Pada tanggal 1 November, di rangkaian kegiatan "Pilot Intelijen Digital" Netcom Sichuan 2024, Netcom Sichuan ke-14 dalam rangkaian kegiatan "Memasuki Perbatasan Produktivitas Baru" dan Konferensi Teknologi Cerdas Data Besar Biomedis ke-10, akademisi Akademi Ilmu Pengetahuan Tiongkok, Chen Runsheng, seorang peneliti di Institut Biofisika, Akademi Ilmu Pengetahuan Tiongkok, diwawancarai oleh seorang reporter dari Daily Economic News.
Dalam wawancaranya, Chen Runsheng mengatakan bahwa model kecerdasan buatan skala besar masih dalam tahap awal, termasuk penerapannya dalam industri biomedis, dan jalan yang harus ditempuh masih panjang. Dapat dikatakan bahwa penerapan model kecerdasan buatan dalam skala besar di industri biomedis baru saja dimulai.
Di masa depan, “penerapan dan intervensi model kecerdasan buatan yang besar ke seluruh sistem medis akan komprehensif, dan penerapan kecerdasan buatan akan diwujudkan sebelum, selama, dan setelah perawatan. Kecerdasan buatan tidak hanya akan sangat meningkatkan efisiensi medis. pengobatan, tetapi juga akan mengubah seluruh sistem medis secara mendasar, mengubahnya menjadi pengawasan medis yang mencakup semua orang dan semua tahapan, mengubah seluruh paradigma medis,” katanya.
Baru-baru ini, rangkaian kegiatan "Navigasi Kecerdasan Digital" Sichuan Netcom ke-14 2024 Sichuan Netcom "Memasuki Perbatasan Produktivitas Baru" dan Konferensi Teknologi Cerdas Biomedis Big Data·Teknologi ke-10 diadakan di Chengdu. Pada pertemuan tersebut, perwakilan dari pakar medis dalam dan luar negeri, perusahaan medis pintar, dan pihak lain membahas pengembangan produktivitas digital kesehatan baru yang berkualitas tinggi.
Sebagai salah satu peneliti ilmiah paling awal yang terlibat dalam penelitian biologi teoretis dan bioinformatika di negara saya, Chen Runsheng mengatakan bahwa secara umum, model kecerdasan buatan besar masih dalam tahap awal, termasuk penerapannya dalam industri biomedis, dan masih ada jangka panjang. cara untuk pergi. Dapat dikatakan bahwa penerapan model kecerdasan buatan dalam skala besar di industri biomedis baru saja dimulai.
“Aplikasi data awal ini, termasuk pengelolaan rekam medis, pencatatan informasi pendaftaran dasar, dan pengelolaan rekam medis elektronik, semuanya menggunakan data besar untuk mengotomatisasi prosesnya. Dengan bantuan data ini, kami dapat menganalisis bagian-bagian reguler dan kemudian menyelesaikan masalah. Masalah yang lebih praktis. Meskipun masih dalam tahap awal, big data telah memberikan kontribusi besar bagi industri biomedis,” katanya.
Mengambil contoh pengembangan awal obat-obatan, pengalaman masa lalu menunjukkan bahwa dibutuhkan waktu 10 tahun dan US$1 miliar untuk mengembangkan obat baru. Namun dengan bantuan data besar dan kecerdasan buatan, jenis senyawa yang perlu disaring mungkin telah berubah dari puluhan ribu menjadi ratusan atau bahkan puluhan, dan cakupan pencarian menjadi 1% dari efisiensi awal pengembangan obat baru telah meningkat pesat. Inilah praktik penerapan big data dan kecerdasan buatan di bidang biomedis.
Dalam pandangan Chen Runsheng, semua model industri besar mengandalkan daya komputasi dan data.
“Pertama-tama, kunci apakah model industri besar bisa dibuat adalah seberapa banyak data industri yang dikuasai pembuatnya, jadi data adalah kuncinya. Namun dengan data, ada dua masalah yang perlu diselesaikan, yang pertama adalah standarisasi data, dan yang lainnya adalah integrasi data,” ujarnya. Yang disebut standardisasi data mengacu pada universalitas dan saling pengakuan data. Jika standar data yang dihasilkan oleh berbagai lembaga atau platform tidak disatukan, maka dasar penerapannya akan hilang. Integrasi data terletak pada terobosan keterbatasan data tunggal. Jika pembagian data tidak dapat dicapai, peran dan signifikansi model besar akan berkurang.
Untuk mengatasi masalah standardisasi dan integrasi data, harus ada badan yang memimpin. Chen Runsheng percaya bahwa dengan mengambil contoh Amerika Serikat, badan utama yang menyelesaikan standardisasi data mungkin adalah Open AI, sementara mengambil data industri medis sebagai contoh, departemen terkait seperti layanan kesehatan mungkin perlu memimpin dalam menyelesaikan spesifikasi standar. masalah sumber data. Selain menyelesaikan masalah standardisasi data, integrasi data juga memerlukan departemen kelembagaan untuk mengambil alih kepemimpinan.
Selain itu, bagi institusi medis, membangun model farmasi besar mereka sendiri masih merupakan biaya yang harus dikeluarkan. Bagi sejumlah besar rumah sakit yang berjuang dengan masalah profitabilitas, cara membangun dan menggunakan data besar dan model besar adalah masalah biaya dan manfaat yang dihasilkan. Dalam hal ini, Chen Runsheng berkata, "Peningkatan kesadaran rumah sakit dan intervensi departemen manajemen akan menyelesaikan masalah ini secara bertahap. Karena penggunaan data besar tidak bisa dihindari untuk pembangunan, jika Anda tidak mengambil langkah ini, Anda akan tersingkir secara bertahap." . Ini bukan soal melakukannya atau tidak. Pertanyaan kapan melakukannya adalah tren yang harus disesuaikan. Siapa pun yang melakukannya terlebih dahulu akan mendapat keuntungan, dan siapa pun yang melakukannya terlebih dahulu akan mendapat manfaat lebih banyak.
Chen Runsheng berkata: "Penerapan dan intervensi model kecerdasan buatan yang besar ke seluruh sistem medis bersifat komprehensif. Penerapan kecerdasan buatan akan diwujudkan sebelum, selama, dan setelah perawatan. Kecerdasan buatan tidak hanya akan sangat meningkatkan efisiensi perawatan medis. , tetapi juga Ini akan mengubah seluruh sistem medis secara mendasar, mengubahnya menjadi pengawasan medis yang mencakup semua orang dan semua tahapan, mengubah seluruh paradigma medis.