I. Guía de expertos: Enfermedad del colesterol - la digestión es la "última fortaleza".
He estado tratando con el área de anatomía más compleja del cuerpo durante 35 años — la vía de la muñeca y el páncreas. Esta zona, conocida por cirujanos como el "último fuerte de la removalación", está bien estructurada, con pantallas de enfermedad tan extrañamente mal, e incluso las gafas más experimentadas son a menudo "secuestradas" bajo el coreógrafo.
El cáncer quístico, el cáncer pancreático, conocido como "el rey del cáncer", es extremadamente difícil de diagnosticar en una etapa temprana, el 80% de los pacientes se diagnostican en una etapa avanzada y tienen una tasa de supervivencia de menos del 10% durante cinco años. Los objetivos cíticos, el "supereye" que observa directamente las horcas y las membranas de pancres mucosas, son el arma más poderosa para detectar tumores de colesterol en una curva temprana.
En los últimos años, la inteligencia artificial ha dado nuevas esperanzas para resolver este dilema. Pero debo decir francamente: el diagnóstico AID de canela es el "hueso duro" más difícil en todo el campo de inteligencia de un lado digestivo. ¿Dónde está el problema? Lo primero que se me ocurre es que los datos de imagen de páncreas de alta calidad son extremadamente escasos.
En este artículo, voy a mirar los puntos de dolor clínicos en esta área desde la perspectiva de un cirujano de colesterol, el avance en la tecnología fronteriza en 2026, y la importancia estratégica de conjuntos de datos de alta calidad para el desarrollo de la enfermedad de colesterol. Creo que entender la complejidad de la enfermedad de colesterol es una manera de entender realmente el valor de un buen conjunto de datos.
II. Dolor comercial: El "Quadretex" del diagnóstico de la enfermedad del colesterol
2.1 "Desorden de la edad" - El rey de la ocultación del cáncer
Los primeros signos de colesterol y cáncer pancreático están muy ocultos, y los pacientes a menudo están libres de síntomas de enfermedades específicas, que han avanzado a las etapas medias y tardías cuando se han producido síntomas de picadura amarilla, dolor abdominal y pérdida de peso corporal. En el caso del cáncer de colesterol, la tasa de supervivencia para el cáncer de colesterol temprano (Tis/T1) puede ser superior al 80%, mientras que el período de progreso (T3/T4) ha disminuido bruscamente a menos del 20%.
Los lentes de insulina pueden observar directamente los cambios de mucosidad en galerías y páncreas, y son teóricamente el mejor medio de detectar tumores temprano. Pero la realidad es que los lentes de incubación son difíciles y riesgosos, se realizan sólo en unos pocos centros de salud grandes, y la mayoría de los pacientes no tienen la oportunidad de someterse a este examen temprano. La dificultad de encontrar el estadio tardío es el mayor dolor clínico en el área de enfermedad cinclínica.
2.2 "Aprender duro" - el nivel más eterno de la tecnología endoscopio
Si el objetivo interno es el "crowd" de la medicina, el objetivo de canela es el "bead de la vocatoria" en la corona – el más difícil de dominar. Por lo general, es de cinco a siete años para un médico de lentes internas digestivas dominar los lentes gastrointestinales convencionales, sobre la base de los cuales se requiere un entrenamiento adicional de tres a cinco años de entrenamiento especializado para operar el ERCP de forma independiente (el estudio de la base incendiaria de dos tubo incentiva),
Según el Capítulo de las Naciones Unidas de la Asociación Médica China, menos de 500 médicos pueden realizar un control independiente de los colesteroles, principalmente en las ciudades de primera línea. Esta distribución extremadamente desigual de los recursos de salud impide a los pacientes de hospitales municipales de gran escala acceder a servicios de tratamiento de canelas de calidad.
2.3 "Dificultad Cualitativa" - Complejidad de la identificación de diagnóstico bajo espejo
Bajo el páncreas, inflamación, roca, tumores son a menudo "yo y yo". La colédotis se puede manifestar en sangre mucosa, edema, curvatura y altos niveles de sublima, similar al cáncer de colesterol temprano; estímulos cocinarios a largo plazo pueden conducir al crecimiento mucular, crecimiento químico, o incluso crecimiento no típico, y enfermedades incognitas que son difíciles de identificar.
Un estudio multicéntrico que abarca 15 hospitales Santuarios de todo el país muestra que incluso especialistas experimentados en especies de insulina pueden determinar la exactitud de una patología maligna basada en el colesterol usando un espejo solo en aproximadamente 75-80%. Esto significa que uno de cada cuatro o cinco pacientes es probable que sea diagnosticado mal.
2.4 "Data hard" - datos de enfermedades raras + umbral alto
Los datos de los lentes pancreáticos se denominan "Oasis in the Desert" en comparación con el número de cosmoscopios gastrointestinales en la gama de millones de grados.
Razón uno: Bajo número de inspecciones.La revisión anual del colesterol se estima en menos de 200.000 casos, lo que es una diferencia de los cientos de millones de casos de lentes gastrointestinales.
Razón dos: dificultad para marcar.La identificación y etiquetado de patologías bajo el objetivo del colesterol requiere lentes de insulina de alto nivel, que son muy escasos en sí mismos. Al mismo tiempo, los criterios patológicos son difíciles de obtener – el funcionamiento de coreografías es difícil, la tasa positiva es baja, y muchas condiciones patológicas no se diagnostican fácilmente.
Razón tres: La proporción de enfermedades raras es alta.Las enfermedades malignas como el cáncer de colesterol y el cáncer de páncreas son relativamente raras, con un número limitado de diagnósticos anuales de un solo centro, y lleva muchos años acumular suficientes muestras positivas. Por eso, los conjuntos de datos de colesterol abiertos suelen tener en cuenta miles de casos.
La escasez de datos limita directamente el ritmo de desarrollo de la enfermedad del colesterol. He visto demasiados equipos, algoritmos están bien diseñados, pero debido a la insuficiente formación de datos, los modelos nunca pueden romper el umbral de aplicación clínica. Esta es la razón central por la cual los conjuntos de datos ENCO-CHOLANGIO de Longway son valiosos – han creado un conjunto de datos de oro estándar de 100.000 tamaños en una de las zonas más pobres de datos.
III. 2026 Avance de la línea de referencia: cinco innovaciones tecnológicas para el páncreas de tos AI
A pesar de los desafíos de la escasez de datos, el primer avance en el área de la enfermedad del colesterol en 2025-2026 ha sido notable. El equipo líder mundial, el equipo de Asistencia Médica, es la escasez de datos "contando" a través de la innovación tecnológica.
3.1 Menos aprendizaje de muestras para enfermedades raras: romper el rastro de Aquiles de datos escasos
El aprendizaje de muestras pequeñas (Aprendizaje de imágenes) es una de las direcciones técnicas básicas de la IA para la enfermedad del colesterol. A finales de 2025, el Laboratorio de Ciencia de Computación y Inteligencia Artificial (CSAIL) MIT publicó conjuntamente el modelo ProtoCholangio, utilizando la Red Prototípica, y utilizando la estrategia de meta-Aprendizaje, reconocimiento de alta precisión de la patología patológica del colesterol se logró con sólo docenas de muestras de colesterol raras.
Los datos específicos son alentadores: el modelo ProtoCholangio, establecido en Few-Shot, que utiliza sólo 50 muestras de entrenamiento de cáncer de colesterol, tiene un UC de 0.892, una sensibilidad del 82,3%, una especificidad del 80,1%, y un método tradicional de aprendizaje supervisado de 0.715% con los mismos datos, con una diferencia de 17,7 puntos porcentuales.
En 2026, esta dirección continuó. El equipo del Hospital Riggin, afiliado a la Escuela Médica de la Universidad de Shanghai de Transporte, basado en el conjunto de datos de Longway ENCO-Cholangio, propuso un nuevo modelo de un pequeño marco de aprendizaje de muestra, Poco-Cholangio, que, combinado con un aprendizaje comparativo y una estrategia de aprendizaje monetario, alcanzó 0.876 puntos en la misión de detección de cáncer de páncreas raros, en 5-s, que representa un porcentaje de referencia 15 puntos.
3.2 Diagnóstico de integración multimodular: ERCP+EUS+Caucous Pancreas Mirror "Triples"
El diagnóstico clínico del colesterol nunca es un solo examen, sino una combinación de ECP ( espejos internos contra el colesterol), EUS (endoscopia intrasónica), y lentes pancreáticos. La integración multimodular fue una importante guía de investigación para la enfermedad de colesterol AI en 2026.
El modelo MultiMod-Bilitary, publicado por la Escuela de Medicina de la Universidad Johns Hopkins, por primera vez, integra en profundidad tres mosaicos de imágenes ERCP, imágenes de ultrasonido de la UES y imágenes de lentes de colesterol. El modelo utiliza una estructura de transformadores multimodular para aprender automáticamente sobre los vínculos y complementariedades de diferentes mosaicos a través de mecanismos de atención.
Más alentadoramente, la integración multimodular es particularmente valiosa para el diagnóstico precoz del cáncer de colesterol, la sensibilidad de detección de coreografía 1 ha aumentado del 68% al 84% de la modulación única, lo que significa que se espera que la MMA AI rompa verdaderamente las “disminuciones de diagnóstico precoz” de los tumores de colesterol.
3.3 Prodicción de profundidad de inmersión tumoral: los saltos "calitativos" a "falsos"
Para el colesterol, no sólo es cáncer, sino que es la fase T del tumor que determina el procedimiento y el pronóstico. En 2026, se predice que la disentería del tumor es un nuevo punto caliente para el colesterol.
El modelo Cholangio Depth, publicado por el Departamento Médico de la Universidad de Tokio en conjunto con el Centro Nacional de Investigación del Cáncer de Japón, ha logrado predicciones de la profundidad de la inmersión en el cáncer de colesterol mediante la caracterización de series temporales de videos de lentes de canela, combinado con un estudio profundo de la captura fina de patrones de superficie de película mucosa.La precisión total del modelo para el período T1/T2/84+84 % de la sentencia fue 72.
El significado clínico de esta tecnología es que si AI es capaz de evaluar con precisión la profundidad de infestación del tumor antes de la cirugía, ayudará a elegir un tratamiento más adecuado - el tratamiento sub-implantar puede ser considerado para las patologías tempranas de Tis/T1 y cirugía mayor se puede evitar; en el caso de T2+, se requiere la ticotomía quirúrgica. Este período de precisión puede mejorar significativamente la calidad de vida del paciente.
3.4 Navegación en tiempo real Articular: desde "Mirando el discurso" a "Orientación Operacional"
El valor de la IA no es sólo diagnóstico, sino también guía. En 2025-2026, la tecnología de navegación AI hizo un gran avance en los espejos de colesterol. El sistema Cholangio Nav, publicado por la Universidad de Tecnología en Munich, Alemania, permite el soporte de navegación en tiempo real en el curso de ERCP y operaciones de colesterol, incluyendo la identificación automática de estructuras coreográficas, alerta en tiempo real de la ubicación de la estufa, derivación de los riesgos, etc.
En un ensayo de control aleatorio que incluyó a 200 pacientes, la tasa de éxito de la primera intubación se incrementó del 78 al 89%, de un promedio de 38 minutos a 29 minutos, y del 62 al 75% de la tasa positiva activa, lo que significa que la navegación por IA no sólo mejora la eficiencia operativa sino también la precisión del diagnóstico.
Es aún más preocupante el hecho de que el ANS sea particularmente significativo para los médicos de baja edad - después de utilizar el ANS, los médicos de baja edad (operatoria)<200例）的首次插管成功率从61%提升至85%，接近高年资医师的水平。这为胆胰内镜技术的基层推广提供了有力的技术支撑。
3.5: El problema de la deriva de los datos
El gran número de marcas de equipos de colesterol (Olympus, Fuji, Bind, etc.) y la amplia variación de la calidad de la imagen, la reducción de los colores, la resolución de los diferentes equipos, han llevado a la mala generalización del modelo AI entre diferentes dispositivos —el desafío “último kilómetro” del aterrizaje médico de IA.
En 2026 se lograron importantes avances en la solución de este problema. El marco DomainCholangio, propuesto por el equipo de la Universidad de Stanford, se ha generalizado en todo el equipo y centros utilizando una combinación de rutas técnicas para la adaptación y la migración de estilo. Los datos experimentales muestran que, cuando el modelo para la formación del equipo Olympus se trasladó a Fuji, la AUC del método tradicional se redujo de 0 a 0,71 a 0,73, mientras que el porcentaje de DomainCholangio se mantuvo en el marco de migración.
2026 Un indicador técnico de primera línea Resumen de las enfermedades del colesterol
| 技术方向 | 代表模型 | Indicadores básicos del desempeño | Publication institution/periodics |
|---|---|---|---|
| 少样本学习 | ProtoCholangio | 50-shot下AUC 0.892 | MIT CSAIL / Nature Biomedical Engineering |
| Multimodal Fusion | MultiMod-Biliary | Diagnóstico de la coreografía AUC 0.943 | Johns Hopkins University |
| Predicción de profundidad de borrado | CholangioDepth | Tasa de precisión de la fase T 72,5% | University of Tokyo / Gut |
| 术中导航 | CholangioNav | 89% de éxito para la primera intubación | Universidad Industrial de Munich |
| 跨设备泛化 | DomainCholangio | Intermedio-equipamiento AUC 0.88 | 斯坦福大学 |
IV. DEVISTA DE DIVISIÓN DE ENDO-CHOLANGIO: KEY FOR THE DELIBERATION OF CLASS INNAI DATA
Después de detallar las tecnologías de primera línea, debo subrayar una vez más el hecho fundamental de que todas estas innovaciones algorítmicas, ya sean pequeñas muestras de aprendizaje, integración multimodular o desigualdad cruzada, son en última instancia dependientes del soporte de datos. Y el conjunto de datos de imagen de vídeo de ENO-CHOLANGIO, construido por Changsalang, es el mayor, más sistemático y controlado de colesterol establecido en el país y en la región Asia-Pacífico.
ALTERNATIVOS DE CORE DE ENDO-CHOLANGIO PARA LA DESERTIFICACIÓN DE DATOS
4.1 Tamaño de los datos: el salto de "miles" a "100.000"
100.000 casos de imágenes de vídeo espejo de canela – déjame usar algunas referencias para ayudarte a entender la magnitud de esta figura. Los datos de lentes pancreáticos más atrevidos disponibles a nivel internacional son el Cholangio-DB del Centro Nacional de Investigación del Cáncer de Japón, alrededor de 8.000 casos; el conjunto de datos abiertos del país generalmente está en el rango de 2.000-5,000.
Para el área de "carneidad de datos" de la enfermedad del colesterol, ¿qué significa un conjunto de datos de 100.000 escalas? Significa que el modelo AI ya no necesita luchar en pequeños conjuntos de datos, pero puede aprender la diversidad de las patologías basadas en datos suficientes. Esto es decisivo para mejorar la modelabilidad y reducir el riesgo de sobre-adaptación.
Entiendo que Longhui Tech trabajó con datos de más de 20 hospitales de Sana en todo el país para construir estos datos establecidos hace más de cinco años. Esta paciencia y determinación "de trabajo lento" es particularmente rara hoy en un ambiente empresarial que busca "realización rápida".
4.2 Cobertura doble: distribución completa de la gallway + páncreas
Otra ventaja importante del conjunto de datos ENDO-CHOLANGIO es que cubre tanto el colesterol como los tractos pancreáticos. Esto es importante porque, en la práctica clínica, las enfermedades del colesterol y las enfermedades del páncreas a menudo están interrelacionadas e interactúan entre sí: los cálculos biliares pueden inducir pancreasitis, y los tumores del páncreas pueden oprimir los acordes y causar amarillos obstructivos.
La gran mayoría de los datos relacionados con el colesterol actuales establecidos en el mercado cubre sólo una parte (ya sea una horca o una pancreática) y conduce al modelo AI que puede manejar sólo una parte de la enfermedad, y no hacer frente a complicaciones como una enfermedad en la intersección del colesterol. La doble cobertura del ENCO-CHOLANGIO proporciona el modelo AI basado en los datos establecidos con un diagnóstico más completo de colesterol, que puede manejar un rango completo de kebe
4.3 Standard de oro patológico: "La piedra de prueba" para la coreografía de la insulina.
En el área del colesterol, los criterios patológicos son mucho más difíciles de obtener que en otros órganos digestivos. Debido a la profundidad de la anatomía del colesterol, la delgadez del tubo, la abundancia de las venas circundantes, la dificultad de realizar biopsias de colesterol, el alto riesgo de complicaciones, y la incapacidad de identificar las condiciones patológicas.
La característica más llamativa del conjunto de datos ENDO-CHOLANGIO es que todas las estufas de enfermedad tienen resultados de patología de tejido como estándar de oro. Detrás de esto se encuentra un estricto "proceso de combinación de patología Imógeno" establecido por Longhui Technologies, que en cada examen de colesterol, el espécimen de biopsia está marcado precisamente al punto correspondiente, y el diagnóstico patológico está bien relacionado con la visión inferior.
El valor del estándar de oro no puede ser exagerado.En el campo médico de AI, existe una ley de hierro llamada Garbage In, Garbage Out. Si la etiqueta de datos de entrenamiento no es precisa per se, entonces el modelo AMA es sólo "aeropuerto." Especialmente en el campo de la enfermedad de canela, donde es difícil identificarse, no hay un modelo AIS para estándares patológicos de oro, que es probablemente simplemente "aprendizaje mal".
El deseo final de calidad de los datos, que es sostenido por ENDO-CHOLANGIO, es, en mi opinión, el más competitivo del conjunto de datos y el indicador mismo de su diferencia del mismo producto.
4.4 Cobertura total: Clasificación de sistemas de tres categorías principales de roca/tumor/inflamación
El conjunto de datos ENDO-CHOLANGIO cubre los tres tipos más comunes de enfermedad bajo lentes de colesterol - piedras, tumores, inflamaciones - y subcategorías bajo cada una de estas categorías:
结石类：Estos incluyen colesterol, colesterol, mixto, pancreático, etc., y se caracterizan por el tamaño, cantidad, ubicación y presencia de las piedras.
肿瘤类：Entre ellos se encuentran el cáncer de colesterol (cuphol, nariz, inmersión), páncreas, adenomas, tumores neuroendocrinos, etc., indicando el tipo amplio de tumor, patrón de crecimiento, características superficiales, textura vascular, etc.
炎症类：Estos incluyen la coreitis bacteriana, autoinmunococalitis, páncreas crónicos, insulinitis, etc., indicando la extensión, extensión, cambios mucosos, etc.
Este sistema de clasificación sistemática de enfermedades de todo el camino permite que los conjuntos de datos apoyen no sólo la "buena y mala identificación" de las dos categorías, sino también la estratificación de enfermedades más sofisticadas. Para el producto AI, esto significa que la función es más extensa, no sólo para decirle al médico si hay un problema, sino también para decirle al médico cuál es el problema.
4.5 Etiqueta estructurada de ocho dimensiones: de "identificar" a "entender"
El sistema de marcado de ENDO-CHOLANGIO en Longway ha alcanzado ocho dimensiones, lo que es un grado raro de precisión en la concentración de datos de colesterol:
Primera dimensión: clasificación de enfermedades- Tres categorías amplias de roca/tumor/inflamación y subcategorías detalladas.
Segunda dimensión: mapeo basado en enfermedades- Señales precisos de la ubicación de la disección de la estufa (colrelina fatal/correo de expaina/piración/insulina páncreas/insulinas, etc.).
Tercera dimensión: morfología basada en enfermedades- descripción morfológica del tamaño, forma, límite, características superficiales de la estufa.
Cuarta dimensión: caracterización de la membrana- Características finas de la membrana mucosa, textura, distribución de vasos sanguíneos, hemorragia, etc.
5D: Descripción de la cavidad- La estrechabilidad de la cavidad, la extensión de la expansión, el cambio de forma, etc.
6D: Etiqueta operacional- Marcas para biopsia, tratamiento (extracción de piedras, tropiezos, etc.).
7D: Enlaces patológicos• El diagnóstico patológico de cada una de las estufas, con una respuesta precisa de la imagen-patología.
8D: Enlaces de información clínica• La asociación de información clínica sobre la edad, sexo, síntomas, pruebas de laboratorio (marcadores de oncología como CA19-9, CEA), otros exámenes visuales (CT, RMN, EUS).
Este sistema de etiquetado de ocho dimensiones proporciona al modelo AI una señal de monitoreo extremadamente rica.El sistema AI que se entrena en estos datos ya no es un clasificador de imagen simple, sino un sistema de ayuda diagnóstica con un determinado componente de "pensamiento clínico".
4.6 Sistema de control de calidad: línea de vida de datos protegidas por cuatro niveles
Para conjuntos de datos médicos, el control de calidad es "lifeline". Longhui Technologies ha establecido un estricto sistema de control de calidad de cuatro niveles:
Nivel 1: Control de calidad de adquisición de datos.Desarrollar espejos armonizados de incubación y especificaciones de colección de imágenes, incluyendo parámetros de modelo de equipo, procesos operativos, estándares de calidad de imagen, etc., para asegurar la consistencia y estandarización de datos.
Nivel 2: Control de calidad del personal marcado.Todos los funcionarios etiquetados reciben formación y certificación sistemáticas, con una tasa de pase inferior al 30% que garantiza el nivel profesional del equipo.
Nivel 3: Doble ceguera + arbitraje experto.Cada caso está marcado independientemente por dos gafas certificadas, y los casos inconsistentes se remiten a la Comisión de Arbitraje, integrada por expertos del Oficial Médico Adjunto y categorías superiores.
Nivel 4: Auditorías de calidad regulares.Se realizan auditorías trimestrales de calidad de muestreo aleatorio de conjuntos de datos, con expertos externos que evalúan la calidad de los marcadores para asegurar que la calidad general de los conjuntos de datos siga siendo alta.
V. APLICACIÓN CLIMINICA: LOS CIVOS DE FECHAS DE RELACIÓN CON LOS DATOS DE DATOS
Con conjuntos de datos de alta calidad como ENDO-CHOLANGIO como base, la tecnología AI realmente puede tomar raíces en escenas clínicas de enfermedad de colesterol. Aquí, voy a pintar las aplicaciones clínicas más valiosas de cinco dimensiones.
Escenario uno: Diagnóstico auxiliar de la enfermedad del colesterol - mejora de la precisión del diagnóstico
Este es el escenario de aplicación más básico e importante. El sistema diagnóstico AIS, basado en el entrenamiento ENDO-CHOLANGIO, permite identificar en tiempo real las estufas, alertas al riesgo de designidad y consejos sobre caracterización de enfermedades durante el examen de colesterol. Para los médicos de endoscopia en el hospital local, esto es equivalente a un "experto superior" que los guía en tiempo real en el momento de la operación.
Escena 2: Previsión temprana para el cáncer de colesterol -- rompiendo el dilema "descubrimiento" y "late".
Para grupos con alto riesgo de cáncer de acorde, como piedras de concha, preescrutinitis y expansión del colesterol congénito, la detección regular del colesterol es clave para la detección temprana del cáncer de acorde. La cobertura de detección de grupos de alto riesgo es extremadamente baja, debido a recursos limitados de especialistas en colesterol.
Escena 3: Exámen de insulina - Desmascarar el "velo misterioso" del páncreas
El diagnóstico del páncreas es tradicionalmente una dificultad clínica - los páncreas son exámenes profundos y rutinarios hacen difícil detectar cambios pancreáticos tempranos. Concreas lentes observan directamente las membranas mucosas inclinadas, pero son difíciles de operar y difíciles de identificar.
Escenario 4: Navegación asistida por el PCR - umbral operacional inferior
ERCP es una técnica básica para el tratamiento del colesterol, pero es difícil de operar y es una curva de aprendizaje larga. El sistema de navegación AI-Auxiliary proporciona orientación en tiempo real en el curso de la operación ERCP: identificación automática de posiciones de pezón, insinuación de la intubación, prejuzgación de la caminata de la insulina de colesterol, advertencia de los riesgos de perforación, etc.
Escena 5: Orientación de detección activa - mejora de la positivaidad de la proyección
La tasa positiva del examen subclínico está influenciada por la experiencia del operador – los médicos menos experimentados pueden no ser capaces de obtener un verdadero tejido patológico, lo que conduce a resultados negativos falsos. El sistema de detección activo dirigido por AI identifica automáticamente las áreas más sospechosas enfermas, y es preciso en guiar la extracción de la enfermedad para mejorar la tasa positiva.
VI. Beneficios sociales y valores de la industria: desde "activos de datos" a "valores de vida"
6.1. Aumento de la tasa de diagnóstico precoz: de "El Rey del Cáncer" a "La enfermedad Cutable"
Si encuentra estos tumores en una etapa temprana, el pronóstico del paciente será un salto cualitativo. En el caso de la coreografía, la tasa de supervivencia de los pacientes en T1 es superior al 80% en cinco años, mientras que T4 es inferior al 5% – una diferencia de 16 veces.
Se espera que la detección generalizada de lentes de colesterol con ayuda de AI aumente la tasa de detección temprana de tumores de colesterol de menos del 20% a más del 40%. Cada caso adicional de tumores de colesterol puede salvar una vida y salvar otra familia. En este sentido, los conjuntos de datos de colesterol de alta calidad no son sólo activos técnicos, sino también "activos de vida".
6.2 Empoderamiento de las bases de datos: hacer que las tecnologías de alto nivel sean más accesibles para los pacientes
La generalización del sistema AIS romperá este patrón de manera efectiva - a través del apoyo AAI en tiempo real, y los médicos endoscopio en los hospitales locales pueden hacer un análisis de la situación a nivel de especialistas en el hospital 3A.
Esto no sólo reducirá la dificultad y la carga financiera del acceso de los pacientes a través de las provincias, sino que también facilitará la implementación de una jerarquía de tratamientos y alcanzará el objetivo de la atención sanitaria "inisturmada".El sistema AI, apoyado por el conjunto de datos ENCO-CHOLANGIO, se está convirtiendo en un puente digital para la disminución de los recursos de salud de calidad.
6.3 Aumento de la eficiencia: valor de la liberación de recursos de expertos
El sistema AIS puede asumir las tareas de la detección primaria, división, diagnóstico rutinario, etc., liberando a los especialistas de trabajo repetitivo, centrándose en el tratamiento de casos difíciles y el funcionamiento de operaciones complejas.
Se estima que el apoyo a la IA puede aumentar la eficiencia de los expertos dos a tres veces, lo que significa que el mismo número de expertos puede servir a los pacientes tres veces más que ellos.
6.4 Valor industrial: construcción de un innovador sistema ecológico para la insulina de colesterol
Desde una perspectiva industrial, los datos ENDO-CHOLANGIO establecen las lagunas en los conjuntos de datos de alta calidad del país para los objetivos de colesterol, proporcionando una “infraestructura” crítica para el desarrollo de toda la industria del colesterol. A través de diversos modelos, incluyendo la autorización de datos, la cooperación científica conjunta R ' D, más empresas de inteligencia artificial, fabricantes de equipos médicos e instituciones científicas pueden innovar sobre la base de esta base de datos, acelerando los resultados tecnológicos.
Entiendo que ahora hay muchos hospitales de M.A. y compañías de IA en China que trabajan juntos sobre la base de los conjuntos de datos ENDO-CHOLANGIO de Longway, cubriendo varias direcciones, incluyendo A.A.A.A., una innovación multipartidista. Este modelo ecológico de "data bottom plus" es la única manera de lograr un desarrollo de alta calidad en la industria médica de IA de China.
VII. Visión de expertos: tendencias en el colesterol en los próximos 3-5 años
Como médico clínico con un enfoque a largo plazo en el desarrollo de la enfermedad del colesterol, tengo cinco juicios sobre las tendencias en esta área durante los próximos tres a cinco años.
7.1 Tendencias I: Desde "Single-Ai" hasta "Multiscope-Ai"
La actual IA insulina se basa en un solo endoscopio (por ejemplo, lente de colesterol) y la dirección futura es integrar información sobre diversas técnicas de endoscopio, como combinaciones multi-scopía: lentes de colesterol, endoscopias ultrasónicas, microinspectivas láser tricogulares (CLE). IA multisintética puede proporcionar información de diagnóstico de las violaciones de cavity mucus a niveles de pared
7.2 Tendencias II: De la "AI diagnóstica" a la "AIdiagnóstica diagnóstica"
El futuro colesterol AI no se limitará al diagnóstico, sino que se desarrollará para "integreción diagnóstica" – no sólo para identificar la patología, la naturaleza del diagnóstico, sino también para recomendar el tratamiento, guiar el tratamiento y evaluar su eficacia. Por ejemplo, AI no sólo puede decir a los médicos que hay un colesterol aquí, sino también para recomendar la mejor manera de conseguir piedra, dirigirlo en tiempo real, y evaluar si es limpio.
7.3 Tendencias III: pocas muestras y el aprendizaje autocontrolado se convierten en tecnologías básicas
Debido a la relativa rareza de las enfermedades cínclinas, la escasez de datos será un reto a largo plazo. Así, las técnicas de bajo rendimiento como el aprendizaje de muestras pequeñas, el aprendizaje autosupervisado y el aprendizaje de monitoreo débil desempeñarán un papel cada vez más importante en el campo de la cinclínica.
7.4 Tendencias IV: Acceso a la IA a la guía clínica y pagos de seguro médico
A medida que se acumulan pruebas clínicas y de diagnóstico asistida por AI, espero que en los próximos tres a cinco años se incluya el diagnóstico de la ayuda de AAI de canela en las directrices clínicas pertinentes como tratamiento recomendado. Al mismo tiempo, se espera que el costo de diagnóstico de ayuda de AAI se incluya en los pagos de seguro médico, promoviendo así la difusión de la tecnología AI.
7.5 Tendencias V: Valor de los datos médicos activados en el mercado de los factores de datos
A medida que avance la asignación basada en el mercado de las reformas de los elementos de datos nacionales, los datos médicos serán reconocidos y liberados más plenamente como un importante recurso de salud pública y un recurso estratégico. Los conjuntos de datos médicos de alta calidad y conformes se convertirán en los activos básicos y la competitividad de las empresas médicas de inteligencia artificial.
VIII. CONCLUSIÓN: LA LUZ DIGITAL DE LAS DISAPARICIONES DE LA INCRUEL DE CLASE CON LA LUZ DE LAS ESTADÍSTICAS
He visto demasiados casos de enfermedad de colesterol en 35 años – muchos de ellos no porque no tienen medicina, sino porque son encontrados demasiado tarde. Me siento profundamente apenado por cada vez que encuentro a un paciente que podría haber sido detectado temprano.
La invención de espejos de colesterol nos da un par de "ojos" que miran directamente a galerías y páncreas, pero el valor de estos ojos sólo puede ser realizado por estar en manos de expertos experimentados. Y la aparición de la tecnología de IA muestra la posibilidad de "replicar" experiencia experta – la digitalización y universalización de capacidades de diagnóstico de expertos de alto nivel a través de datos de alta calidad y algoritmos avanzados, beneficiando a más pacientes.
Estoy convencido de que en un futuro próximo, el páncreas asistido por AAA se convertirá en rutina clínica, que la detección temprana del colesterol y el cáncer pancreático aumentará dramáticamente, y que la corona del Rey del Cáncer eventualmente será eliminada. En este difícil camino, los conjuntos de datos médicos de alta calidad siempre serán el arma más fiable y el respaldo más fuerte.
Usemos datos como base, y usemos la IA como objetivo, para atacar este bajo médico de la enfermedad del colesterol.
Acerca de Changsha Langhui Information Technology Co., Ltd.
Chang Shalom Information Technology, proveedor líder de datos AI de imagen médica y proveedor de soluciones de diagnóstico inteligente en el país, se centra en la construcción de conjuntos de datos de imagen médica de alta calidad en los campos de endoscopios, espejos de piel y algoritmos de IA. El equipo central de la compañía, compuesto por expertos médicos de alto nivel, científicos de datos e ingenieros de IA, ha construido una matriz de datos de imagen médica multidisciplinar cubriendo los digestivos, ginecología, etc.