メラティブ

メラティブLP
会社の種類プライベート
前任者IBMワトソンヘルス
設立2022年6月30日 ( 2022-06-30 )
本部ミシガン州アナーバー
主要人物
  • ジェリー・マッカーシー（CEO）
所有者フランシスコ・パートナーズ
従業員数
1,000～5,000
Webサイトmerative.com​

Merative LP（旧IBM Watson Health ）は、人工知能、データ分析、クラウドコンピューティング、その他の高度な情報技術を使用して、クライアントの医学研究、臨床研究、リアルワールドエビデンス、ヘルスケアサービスを促進する製品とサービスを提供するアメリカの医療技術企業です。Merativeは、カリフォルニア州サンフランシスコに本社を置くアメリカのプライベートエクイティファームであるFrancisco Partnersが所有しています。2022年、IBMはWatson Health部門を売却し、Merativeにスピンオフしました。2023年現在、アナーバーに本社を置き、アイルランド、ハイデラバード、バンガロール、チェンナイにイノベーションセンターを持つ独立した企業です。[ 1 ]

歴史

トムソン・ヘルスケアは、2008年までトムソン・コーポレーションの一部門でしたが、トムソンとロイターの合併に伴い、トムソン・ロイターのヘルスケア部門となりました。2012年4月23日、トムソン・ロイターは、トムソン・ヘルスケアをベリタス・キャピタルに12億5000万米ドルで売却することに合意しました。[ 2 ] 2012年6月6日、売却が完了し、新会社であるトゥルーベン・ヘルス・アナリティクスは、ヘルスケアに特化した独立した組織となりました。[ 3 ]

IBMコーポレーションは2016年2月18日にTruven Health Analyticsを買収し、[ 4 ] IBMのWatson Health部門と合併しました。[ 5 ] Truven Health Analyticsは包括的な医療データと分析サービスを提供していました。[ 6 ] Truvenという社名は、「信頼できる」と「実証された」という言葉を組み合わせた造語です。[ 7 ]

2022年1月、IBMはTruvenを含むWatson Health資産の一部をFrancisco Partnersに10億ドルで売却すると発表した。[ 8 ] 2022年6月30日、Francisco PartnersはWatson Healthの買収完了を発表し、Merativeというヘルスケアデータ企業を設立した。[ 9 ]

進歩

Watsonの自然言語、仮説生成、証拠に基づく学習機能は、Watsonが臨床意思決定支援システムにどのように貢献できるか、また医療従事者による医療における人工知能の増加にどのように貢献できるかを調査中です。[ 10 ]医師が患者の治療を支援するために、医師が症状やその他の関連要因を説明するクエリをシステムに提示すると、Watsonはまず入力を解析して最も重要な情報を識別します。次に患者データをマイニングして、患者の病歴や遺伝歴に関連する事実を見つけ出します。次に利用可能なデータソースを調査して仮説を立ててテストします。[ 10 ]そして最後に、個別化された信頼度スコアの推奨事項のリストを提供します。[ 11 ] Watsonが分析に使用するデータソースには、治療ガイドライン、電子医療記録データ、医療提供者からのメモ、研究資料、臨床研究、ジャーナル記事、患者情報などがあります。[ 10 ]「診断と治療のアドバイザー」として開発され販売されているにもかかわらず、ワトソンは実際に医療診断プロセスに関与したことはなく、すでに診断された患者の治療オプションの特定を支援することのみを目的としています。[ 12 ]

2011年2月、IBMはNuance Communicationsと提携し、今後18～24ヶ月かけてWatsonの臨床意思決定支援機能を活用した商用製品を開発する研究プロジェクトを開始すると発表されました。コロンビア大学の医師たちは、医療現場における重要な課題の特定に協力し、Watsonの技術が貢献できる可能性のある分野を開拓します。また、メリーランド大学の医師たちは、Watsonのような技術が医療従事者と連携して最大限の支援を提供できる最適な方法を探ります。[ 13 ]

2011年9月、IBMとWellPoint（現Anthem）は、Watsonのデータ処理能力を活用して医師に治療オプションを提案するための提携を発表しました。[ 14 ]その後、2013年2月、IBMとWellPointは、メモリアルスローンケタリングがんセンターでの肺がん治療における利用管理の決定のために、Watsonの最初の商用アプリケーションを提供しました。[ 15 ]

IBMは2012年10月、クリーブランド・クリニックとの提携を発表しました。同社はワトソンをケース・ウェスタン・リザーブ大学クリーブランド・クリニック・ラーナー医科大学に派遣し、医療専門知識の向上と医療専門家による患者治療の支援を目指しています。同医療施設は、ワトソンの大量情報の保存・処理能力を活用し、治療プロセスの迅速化と精度向上に貢献します。「クリーブランド・クリニックとIBMの提携は大変喜ばしいものです。ワトソンに『考える』ことを教え、医療における強力なツールとなる可能性を秘めた方法を学ぶ機会が得られるからです」と、クリーブランド・クリニックの最高情報責任者であるC・マーティン・ハリス医学博士は述べています。[ 16 ]

2013年、IBMとMDアンダーソンがんセンターは、センターの「がん撲滅ミッション」を推進するためのパイロットプログラムを開始しました。[ 17 ]しかし、6,200万ドルを費やした後も、プロジェクトは目標を達成できず、中止されました。[ 18 ]

2013年2月8日、IBMは、メイン州がん医療センターとニューヨークのウエストメッド医療グループの腫瘍専門医が、肺がんの治療を推奨するためにワトソンスーパーコンピュータシステムのテストを開始したと発表した。 [ 19 ]

2016年7月29日、IBMとマニパル病院[ 20 ]（インドの大手病院チェーン）は、がん患者向けのIBM Watson for Oncologyの提供開始を発表しました。この製品は、医師とがん患者に情報と洞察を提供し、個別化されたエビデンスに基づいたがん治療オプションの特定を支援します。マニパル病院は、この技術を導入した世界で2番目に大きい病院[ 21 ]であり、ウェブサイトを通じて専門家によるセカンドオピニオンとして患者にオンラインで提供した世界初の病院です[ 22 ]。マニパル病院は2018年12月にこの契約を終了しました。

2017年1月7日、IBMと富国生命保険は、IBMのAI「IBM Watson Explorer」を活用した補償金支払い分析業務をIBMに委託する契約を締結した。これにより34人の雇用が失われたが、同社は保険金請求や医療記録の分析を通じて補償金支払い分析を迅速化し、生産性を30%向上させると発表している。また、運用コストを1億4000万円削減できるとしている。[ 23 ]

IBM Watsonは1000人のがん専門医の知識ベースを搭載し、医療分野に革命をもたらすと言われています。IBMは破壊的イノベーションの立役者とみなされています。しかし、腫瘍学の分野はまだ初期段階にあります。[ 24 ]

ヘルスケア分野のスタートアップ企業の中には、IBM Watsonを基盤としたソリューションを市場に投入するために、7つのビジネスモデル・アーキタイプを効果的に活用している企業もいくつかあります。これらのアーキタイプは、ターゲットユーザーにとって創出される価値（例：患者重視か、医療提供者と保険者重視か）と、価値獲得のメカニズム（例：情報提供やステークホルダーとの連携）によって異なります。[ 25 ]

2019年、エリザ・ストリックランドは「ワトソン・ヘルスの物語は[...]傲慢さと誇大宣伝の教訓的な物語」と呼び、「代表的なプロジェクトの例」とその状況を紹介しています。[ 26 ] 2021年にACM（計算機協会）が投稿した「ワトソン・ヘルスに何が起こったのか？」では、2015年の部門設立に関わった買収の数と、買収による顧客基盤のニーズよりも「ブルーウォッシング」プロセスにほぼ全面的に重点が置かれたことを踏まえ、ワトソン・ヘルスのポートフォリオ管理の課題について説明しました。[ 27 ] 2025年に出版された著書「ExplorysとIBMワトソン・ヘルスの興亡」では、これらの出来事がさらに詳細に説明されています。[ 28 ]

2022年1月21日、IBMはワトソン・ヘルスをプライベートエクイティファームのフランシスコ・パートナーズに売却すると発表した。[ 29 ]

業界の考慮事項と課題

大手ヘルスケア企業が他のヘルスケア企業と合併することで、ヘルスケアデータへのアクセス性が向上します。[ 30 ]ヘルスケアデータが増えれば、AIアルゴリズムの実装が増える可能性があります。[ 31 ]

ヘルスケア分野におけるAI導入の焦点の大部分は、臨床意思決定支援システムにあります。[ 32 ]データ量が増加するにつれて、AIによる意思決定支援システムはより効率的になります。多くの企業が、ヘルスケア業界へのビッグデータ導入の可能性を模索しています。 [ 33 ]

IBMのWatson Oncologyは、メモリアル・スローン・ケタリングがんセンターとクリーブランド・クリニックで開発中です。[ 34 ] IBMはまた、CVSヘルスと慢性疾患治療におけるAIの応用について、ジョンソン・エンド・ジョンソンとは医薬品開発のための新たな関連性を見つけるための科学論文の分析について協力しています。[ 35 ] 2017年5月、IBMとレンセラー工科大学は、ヘルスケアを強化するためにAI技術を使用することを探求する、分析、学習、セマンティクスによる健康エンパワーメント（HEALS）と題した共同プロジェクトを開始しました。[ 36 ]

ヘルスケア分野で使用される AI アルゴリズムに貢献した他の大企業には、次のようなものがあります。

マイクロソフト

マイクロソフトのハノーバープロジェクトは、オレゴン健康科学大学のナイト癌研究所と提携して、患者にとって最も効果的な癌治療薬の選択肢を予測するために医学研究を分析しています。 [ 37 ]他のプロジェクトには、腫瘍の進行の医療画像分析やプログラム可能な細胞の開発などがあります。[ 38 ]

グーグル

GoogleのDeepMindプラットフォームは、英国国民保健サービス（NHS）によって、モバイルアプリを通じて収集されたデータを通じて特定の健康リスクを検出するために使用されています。[ 39 ] NHSとの2番目のプロジェクトは、 NHS患者から収集された医療画像を分析し、癌組織を検出するためのコンピュータービジョンアルゴリズムを開発することです。[ 40 ]

インテル

インテルのベンチャーキャピタル部門（インテルキャピタル）は最近、AIを使ってリスクのある患者を特定し、治療オプションを開発するスタートアップ企業Lumiataに投資した。[ 41 ]

医療における人工知能とは、複雑な医療データの分析において、複雑なアルゴリズムとソフトウェアを用いて人間の認知能力を模倣することです。具体的には、AIとは、人間による直接的な入力なしにコンピューターアルゴリズムが結論を近似的に導き出す能力です。

AI技術と従来の医療技術の違いは、情報を取得し、処理し、エンドユーザーに明確な出力を提供する能力にあります。AIは機械学習アルゴリズムを通じてこれを実現します。これらのアルゴリズムは行動パターンを認識し、独自のロジックを構築できます。誤差を小さくするために、AIアルゴリズムは繰り返しテストする必要があります。AIアルゴリズムは人間とは2つの点で異なります。(1)アルゴリズムは文字通りです。目標を設定しても、アルゴリズムは自己調整できず、明示的に指示されたことしか理解できません。(2)アルゴリズムはブラックボックスです。アルゴリズムは非常に正確な予測が可能ですが、原因や理由までは予測できません。[ 42 ]

医療関連のAIアプリケーションの主な目的は、予防または治療技術と患者の転帰との関係を分析することです。[ 43 ] AIプログラムは、診断プロセス、治療プロトコル開発、医薬品開発、個別化医療、患者のモニタリングとケアなどの実践に開発され、適用されています。メイヨークリニック、メモリアルスローンケタリングがんセンター[ 44 ] [ 45 ]、国民保健サービス[ 46 ]などの医療機関は、各部署用のAIアルゴリズムを開発しました。 IBM [ 47 ]やGoogle [ 46 ]などの大手テクノロジー企業や、WelltokやAyasdi [ 48 ]などのスタートアップ企業も医療用のAIアルゴリズムを開発しました。 さらに、病院は、コスト削減、患者満足度の向上、人員配置と労働力のニーズを満たす運用イニシアチブをサポートするAIソリューションを求めています。[ 49 ] 企業は、医療管理者が利用率の向上、患者の入院の減少、入院期間の短縮、人員配置レベルの最適化を通じて業務運営を改善するのに役立つ予測分析ソリューションを開発しています。[ 50 ]

人工知能研究の対象となる医療分野は次のとおりです。

放射線科

放射線医学による画像診断結果を解釈する能力は、臨床医がうっかり見逃してしまうような画像の微細な変化を検出するのに役立つ可能性がある。スタンフォード大学の研究では、その試験に参加した放射線科医よりも優れた平均F1指標（精度と再現率に基づく統計指標）で、特定の部位の患者における肺炎を検出できるアルゴリズムが作成された。[ 51 ]北米放射線学会の放射線学会議では、年次総会で画像診断におけるAIに関する発表が行われた。放射線医学におけるAI技術の出現は、専門家とは対照的に、特定の症例における特定の統計指標の改善を達成できるため、一部の専門家からは脅威と認識されている。[ 52 ] [ 53 ]

イメージング

最近の進歩により、AIを利用して顎顔面外科手術の結果を記述・評価したり、口蓋裂治療の効果を顔の魅力や年齢相応の外観に関して評価したりすることが可能になることが示唆されている。 [ 54 ] [ 55 ]

2018年にAnnals of Oncology誌に掲載された論文によると、皮膚がんの検出精度は、皮膚科医よりも人工知能システム（深層学習畳み込みニューラルネットワークを使用）の方が高いことが示されました。平均して、人間の皮膚科医は画像から86.6%の皮膚がんを正確に検出しましたが、CNNマシンでは95%でした。[ 56 ]

病気の診断

世の中には様々な病気がありますが、AIはそれらの病気を効率的かつ正確に診断するために様々な方法で活用されてきました。中でも特に有名なのは糖尿病と心血管疾患（CVD）です。これらはどちらも世界の死因の上位10位にランクインしており、正確な診断を支援するための多くの研究や検査の基盤となっています。これらの疾患は死亡率が高いため、正確な診断を支援するために様々な手法を統合する取り組みが行われてきました。

Jiangら（2017） [ 57 ]の論文では、様々な疾患に複数の異なるタイプのAI技術が使用されていることが示されています。Jiangらが論じたこれらの技術には、サポートベクターマシン、ニューラルネットワーク、決定木などが含まれます。これらの技術はそれぞれ、「分類が結果と可能な限り一致するように」するための「学習目標」を持つと説明されています。[ 57 ]

病気の診断/分類の詳細を示すために、これらの病気の分類には「人工ニューラルネットワーク（ANN）」と「ベイジアンネットワーク（BN）」の使用を含む2つの異なる技術が使用されています。[ 58 ] 2008年から2017年の期間内の複数の異なる論文のレビューから、[ 58 ] 2008年から2017年の期間内の複数の異なる論文のレビューから、2つの技術のどちらが優れているかが観察されました。導き出された結論は、「これらの病気の早期分類は、人工ニューラルネットワークやベイジアンネットワークなどの機械学習モデルの開発によって達成できる」というものでした。別の結論として、Alicら（2017年）[ 58 ]は、ANNとBNの2つを比較すると、ANNの方が優れており、平均精度が「どちらの場合も（糖尿病で87.29、CVDで89.38）」で、より正確に糖尿病/CVDを分類できるという結論を導き出しました。

遠隔医療

遠隔医療の増加は、AIの応用の可能性の増加を示しています。[ 59 ] AIを使用して患者をモニタリングする能力は、病気の活動が起こる可能性がある場合に医師に情報を伝えることを可能にする可能性があります。[ 60 ]ウェアラブルデバイスは、患者を常にモニタリングすることを可能にし、人間には判別しにくい変化に気づく能力も提供します。

電子健康記録

電子健康記録（EHR）は、医療業界のデジタル化と情報普及に不可欠です。しかし、このデータをすべて記録することは、ユーザーの認知的負荷や燃え尽き症候群といった独自の問題を伴います。EHR開発者は現在、プロセスの大部分を自動化しており、このプロセスを改善するために自然言語処理（NLP）ツールの活用も始めています。Centerstone研究所が実施したある研究では、 EHRデータの予測モデル化により、ベースラインにおける個別治療反応の予測精度が70～72%にまで向上したことが明らかになりました。[ 61 ]これは、EHRデータをスキャンするAIツールを使用すれば、個人の病気の原因をかなり正確に予測できることを意味します。

薬物相互作用

自然言語処理の向上により、医学文献における薬物間相互作用を識別するアルゴリズムが開発されました。 [ 62 ] [ 63 ] [ 64 ] [ 65 ]薬物間相互作用は、複数の薬を同時に服用している人にとって脅威となり、服用している薬の数が増えるほど危険性が増します。[ 66 ]既知または疑われる薬物間相互作用をすべて追跡することの難しさに対処するために、相互作用する薬とその考えられる影響に関する情報を医学文献から抽出する機械学習アルゴリズムが作成されました。 2013年には、DDIExtraction Challengeで取り組みが統合され、カルロス3世大学の研究者チームが薬物間相互作用に関する文献のコーパスを収集し、そのようなアルゴリズムの標準テストを作成しました。[ 67 ]競技者は、相互作用することが示されている薬はどれか、その相互作用の特徴は何か、をテキストから正確に判断する能力がテストされました。[ 68 ]研究者たちは、このコーパスを使い続けて、アルゴリズムの有効性の尺度を標準化しています。[ 62 ] [ 63 ] [ 65 ]

他のアルゴリズムは、ユーザー生成コンテンツ、特に電子健康記録や有害事象報告のパターンから薬物間相互作用を特定します。[ 63 ] [ 64 ] FDA有害事象報告システム（FAERS）や世界保健機関（WHO）のVigiBaseなどの組織は、医師が薬剤に対する副作用の可能性を報告することを可能にしています。これらの報告を解析し、薬物間相互作用を示唆するパターンを検出するための深層学習アルゴリズムが開発されています。[ 69 ]

参照

参考文献

  1. ^ 「Merativeがバンガロール、ハイデラバード、チェンナイにインド・グローバル・ケイパビリティ・イノベーション・センターを正式に開設」www.businesswireindia.com。
  2. ^ロイター、トムソン。「トムソン・ロイター | トムソン・ロイター、売却に関する最終合意を発表…」thomsonreuters.com。2012年6月5日時点のオリジナルよりアーカイブ。 2025年9月22日閲覧。{{cite web}}:|last=一般的な名前があります（ヘルプ）
  3. ^ 「Veritas、トムソン・ヘルス部門の買収を完了」ロイター、2012年6月6日。 2012年7月8日閲覧。
  4. ^ 「IBM、Truven Health Analyticsを26億ドルで買収へ」ロイター2016年2月18日. 2024年12月12日閲覧。
  5. ^ Bowman, Dan (2016年2月18日). 「IBM、Watson Healthの強化に向けTruven Health Analyticsを26億ドルで買収」Fierce Healthcare . 2024年12月12日閲覧。
  6. ^ 「IBM、Truven Health Analyticsを26億ドルで買収へ」ロイター2016年2月18日2016年8月24日閲覧。
  7. ^ 「ヘルスケア分析ソリューション | Truven」www.merative.com . 2025年9月22日閲覧。
  8. ^ Davis, Michelle F.; Deveau, Scott; Davalos, Jackie (2022年1月23日). 「IBM、Watson Healthの資産の一部を10億ドル以上で売却」 . Bloomberg News . 2022年1月23日閲覧。
  9. ^ Kreutzer, Laura; Cooper, Laura (2022年7月12日). 「Francisco Partners、テクノロジー関連取引支援で170億ドル近くを調達」 . The Wall Street Journal .
  10. ^ a b c「Watsonの活用：医療におけるWatson」IBM。2012年7月22日時点のオリジナルよりアーカイブ。2013年11月11日閲覧。
  11. ^ 「IBM Watson、エビデンスに基づいた診断と治療提案でがんと闘う」(PDF)。IBM 。 2013年4月26日時点のオリジナル(PDF)からアーカイブ。 2013年11月12日閲覧。
  12. ^ Saxena, Manoj (2013年2月13日). 「IBM Watsonの進捗状況と2013年のロードマップ（スライド7）」 . IBM . 2013年11月12日閲覧。
  13. ^ Wakeman, Nick (2011年2月17日). 「IBMのWatsonが医学部へ」 .ワシントン・テクノロジー. 2011年2月19日閲覧。
  14. ^マシューズ、アンナ・ワイルド（2011年9月12日）「ウェルポイントの新人採用：ワトソンとは？」ウォール・ストリート・ジャーナル
  15. ^ Upbin, Bruce (2013年2月8日). 「IBMのWatsonがヘルスケア分野で初のビジネスを獲得」 . Forbes .
  16. ^ Miliard, Mike (2012年10月30日). 「Watsonが医学部へ：クリーブランド・クリニックとIBMがスーパーコンピュータを大学に送る」 . Healthcare IT News . 2013年11月11日閲覧。
  17. ^ 「IBMのWatsonがMDアンダーソンがんセンターの臨床試験に取り組む」Forbes。
  18. ^ 「MDアンダーソン、医療における人工知能の後退でIBM Watsonをベンチに」Forbes。
  19. ^ Leske, Nikola (2013年2月9日). 「医師ら、IBMスーパーコンピューターにがん治療の支援を要請」 .ロイター. 2016年2月16日時点のオリジナルよりアーカイブ。 2013年11月11日閲覧。
  20. ^ 「MANIPAL HOSPITALS、IBM WATSON FOR ONCOLOGYの全国展開を発表」 www-03.ibm.com 2016年7月29日. 2016年11月8日時点のオリジナルよりアーカイブ。 2017年1月17日閲覧。
  21. ^ ANI (2016年10月28日). 「マニパル病院、がん治療にIBMの『Watson for Oncology』スーパーコンピュータを導入」 . Business Standard India . 2017年1月17日閲覧。
  22. ^ 「アジアの病院、がん治療にワトソン・スーパーコンピュータを活用」 STAT . 2016年8月19日. 2017年1月17日閲覧。
  23. ^ McCurry, Justin (2017年1月5日). 「日本企業がオフィスワーカーを人工知能で置き換える」 . The Guardian . ISSN 0261-3077 . 2017年1月29日閲覧。 
  24. ^グレッグ・サテル「IBMのワトソンは私たちの働き方をどう変えるのか」 Forbes . 2017年8月8日閲覧。
  25. ^ Garbuio, Massimo; Lin, Nidthida (2019). 「ヘルスケア系スタートアップの成長エンジンとしての人工知能：新興ビジネスモデル」. California Management Review . 61 (2): 59– 83. doi : 10.1177/0008125618811931 . S2CID 158219917 . 
  26. ^ Strickland, Eliza (2019年4月2日). 「IBM WatsonがAIヘルスケア分野で過大な約束と期待外れの成果を出した経緯」 IEEE Spectrum : テクノロジー、エンジニアリング、科学ニュース. 2019年4月4日閲覧。
  27. ^ Meil​​, Doug (2021年4月21日). 「ワトソンヘルスに何が起こったのか？」計算機協会:BLOG@CACM . 2019年4月21日閲覧。
  28. ^ Meil​​, Doug (2025年9月14日). 「ExplorysとIBM Watson Healthの興亡：失敗に終わったヘルスケア業界のムーンショットの個人的回想録」 Routledge . 2025年9月14日閲覧。
  29. ^ Condon, Stephanie (2022年1月21日). 「IBM、Watson Healthの資産を投資会社Francisco Partnersに売却」 . ZDNet . 2022年1月21日閲覧。
  30. ^ La Monica PR. 「合併マニアが医療にもたらすもの」 CNNMoney . 2018年4月11日閲覧。
  31. ^ 「なぜヘルスケア業界の合併はあなたのせいなのか」フォーチュン誌。 2018年4月10日閲覧。
  32. ^ Horvitz EJ, Breese JS, Henrion M (1988年7月). 「エキスパートシステムと人工知能における意思決定理論」. International Journal of approximate Reasoning . 2 (3): 247– 302. doi : 10.1016/0888-613x(88)90120-x . ISSN 0888-613X . 
  33. ^ Arnold D, Wilson T (2017年6月). 「What Doctor? Why AI and robotics will define New Health」(PDF) . PwC . 2018年10月8日閲覧。
  34. ^ Cohn J (2013年2月20日). 「ロボットがあなたをすぐに見てくれる」 .アトランティック誌. 2018年10月26日閲覧。
  35. ^ロレンツェッティ、ローラ（2016年4月5日）「がんから消費者向けテクノロジーへ：IBMのワトソン・ヘルス戦略の内幕」フォーチュン誌。2018年10月26日閲覧。
  36. ^ 「IBMとレンセラーがコグニティブコンピューティングで慢性疾患を研究」。
  37. ^ Bass D (2016年9月20日). 「マイクロソフト、がん医師が適切な治療法を見つけるのを支援するAIを開発」 . Bloomberg . 2018年10月26日閲覧。
  38. ^ Knapton, Sarah (2016年9月20日). 「マイクロソフトは、病変細胞を『再プログラム』することで10年以内に癌を『解決』するだろう」 . The Telegraph . 2018年10月16日閲覧。
  39. ^ Bloch-Budzier, Sarah (2016年11月22日). 「NHSがGoogleと提携し患者の治療にあたる」 BBCニュース. 2018年10月16日閲覧。
  40. ^ Baraniuk, Chris (2016年8月31日). 「Googleががんスキャンにアクセス」 . BBCニュース. 2018年10月16日閲覧。
  41. ^ Primack, Dan (2016年5月26日). 「Intel Capital、10億ドルのポートフォリオ売却を中止」 . Fortune . 2018年10月26日閲覧。
  42. ^ 「アルゴリズムにもマネージャーが必要」ハーバード・ビジネス・レビュー、2016年1月1日。 2018年10月8日閲覧。
  43. ^ Coiera E (1997).医療情報科学、インターネット、遠隔医療ガイド. Chapman & Hall, Ltd.
  44. ^ Power B (2015年3月19日). 「人工知能はビジネスにほぼ導入可能」ハーバード・ビジネス・レビュー.マサチューセッツ総合病院.
  45. ^ Bahl M, Barzilay R, Yedidia AB, Locascio NJ, Yu L, Lehman CD (2018年3月). 「高リスク乳がん病変：病理学的グレードアップを予測し、不必要な外科的切除を減らす機械学習モデル」. Radiology . 286 (3): 810– 818. doi : 10.1148/radiol.2017170549 . PMID 29039725 . 
  46. ^ a b Bloch-Budzier S (2016年11月22日). 「NHS、Googleの技術を患者の治療に活用」 BBCニュース.
  47. ^ Lorenzetti, L. (2016年4月5日). IBM Watson Healthが医療業界にもたらす変革とは？ http://fortune.com/ibm-watson-health-business-strategy/より
  48. ^ 「CB Insights人工知能レポート」(PDF) 2016年6月28日。
  49. ^ HealthITAnalytics (2018年8月8日). 「医療提供者が臨床的・財務的メリットのために予測分析を採用」 . HealthITAnalytics . 2019年1月16日閲覧。
  50. ^ 「医療における予測分析は手術室の利用率向上に役立つ」 SearchHealthIT . 2019年1月16日閲覧。
  51. ^ Rajpurkar P、Irvin J、Zhu K、Yang B、Mehta H、Duan T、Ding D、Bagul A、Langlotz C、Shpanskaya K、Lungren MP (2017-11-14)。 「CheXNet: 深層学習を使用した胸部 X 線写真での放射線科医レベルの肺炎検出」。arXiv : 1711.05225 [ cs.CV ]。
  52. ^ Chockley K, Emanuel E (2016年12月). 「放射線学の終焉？ 放射線学の未来への3つの脅威」. Journal of the American College of Radiology . 13 (12 Pt A): 1415– 1420. doi : 10.1016/j.jacr.2016.07.010 . PMID 27652572 . 
  53. ^ Jha S, Topol EJ (2016年12月) . 「人工知能への適応：情報スペシャリストとしての放射線科医と病理医」. JAMA . 316 (22): 2353– 2354. doi : 10.1001/jama.2016.17438 . PMID 27898975. S2CID 3662362 .  
  54. ^ Patcas R, Bernini DA, Volokitin A, Agustsson E, Rothe R, Timofte R (2019年1月). 「人工知能を用いた顎矯正治療が顔の魅力と推定年齢に与える影響の評価」 . International Journal of Oral and Maxillofacial Surgery . 48 (1): 77– 83. doi : 10.1016/j.ijom.2018.07.010 . PMID 30087062 . 
  55. ^ Patcas R, Timofte R, Volokitin A, Agustsson E, Eliades T, Eichenberger M, Bornstein MM (2019年8月). 「口唇裂患者の顔の魅力：人工知能ベースのスコアリングと従来の評価者グループの直接比較」. European Journal of Orthodontics . 41 (4): 428– 433. doi : 10.1093/ejo/cjz007 . hdl : 20.500.11850/377316 . PMID: 30788496. S2CID : 73507799 .  
  56. ^ 「コンピューター、医師よりも正確に皮膚がんを検出できるようになる」ガーディアン紙、2018年5月29日。
  57. ^ a b Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, 他 (2017年12月). 「ヘルスケアにおける人工知能：過去、現在、そして未来」 . Stroke and Vascular Neurology . 2 (4): 230– 243. doi : 10.1136 / svn-2017-000101 . PMC 5829945. PMID 29507784 .  
  58. ^ a b c Alić B, Gurbeta L, Badnjević A (2017年6月). 「糖尿病と心血管疾患の分類のための機械学習技術」. 2017年6月 地中海組み込みコンピューティング会議 (MECO) . IEEE. pp.  1– 4. doi : 10.1109/meco.2017.7977152 . ISBN 978-1-5090-6742-8. S2CID  22942669 .
  59. ^ Pacis D (2018年2月). 「人工知能を活用した遠隔医療の動向」 . AIP Conference Proceedings . 1933 (1): 040009. Bibcode : 2018AIPC.1933d0009P . doi : 10.1063/1.5023979 .
  60. ^ 「人工知能｜AIの種類｜人工知能の7つの実践的な活用法」 Talky Blog . 2019年7月12日. 2019年7月17日時点のオリジナルよりアーカイブ。 2019年7月27日閲覧。
  61. ^ Bennett, Casey C.; Doub, Thomas W.; Selove, Rebecca (2012). 「EHRは研究と実践をつなぐ：予測モデリング、人工知能、臨床意思決定支援が交差する場所」 . Health Policy and Technology . 1 (2): 105– 114. arXiv : 1204.4927 . doi : 10.1016/j.hlpt.2012.03.001 . S2CID 25022446 . 
  62. ^ a b B. BokharaeianとA. Diaz、「言語ベースの否定と節の依存関係の検出による文献からの薬物間相互作用の抽出」、Journal of Artificial Intelligence and Data Mining、vol. 4、no. 2、pp. 203–212、2016年。
  63. ^ a b c R. Cai et al.、「自発的な有害事象報告からの因果関係ルールの発見による有害な薬物間相互作用の特定」、Artificial Intelligence In Medicine、vol. 76、pp. 7–15、2017年。
  64. ^ a b F. Christopoulou、TT Tran、SK Sahu、M. Miwa、S. Ananiadou、「アンサンブルディープラーニング手法による電子医療記録における薬物有害事象と投薬関係の抽出」、J Am Med Inform Assoc、2019年8月。
  65. ^ a b D. Zhou、L. Miao、Y. He、「薬物間相互作用抽出のための位置認識型ディープマルチタスク学習」、Artificial Intelligence In Medicine、vol. 87、pp. 1–8、2018年。
  66. ^ García Morillo、JS Optimización del tratamiento de enfermos pluripatológicos en atatención primaria UCAMI HHUU Virgen del Rocio。セビリア。スペイン。 SEMI のメンバーは以下から入手可能です:ponencias de la II Reunión de Paciente Pluripatológico y Edad Avanzada アーカイブ 2013-04-14 at Archive.today
  67. ^ M. Herrero-Zazo、I. Segura-Bedmar、P. Martínez、T. Declerck、「DDIコーパス：薬理学的物質と薬物間相互作用に関する注釈付きコーパス」、 Journal of Biomedical Informatics、vol. 46、no. 5、pp. 914–920、2013年10月。
  68. ^ I. Segura-Bedmar、P. Martínez、M. Herrero-Zazo、「SemEval-2013 タスク9: 生物医学テキストからの薬物間相互作用の抽出 (DDIExtraction 2013)」、 Second Joint Conference on Lexical and Computational Semantics、第2巻、341～350ページ、2013年6月。
  69. ^ B. Xu他、「フルアテンションメカニズムに基づく薬物相互作用抽出のためのユーザー生成コンテンツの組み込み」、 IEEE Trans Nanobioscience、vol. 18、no. 3、pp. 360–367、2019年7月。
「 https://en.wikipedia.org/w/index.php?title=Merative&oldid=1337133119」から取得