기보다 종양의 전반적인 성능을 더 정확하게 이해할 수 있게 해줍니다.
AI는 또한 암의 침습성을 더 잘 정의하고 치료 대상을 더 적절하게 결정할 수 있습니다. 또한 인공 지능은 이미지 기반 알고리즘을 사용하여 종양의 표현형 및 유전적 특성을 특성화하는 데 전념하는 방사선 분야에서 "가상 생검"을 실현하고 혁신을 촉진하는 데 도움이 됩니다.
3.취약계층이나 개발도상국의 의료서비스 확대

개발 도상국에서 초음파 기술자와 방사선 전문의를 포함하여 훈련된 의료 제공자가 부족하면 의료 서비스를 사용하여 환자의 생명을 구할 기회가 크게 줄어들 것입니다.
회의에서는 유명한 Longwood Avenue가 있는 보스턴의 6개 병원에서 일하는 방사선 전문의가 서아프리카의 모든 병원보다 많다고 지적했습니다.
인공 지능은 일반적으로 인간에게 할당된 진단 책임의 일부를 인수하여 임상의의 심각한 부족의 영향을 완화하는 데 도움이 될 수 있습니다.
예를 들어, AI 영상 도구는 흉부 X선을 사용하여 일반적으로 의사와 동일한 정확도로 결핵 증상을 검사할 수 있습니다. 이 기능은 자원이 부족한 지역의 제공자를 위한 애플리케이션을 통해 배포할 수 있으므로 경험이 풍부한 진단 방사선 전문의의 필요성이 줄어듭니다.
매사추세츠 종합병원(MGH)의 신경과학 조교수이자 방사선과 부교수인 Dr. jayashree kalpathy Cramer는 "이 기술은 의료를 개선할 수 있는 큰 잠재력을 가지고 있습니다.
그러나 AI 알고리즘 개발자는 다른 국적이나 지역의 사람들이 질병의 수행에 영향을 미칠 수 있는 고유한 생리적 및 환경적 요인을 가질 수 있다는 사실을 신중하게 고려해야 합니다.
"예를 들어, 인도의 질병에 걸린 인구는 미국의 인구와 매우 다를 수 있습니다."라고 그녀는 말했습니다. 이러한 알고리즘을 개발할 때 데이터가 질병 표현과 인구의 다양성을 나타내는지 확인하는 것이 매우 중요합니다. 우리는 단일 인구를 기반으로 알고리즘을 개발할 수 있을 뿐만 아니라 다른 인구에서도 역할을 할 수 있기를 바랍니다. "
4.전자건강기록의 이용부담 경감

전자 건강 기록(그녀)은 의료 산업의 디지털 여정에서 중요한 역할을 했지만 이러한 변화는 인지 과부하, 끝없는 문서 및 사용자 피로와 관련된 수많은 문제를 가져왔습니다.
전자 건강 기록(그녀) 개발자는 이제 인공 지능을 사용하여 보다 직관적인 인터페이스를 만들고 많은 사용자 시간이 소요되는 루틴을 자동화하고 있습니다.
Brigham Health의 부사장이자 CIO인 Adam Landman 박사는 사용자가 대부분의 시간을 임상 문서화, 주문 입력, 받은 편지함 정렬이라는 세 가지 작업에 소비한다고 말했습니다. 음성 인식 및 받아쓰기는 임상 문서 처리를 개선하는 데 도움이 될 수 있지만 자연어 처리(NLP) 도구로는 충분하지 않을 수 있습니다.
Landman은 "경찰이 카메라를 착용하는 것처럼 임상 치료를 위해 비디오 녹화를 사용하는 것과 같이 좀 더 과감하고 약간의 변화를 고려할 필요가 있다고 생각합니다."라고 말했습니다. 그런 다음 인공 지능과 기계 학습을 사용하여 향후 검색을 위해 이러한 비디오를 색인화할 수 있습니다. 집에서 인공 지능 비서를 사용하는 Siri 및 Alexa와 마찬가지로 가상 비서는 미래에 환자의 침대 옆으로 옮겨져 임상의가 임베디드 지능을 사용하여 의료 명령을 입력할 수 있도록 합니다. "

AI는 또한 약물 보충 및 결과 알림과 같은 받은 편지함의 일상적인 요청을 처리하는 데 도움이 될 수 있습니다. 또한 임상의의 관심이 정말로 필요한 작업의 우선 순위를 지정하는 데 도움이 될 수 있으므로 환자가 할 일 목록을 더 쉽게 처리할 수 있다고 Landman은 덧붙였습니다.
5.항생제 내성의 위험성

항생제 내성은 인간에 대한 위협이 커지고 있습니다. 이러한 주요 약물의 남용은 더 이상 치료에 반응하지 않는 슈퍼박테리아의 진화로 이어질 수 있기 때문입니다. 다제내성균은 병원 환경에 심각한 손상을 일으켜 매년 수만 명의 환자를 사망에 이르게 할 수 있습니다. 클로스트리디움 디피실리만 해도 미국 의료 시스템에 연간 약 50억 달러의 비용이 들고 30000명 이상의 사망을 초래합니다.
EHR 데이터는 환자가 증상을 보이기 시작하기 전에 감염 패턴을 식별하고 위험을 강조하는 데 도움이 됩니다. 기계 학습 및 인공 지능 도구를 사용하여 이러한 분석을 수행하면 정확도를 높이고 의료 제공자에게 더 빠르고 정확한 경고를 생성할 수 있습니다.
매사추세츠 종합병원(MGH)의 감염 통제 부국장인 에리카 셰노이(Erica Shenoy) 박사는 "인공 지능 도구는 감염 통제 및 항생제 내성에 대한 기대치를 충족시킬 수 있다"고 말했다. 그렇지 않으면 모두가 실패합니다. 병원은 EHR 데이터가 많기 때문에 이를 최대한 활용하지 않고, 임상시험 설계에서 더 똑똑하고 빠른 산업을 만들지 않고, 이러한 데이터를 생성하는 EHR을 사용하지 않는다면, 그들은 실패에 직면할 것입니다. "
6. 병리학적 이미지에 대한 보다 정확한 분석 생성

Brigham 여성 병원(BWh)의 병리과장이자 HMS의 병리학 교수인 Dr. Jeffrey Golden은 병리학자가 모든 범위의 의료 서비스 제공자에게 진단 데이터의 가장 중요한 소스 중 하나를 제공한다고 말했습니다.
"의료 결정의 70%는 병리학적 결과를 기반으로 하며 EHR의 모든 데이터 중 70~75%는 병리학적 결과에서 비롯됩니다."라고 그는 말했습니다. 그리고 결과가 정확할수록 정확한 진단이 더 빨리 이루어집니다. 이것이 디지털 병리학과 인공 지능이 달성할 수 있는 목표입니다. "
대형 디지털 이미지에 대한 심층적인 픽셀 수준 분석을 통해 의사는 인간의 눈으로 볼 수 없는 미묘한 차이를 인식할 수 있습니다.
골든 박사는 "이제 암이 빠르게 진행될지 천천히 진행될지, 임상 단계나 조직병리학적 등급이 아닌 알고리즘을 기반으로 환자 치료를 어떻게 바꿀지 더 잘 평가할 수 있는 시점에 이르렀다"고 말했다. 그것은 큰 진전이 될 것입니다. "
그는 "AI는 임상의가 데이터를 검토하기 전에 슬라이드에서 관심 있는 기능을 식별하여 생산성을 향상시킬 수도 있습니다. AI는 슬라이드를 필터링하고 올바른 콘텐츠를 보도록 안내하여 중요한 것과 그렇지 않은 것을 평가할 수 있도록 안내합니다. 병리학자 사용의 효율성을 높이고 각 사례에 대한 연구의 가치를 높입니다."
의료 기기 및 기계에 인텔리전스 제공

스마트 기기는 소비자 환경을 장악하고 있으며 냉장고 내부의 실시간 영상부터 운전자의 주의 산만함을 감지하는 자동차에 이르기까지 다양한 기기를 제공하고 있습니다.
의료 환경에서 지능형 장치는 ICU 및 기타 장소에서 환자를 모니터링하는 데 필수적입니다. 인공 지능을 사용하여 패혈증이 진행 중임을 나타내거나 합병증을 인식하는 등 상태 악화를 식별하는 능력을 향상시키면 결과가 크게 개선되고 치료 비용이 절감될 수 있습니다.
Mark Michalski는 "의료 시스템 전반에 걸쳐 서로 다른 데이터를 통합하는 것에 대해 이야기할 때 ICU 의사에게 가능한 한 빨리 개입하도록 통합하고 경고해야 하며 이러한 데이터의 집계는 인간 의사가 할 수 있는 좋은 일이 아님을 알려야 합니다."라고 말했습니다. , BWh의 임상 데이터 과학 센터 전무이사. 이러한 장치에 스마트 알고리즘을 삽입하면 의사의 인지 부담이 줄어들고 환자가 가능한 한 빨리 치료될 수 있습니다. "
8. 암 치료를 위한 면역 요법 촉진

면역 요법은 암을 치료하는 가장 유망한 방법 중 하나입니다. 악성 종양을 공격하기 위해 신체 자체의 면역 체계를 사용함으로써 환자는 완고한 종양을 극복할 수 있습니다. 그러나 현재의 면역 요법 요법에 반응하는 환자는 소수에 불과하며 종양 전문의는 어떤 환자가 요법의 이점을 얻을 것인지 결정할 수 있는 정확하고 신뢰할 수 있는 방법을 아직 가지고 있지 않습니다.
기계 학습 알고리즘과 고도로 복잡한 데이터 세트를 합성하는 능력은 개인의 고유한 유전자 구성을 설명하고 표적 치료를 위한 새로운 옵션을 제공할 수 있습니다.
매사추세츠 종합 병원(MGH) 종합 진단 센터의 컴퓨터 병리학 및 기술 개발 책임자인 Dr. long Le는 "최근 가장 흥미로운 개발은 특정 면역 세포에서 생성되는 단백질을 차단하는 체크포인트 억제제입니다."라고 설명합니다. 그러나 우리는 여전히 모든 문제를 이해하지 못하고 있습니다. 이는 매우 복잡한 문제입니다. 우리는 확실히 더 많은 환자 데이터가 필요합니다. 이러한 치료법은 비교적 새롭기 때문에 실제로 복용하는 환자는 많지 않습니다. 따라서 조직 내에서 데이터를 통합해야 하거나 여러 조직에서 데이터를 통합해야 하는 경우 모델링 프로세스를 주도하기 위해 환자 수를 늘리는 것이 핵심 요소가 될 것입니다. "
9. 전자 건강 기록을 신뢰할 수 있는 위험 예측 변수로 전환

전자 건강 기록(그녀)은 환자 데이터의 보물이지만 제공자와 개발자가 정확하고 시기적절하며 신뢰할 수 있는 방식으로 많은 양의 정보를 추출하고 분석하는 것은 끊임없는 도전입니다.
데이터 형식 혼동, 구조화 및 비구조화 입력, 불완전한 기록과 결합된 데이터 품질 및 무결성 문제는 사람들이 의미 있는 위험 계층화, 예측 분석 및 임상 의사 결정 지원을 수행하는 방법을 정확하게 이해하기 어렵게 만듭니다.
브리검 여성병원(BWh) 응급의학과 조교수이자 하버드 의과대학(HMS) 조교수인 지아드 오버마이어(Ziad OBERMEYER) 박사는 "데이터를 한 곳으로 통합하기 위해 해야 할 일이 몇 가지 힘든 일이지만, 또 다른 문제는 사람들이 전자 건강 기록에서 질병을 예측할 때 얻는 것(그녀) 인공 지능 알고리즘이 우울증이나 뇌졸중을 예측할 수 있다는 말을 들을 수 있지만 실제로는 뇌졸중 비용 증가를 예측하고 있다는 것을 알게 됩니다. 뇌졸중 그 자체."

이어 "MRI 결과에 의존하는 것이 좀 더 구체적인 데이터를 제공하는 것 같다. 하지만 지금은 누가 MRI를 살 수 있는지 생각해야 한다. 그래서 최종 예측은 예상한 결과가 아니다"라고 말했다.
NMR 분석은 특히 연구자들이 겉보기에 관련이 없어 보이는 데이터 세트 간의 새로운 연결을 식별하기 위해 딥 러닝 기술을 사용할 때 많은 성공적인 위험 점수 및 계층화 도구를 생성했습니다.
그러나 OBERMEYER는 이러한 알고리즘이 데이터에 숨겨진 편견을 식별하지 않도록 하는 것이 임상 치료를 진정으로 개선할 수 있는 도구를 배포하는 데 중요하다고 믿습니다.
그는 "가장 큰 도전은 블랙박스를 열고 예측하는 방법을 살펴보기 전에 우리가 예측한 것을 정확히 알고 있는지 확인하는 것"이라고 말했다.
10.웨어러블 디바이스 및 개인 디바이스를 통한 건강 상태 모니터링

이제 거의 모든 소비자가 센서를 사용하여 건강 가치에 대한 데이터를 수집할 수 있습니다. 걸음 수 추적 기능이 있는 스마트폰부터 하루 종일 심박수를 추적하는 웨어러블 기기에 이르기까지 점점 더 많은 건강 관련 데이터가 언제든지 생성될 수 있습니다.
이러한 데이터를 수집 및 분석하고 응용 프로그램 및 기타 가정 모니터링 장치를 통해 환자가 제공한 정보를 보완하면 개인 및 군중 건강에 대한 고유한 관점을 제공할 수 있습니다.
AI는 이 크고 다양한 데이터베이스에서 실행 가능한 통찰력을 추출하는 데 중요한 역할을 할 것입니다.
그러나 컴퓨터 신경과학 결과 센터의 CO 책임자인 Brigham 여성 병원(BWh)의 신경외과 의사인 Dr. Omar Arout은 환자가 이 친밀하고 지속적인 모니터링 데이터에 적응하도록 돕기 위해 추가 작업이 필요할 수 있다고 말했습니다.
"우리는 디지털 데이터를 처리하는 데 상당히 자유로웠습니다."라고 그는 말했습니다. 그러나 캠브리지 분석과 페이스북에서 데이터 유출이 발생함에 따라 사람들은 공유할 데이터를 누구에게 공유할지 점점 더 신중해질 것입니다. "
환자들은 페이스북과 같은 대기업보다 의사를 더 신뢰하는 경향이 있어 대규모 연구 프로그램에 데이터를 제공하는 불편함을 완화하는 데 도움이 될 수 있다고 그는 덧붙였다.
"사람들의 관심이 매우 우발적이고 수집된 데이터가 매우 거칠기 때문에 웨어러블 데이터는 상당한 영향을 미칠 것입니다."라고 Arout은 말했습니다. 세분화된 데이터를 지속적으로 수집함으로써 데이터는 의사가 환자를 더 잘 치료하는 데 도움이 될 가능성이 높습니다. "
11.스마트폰을 강력한 진단 도구로 만들기

전문가들은 스마트폰 및 기타 소비자 수준 리소스에서 얻은 이미지가 휴대용 장치의 강력한 기능을 계속 사용함으로써 특히 서비스가 부족한 지역이나 개발 도상국에서 임상 품질 이미징에 중요한 보완 요소가 될 것이라고 믿습니다.
모바일 카메라의 품질은 매년 향상되고 있으며 AI 알고리즘 분석에 사용할 수 있는 이미지를 생성할 수 있습니다. 피부과와 안과가 이러한 추세의 초기 수혜자입니다.
영국 연구원들은 심지어 어린이 얼굴 이미지를 분석하여 발달 질환을 식별하는 도구를 개발했습니다. 이 알고리즘은 어린이의 하악 라인, 눈과 코의 위치, 얼굴 이상을 나타낼 수 있는 기타 속성과 같은 개별 기능을 감지할 수 있습니다. 현재 이 도구는 일반적인 이미지를 90개 이상의 질병과 일치시켜 임상 의사 결정 지원을 제공할 수 있습니다.
브리검 여성 병원(BWh)의 마이크로/나노 의학 및 디지털 건강 연구소 소장인 Dr Hadi shafiee는 "대부분의 사람들은 다양한 센서가 내장된 강력한 휴대 전화를 갖추고 있습니다. 이것은 우리에게 좋은 기회입니다. 거의 모든 업계 플레이어는 장치에 Ai 소프트웨어 및 하드웨어를 구축하기 시작했습니다. 우연이 아닙니다. 우리의 디지털 세계에서는 매일 250만 테라바이트 이상의 데이터가 생성됩니다. 휴대전화 분야에서 제조업체는 이를 사용할 수 있다고 믿습니다. 보다 개인화되고 빠르고 지능적인 서비스를 제공하기 위해 인공 지능을 위한 데이터를 제공합니다."
스마트 폰을 사용하여 환자의 눈, 피부 병변, 상처, 감염, 약물 또는 기타 주제의 이미지를 수집하면 서비스가 부족한 지역의 전문가 부족 문제를 해결하고 특정 불만 사항을 진단하는 시간을 줄일 수 있습니다.
shafiee는 "미래에 몇 가지 주요 사건이 있을 수 있으며 이 기회를 활용하여 치료 지점에서 질병 관리의 몇 가지 중요한 문제를 해결할 수 있습니다"라고 말했습니다.
12.병상 AI로 임상 의사 결정 혁신

의료 산업이 유료 서비스로 전환함에 따라 점점 수동적 의료에서 ​​멀어지고 있습니다. 만성 질환, 급성 질환 및 급작스런 악화를 사전에 예방하는 것이 각 제공자의 목표이며 보상 구조를 통해 궁극적으로 적극적이고 예측적인 개입을 달성할 수 있는 프로세스를 개발할 수 있습니다.
인공 지능은 공급자가 조치를 취해야 할 필요성을 깨닫기 전에 문제를 해결하기 위해 예측 분석 및 임상 의사 결정 지원 도구를 지원함으로써 이러한 진화를 위한 많은 기본 기술을 제공할 것입니다. 인공 지능은 일반적으로 매우 복잡한 데이터 세트에 대한 심층 분석이 필요한 간질 또는 패혈증에 대한 조기 경고를 제공할 수 있습니다.
MGH(Massachusetts General Hospital)의 임상 데이터 이사인 Brandon Westover는 기계 학습이 심장 마비 후 혼수 상태에 있는 환자와 같은 중환자에 대한 지속적인 치료 제공을 지원하는 데도 도움이 될 수 있다고 말했습니다.
그는 정상적인 상황에서 의사는 이러한 환자의 EEG 데이터를 확인해야 한다고 설명했습니다. 이 과정은 시간이 많이 걸리고 주관적이며 결과는 임상의의 기술과 경험에 따라 다를 수 있습니다.
그는 “이 환자들은 추세가 느릴 수 있다. 때때로 의사는 누군가가 회복 중인지 확인하기 위해 10초에 한 번씩 모니터링되는 데이터를 볼 수 있습니다. 하지만 24시간 동안 수집한 10초의 데이터에서 달라졌는지 확인하는 것은 그 사이에 머리카락이 자랐는지 확인하는 것과 같습니다. 하지만 인공지능 알고리즘과 많은 환자들의 방대한 데이터를 활용한다면 사람들이 보는 것과 장기적인 패턴을 맞추기가 더 쉬울 것이고, 약간의 미묘한 개선도 발견될 수 있어 간호에 있어 의사의 의사결정에 영향을 미칠 것이다. . "
임상 의사 결정 지원, 위험 평가 및 조기 경고를 위해 인공 지능 기술을 사용하는 것은 이 혁신적인 데이터 분석 방법의 가장 유망한 개발 영역 중 하나입니다.
새로운 세대의 도구와 시스템에 전원을 제공함으로써 임상의는 질병의 뉘앙스를 더 잘 이해하고 간호 서비스를 보다 효과적으로 제공하며 문제를 사전에 해결할 수 있습니다. 인공 지능은 임상 치료의 질을 향상시키는 새로운 시대를 열 것이며 환자 치료에 획기적인 돌파구를 마련할 것입니다.


게시 시간: 2021년 8월 6일