改善医疗健康的治疗效果是一项全球性的努力，这将使创新达到一个新的高度。随着医疗机构甚至整个医疗生态系统加入数字化转型之旅，AI和深度学习也正在为医疗健康行业带来重大影响。

 

根据IDC预计，到2019年，40%的数字化转型将由AI技术提供支持并实现实时洞察。尽管深度学习还处于采用周期的早期阶段，但该技术的成熟度并非采用与否的决定因素。要实现深度学习真正的落地应用，还需解决医生的质疑、监管环境、补偿政策以及其他等诸多问题。

 

GPU成深度学习关键

 

深度学习技术的关键是基于所提供数据的自编程算法和重要的计算资源，目前通常基于GPU。使用深度学习技术，组织可以开发解决方案，以人类程序员无法效仿的速度自动自我调整。此外，由于深度学习严格地基于数据，所以解决方案的质量随着数据的增加而提高。将深度学习能力纳入应用和解决方案，将可能使医疗组织对生态系统的变化以及对优质护理标准的改变更加敏感。

 

GPU加速的深度学习解决方案可为实时病理评估、即时干预、临床决策预测分析的医疗健康和医学研究应用设计更为复杂的神经网络。AI中的创新正以难以置信的方式推进精准医学和人口健康管理向前发展。

 

医疗健康领域的深度学习之旅 

 

IDC近日发布《从实验台到病床：医疗健康领域的深度学习之旅》（From Bench to Bedside: Deep Learning’s Journey in Healthcare）白皮书，将为您提供有关深度学习的概括性全貌，以及它如何用于协助医生和预测医疗健康事件。白皮书探索了将深度学习应用于全球医疗健康的机遇和挑战。