#trendsinpharmacologicalsciences #intelligencearticificielle #médecine Les Éléments Manquants de l’Intelligence Artificielle en Médecine
Publié le 03 juillet 2019 par Tartempion77
@NZarjevski
Preclinical research = Recherche préclinique
Target identification = Identification des cibles
Molecular generation = Génération de formules moléculaires
Clinical trials = Essais cliniques
Drug efficacy = Efficacité du médicament
Adverse events = Evénements indésirables
Biomarker detection = Identification de biomarqueurs
Patient care = Soins prodigués au patient
Drug prioritization = Priorisation des traitements médicamenteux
Patient readmission = Réadmission du patient
Diagnostics = Diagnostic
Dermatology = Dermatologie
Radiology = Radiologie
Pathology = Pathologie
Les actionnaires dans tous les secteurs des soins de santé cherchent à incorporer l’intelligence artificielle (IA) dans leur processus de prise de décision. Des étapes précoces dans la découverte de médicaments jusqu’aux systèmes d’aide à la décision clinique, nous avons des exemples de la façon dont l’IA peut à la fois en améliorer l’efficacité et en réduire les coûts. Dans cet article d’Opinion, nous discutons de certains des facteurs clé qui pourraient être priorisés pour permettre l’intégration réussie de l’IA dans la chaîne de valeur santé toute entière. En particulier, nous croyons que la concentration des efforts sur un modèle d’interprétabilité est cruciale pour une compréhension plus profonde des mécanismes biologiques sous-jacents et pour guider nos futures investigations. De plus, nous discutons de l’importance de l’intégration de divers types de données dans toutes les structures d’IA existantes, dans le but de limiter les biais, d’augmenter la précision, et modéliser la nature interdisciplinaire de la médecine. Nous pensons que la l’adoption généralisée de ces pratiques aidera à l’accélération de l’intégration continue de l’IA dans le cadre actuel des soins de santé. Coryandar Gilvary, et al, dans Trends in Parmacological Sciences, publication en ligne en avant-première, 2 juillet 2019
Source iconographique, légendaire et rédactionnelle :
Science Direct / Traduction et adaptation : NZ