趋势:检察官称,电影《办公空间》为Zulily的工程师提供了财务欺诈的蓝图
顺时针方向,从左上起:华盛顿大学教授Shyam Gollakota;WRF Capital董事总经理Loretta Little;亚马逊副总裁Taha Kass-Hout;华盛顿大学教授suin Lee;以及Hurone AI创始人金斯利·恩多。(亚马逊、Hurone AI、WRF Capital和UW Photos)

新冠肺炎疫情期间,随着企业家和消费者越来越多地接受远程医疗、远程监控以及从睡眠追踪器到运动带等一系列设备,数字健康初创企业和举措的资金激增。

2021年,数字健康领域的风险投资总额达到292亿美元,创历史新高,根据Rock Health.到2022年,投资降温,到第三季度末降至126亿美元,但人工智能等技术的进步和大型科技公司日益浓厚的兴趣肯定会推动未来的创新。

西雅图地区的创业公司,比如CalmWaveRippl护理出站的人工智能而且桦树人工智能该公司于2022年成立,旨在帮助解决从医院过度噪音到老年人心理健康等医疗问题。更大的公司也表现出了雄心壮志;亚马逊今年宣布以39亿美元收购初级保健公司One Medical,并推出了新的在线医疗服务亚马逊诊所。

专家认为2023年全国和西雅图地区的数字健康趋势是什么?我们邀请了五位专家来发表他们的预测。

Taha Kass-Hout他是技术健康人工智能副总裁,也是亚马逊网络服务的首席医疗官
Taha Kass-Hout。亚马逊(图)

医疗保健和生命科学行业前所未有的创新和合作正在推动行业通过精确、个性化和人性化的患者体验,从疾病护理转向预防。医疗行业已经对云计算进行了十年的试验,并了解技术和机器学习如何实现更有针对性的诊断和治疗,即精准医疗;个性化患者旅程;改善健康状况。

在2023年及以后,我们预计医疗保健和生命科学组织将继续投资于基础设施的现代化,从数据中获得可操作的见解,并内化个性化健康的含义。这将涉及将基因组学和其他组学数据整合到治疗开发中,利用机器学习和分析来改善临床医生的工作流程,将社会决定因素数据纳入患者或人群层面的疾病管理,并使用结构化和非结构化数据以更高的准确性预测疾病——帮助行业从反应性患者护理转向预防性患者护理。

金斯利Ndoh,创始人兼首席战略师,Hurone人工智能
金斯利·恩多。(Hurone AI Photo)

我们应该期待在数字健康领域看到更多以人为本的创新,以支持临床决策,例如诊断预测技术或工具,以预测某些癌症药物的临床结果。这些工具将越来越多地在机器学习模型的训练数据集中纳入更多的多样性,并将目标用户的特定需求置于开发过程的核心,包括考虑文化角度。

可穿戴设备、智能手机应用程序和电子病历产生的数据也将得到更好的整合,通过人工智能的力量支持临床决策、行为改变和大规模个性化。

洛雷塔小他是WRF Capital的董事总经理
洛雷塔。(WRF Capital摄影/梅尔·柯蒂斯)

到2023年,大多数早期数字初创公司的资金将继续紧张,但我在几个领域看到了增长机会。我们将继续看到更多公司通过创新产品和方法提供精神卫生服务,例如亚博足球群在俊而且Rippl保健公司专注于改善连接和工具,以更好地进行远程护理,例如Valorant健康而且波诊断

远程护理对于服务不足的农村社区尤其重要,这些社区获得附近卫生资源的机会有限或根本无法获得。yb体育正式官网首页这种需求只会增加,部分原因是人口结构的变化在患者群体中。华盛顿州和全国的老年人比例是预计增长特别是在农村地区。这一农村老年人口占慢性病患者的很大比例,需要与服务联系起来。

Shyam Gollakota,联合创始人波诊断健全生命科学(谷歌收购),华盛顿大学艾伦学院教授
Shyam Gollakota。(GeekWire图片/詹姆斯·索恩)

COVID期间加速采用远程医疗的趋势可能会继续下去。我们还可能会看到越来越多的远程家庭测试,如COVID-19或血液测试,这将使远程医疗更接近面对面的访问。虽然智能手机和智能手表在移动健康方面已经得到了很多关注,但耳机将成为下一个令人兴奋的监测健康和健康的平台,而且在未来几年,脑电图(EEG)信号可能会为大脑接口开辟新的机会。

我们也希望看到一些初创公司应用大型语言模型来解决医疗保健系统中的各种痛点,以提高效率和降低成本为目标。深度学习技术将继续改进,我们将开始看到更有希望的结果,用于解决一些重要问题,如使用人工智能发现药物和疫苗。

Su-In李他是华盛顿大学计算机科学与工程教授
Su-In李。(华盛顿大学图)

明年,我们将看到具有可解释AI (XAI)功能的AI设备,使人类能够理解复杂的黑盒机器学习模型的推理过程。我还看到FDA的批准流程结合了XAI分析,以产生机器学习模型的信任、透明、公平和可操作性。

保险提供商和美国医疗保险和医疗补助服务中心的报销增加将推动fda批准的人工智能设备数量的增加。从长远来看,医疗AI设备的成功和公平性将取决于FDA审批流程的更新程度,以反映机器学习特定的问题。例如,如果没有要求在广泛的肤色上评估人工智能皮肤病学设备,那么在深色皮肤上表现不佳的人工智能设备似乎很可能会被公开使用,并严重误诊深色皮肤的人。

喜欢你读的东西吗?订阅GeekWire的免费时事通讯,捕捉每一个标题

GeekWork上的工作清单

找到更多的工作GeekWork.雇主,在这里发布工作