重新思考系统健康管理
为了应对医疗保健系统的成本和复杂度飞速增长、治疗方案不断增多以及信息传达不畅等问题,本文提出了一个通用的计算机/人工智能(AI)框架。 该框架结合了马尔可夫决策过程和动态决策网络,从临床数据中学习并制定综合的多方案规划,以优化患者治疗方案和促进患者康复,相较传统医疗保健方式大幅提高了患者康复率并降低了治疗成本。
Jan, 2013
本章提出了七个防止人工智能系统造成伤害的课程,探讨了系统安全领域的见解,针对公共机构及基础设施中的新应用程序引发的新危害,阐述了诊断和消除新人工智能系统危害的共识缺失,并探讨了有效人工智能管理所需的跨学科方法和共享语言。
Feb, 2022
为了更好的达到过程模型的符合度和简化度之间的平衡,本文提出一种半自动化的过程挖掘方法,包括模型简化方法和引入meta-state概念来减少模型复杂度,并以三个医疗领域的数据集为案例来说明该技术方案的应用和提供更好实践。
Jun, 2022
综述了工业领域中大规模建模在预测与健康管理(HM)方面的最新进展,为决策者与研究人员提供宝贵参考,同时促进工业领域中ICPS的可靠性、可用性和安全性的进一步提升。
Dec, 2023
本文提出了一种分布式决策方法,用于制造任务分配和基于条件的机器健康维护,并基于马尔可夫决策过程设计决策代理,以处理决策过程中涉及的不确定性。通过数值案例研究,证明该方法具有灵活性和实用性,并可以用人工智能学习成本参数。
Jan, 2024
基于对PHM的挑战和瓶颈,以及大型模型的研究现状和优势的系统分析,我们提出了Prognosis and Health Management Large Model (PHM-LM)的新概念和三个渐进的范式,并在这三个范式的框架内为PHM-LM提供了可行的技术方法,同时讨论了PHM-LM在建设和应用过程中所面临的核心问题和技术挑战,从而提供了一个全面的PHM-LM技术框架,为新的PHM技术、方法、工具、平台和应用打开了新的途径,同时也潜在地创新了PHM的设计、研究与开发、验证和应用模式,实现了AI驱动的新一代PHM的全面能力发展。
Jul, 2024
本研究解决了数字健康应用中人工智能整合不足的问题,提出了一种基于人工智能和强化学习的平台,以实现针对供应链、患者管理和能力建设的适应性干预。研究表明,该平台通过实时监测和实验优化的个性化推荐,能够显著提升健康系统的绩效,尤其在资源匮乏的环境中具有更为显著的潜在影响。
Sep, 2024