这份研报主要介绍了欧洲研究委员会(ERC)资助的238个人工智能(AI)健康领域项目,总投资约4.5亿欧元,涵盖了从疾病预防到诊断、治疗和管理的各个环节。项目主要集中在人工智能模型、临床决策支持系统及平台的发展与应用,包括机器学习与深度学习算法,旨在实现早期疾病检测,并将风险预测、诊断、预后、治疗及疾病管理个性化定制给患者。项目成果丰富,包括发表大量出版物、开发工具箱/模型、进行临床试验、制造设备和原型,以及产生专利和衍生项目。AI在医疗领域的应用场景多样,包括药物发现、精准医疗、医学影像、疾病检测、风险因素及结果的预测、医疗机器人等。
AI在医疗保健领域的应用正展现出日益广泛且成熟的应用场景,但其增值效应和实际影响仍在逐步显现。AI在医疗领域的未来不仅取决于更好的算法,还取决于在它们的设计、评估和管理方面做出更明智的选择。AI在健康领域的发展和应用面临的关键挑战包括跨学科合作、数据质量和可用性、黑盒模型的不可透明性、临床验证的难度、监管不确定性,以及在AI系统参与健康决策时对信任和问责制的需求。欧盟的政策举措如《人工智能法案》和欧洲人工智能局的设立,以及欧洲健康数据空间(EHDS)的倡议,都表明AI在医疗领域的应用正受到政策层面的高度重视。
研报重点分析了人工智能在健康领域的应用场景和发展现状,包括疾病预防、诊断、治疗和管理等各个环节。特别关注了人工智能模型、临床决策支持系统及平台的发展与应用,以及机器学习与深度学习算法在实现早期疾病检测和个性化医疗中的应用。此外,还分析了AI在药物发现、精准医疗、医学影像、疾病检测、风险因素及结果的预测、医疗机器人等领域的应用情况。研报还探讨了AI在健康领域的发展和应用面临的关键挑战,如跨学科合作、数据质量和可用性、黑盒模型的不可透明性、临床验证的难度、监管不确定性等。
目前AI在医疗市场的应用正展现出日益广泛且成熟的应用场景,但其增值效应和实际影响仍在逐步显现。AI在医疗领域的应用主要集中在人工智能模型、临床决策支持系统及平台的发展与应用,以及机器学习与深度学习算法在实现早期疾病检测和个性化医疗中的应用。AI在医疗领域的应用场景多样,包括药物发现、精准医疗、医学影像、疾病检测、风险因素及结果的预测、医疗机器人等。然而,AI在健康领域的发展和应用仍面临一些挑战,如跨学科合作、数据质量和可用性、黑盒模型的不可透明性、临床验证的难度、监管不确定性等。
研报提到了AI在医疗领域发展和应用中的当前与未来风险,包括可问责性与责任感、安全与监控、偏倚与泛化、当前及未来十年的风险、可解释的复杂模型、人工智能在医疗工作流程中的整合、人工智能专业知识和技能、害与安全、数据新方向等。此外,支持健康领域的人工智能研究需要资金与投资、基础设施与计算资源、数据、生态系统与合作伙伴关系、开发:从研究到应用、跨学科性、人才培养与制度保障、规定等。这些风险和需求都需要在AI在医疗领域的应用中得到充分考虑和解决。