机构名称：
¥ 1.0
作为一门技术，AI 可以应用于结构化和非结构化医疗数据。传统上，基于“if-then”规则的专家系统被广泛用于临床决策支持系统。研究领域的一系列规则是基于人类专家的知识构建的。但是，当规则过多时，规则之间往往会相互冲突。此外，如果领域知识发生变化，更改规则将非常困难且耗时。1 因此，它正逐渐被基于机器学习算法的方法所取代。最流行的 AI 技术是机器学习，这是一种使用数据训练模型的统计技术。支持向量机等简单机器学习模型的一个例子被广泛用于结构化数据，用于根据由患者属性组成的训练数据集预测疾病或治疗结果。由于结果变量是已知的，因此它被称为监督学习。1 机器学习的一种更复杂形式是神经网络，它模仿神经元处理信号的方式，包括输入、输出和加权特征，将输入与输出关联起来。它已用于对结构数据进行分类，例如确定患者患病的风险。1,5 最复杂的机器学习技术是深度学习。它包含许多级别的特征，可以预测结果
医疗保健中的人工智能：应用与挑战
主要关键词
相关文件推荐
