🔺 کارشناسان تاکید می کنند که رهبران مراقبت های بهداشتی باید برای کاهش خطرات ChatGPT گرد هم آیند
بخش مراقبت‌های بهداشتی در گذشته در پذیرش فناوری‌های جدید بسیار کند بوده است، اما Chat-GPT از قبل شروع به ورود به این حوزه کرده است. به عنوان مثال، غول نرم افزار مراقبت های بهداشتی Epic اخیراً اعلام کرد که GPT-4، آخرین نسخه از مدل هوش مصنوعی را در پرونده سلامت الکترونیکی خود ادغام خواهد کرد.
کارشناسان فناوری در کنفرانس HIMSS در شیکاگو گفتند که در حالی که مدل هوش مصنوعی مطمئناً هیجان‌انگیز است، بخش مراقبت‌های بهداشتی باید یک چارچوب پاسخگو برای مقابله با خطرات فناوری‌های جدید مانند ChatGPT ایجاد کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
بخش مراقبت‌های بهداشتی در گذشته در پذیرش فناوری‌های جدید بسیار کند بوده است، اما Chat-GPT از قبل شروع به ورود به این حوزه کرده است. به عنوان مثال، غول نرم افزار مراقبت های بهداشتی Epic اخیراً اعلام کرد که GPT-4، آخرین نسخه از مدل هوش مصنوعی را در پرونده سلامت الکترونیکی خود ادغام خواهد کرد.
کارشناسان فناوری در کنفرانس HIMSS در شیکاگو گفتند که در حالی که مدل هوش مصنوعی مطمئناً هیجان‌انگیز است، بخش مراقبت‌های بهداشتی باید یک چارچوب پاسخگو برای مقابله با خطرات فناوری‌های جدید مانند ChatGPT ایجاد کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
Healthcare Leaders Must Come Together to Mitigate ChatGPT Risks, Experts Urge
The healthcare sector has been notoriously slow to adopt new technologies in the past, but ChatGPT has already begun to enter the field. Technology experts at the HIMSS conference in Chicago said that while the AI model is certainly exciting, the healthcare…
🔺 چگونه فناوری می تواند از پزشکی خیابانی حمایت کند
دو کارشناس در کنفرانس HIMSS 2023 در شیکاگو گفتند که تلفن همراه یکی از بهترین ابزارهایی است که می‌توان برای مراقبت از افرادی که بی خانمانی را تجربه می‌کنند استفاده کرد.
آنتونی ویلانووا، یکی از اعضای هیئت مدیره فونچس، مدیر ارشد اطلاعات مرکز بهداشت و درمان محله دارای صلاحیت فدرال در نشویل، گفت که سازمان او همچنین از یک برنامه تلفن همراه برای مراقبت از افراد بی‌خانمان استفاده می‌کند. این امکان را به ارائه دهندگان می دهد تا بیماران را به صورت الکترونیکی ثبت کنند و همچنین دارای فناوری گفتار به متن است که یادداشت برداری را برای ارائه دهندگان آسان تر می کند. علاوه بر این، اگر بیمار به مراقبت از بالینی که آنجا نیست نیاز داشته باشد، ارائه‌دهنده‌ای که در آنجا حضور دارد می‌تواند برای ویزیت از راه دور که می‌تواند از طریق برنامه تلفن همراه انجام شود، اقدام کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
دو کارشناس در کنفرانس HIMSS 2023 در شیکاگو گفتند که تلفن همراه یکی از بهترین ابزارهایی است که می‌توان برای مراقبت از افرادی که بی خانمانی را تجربه می‌کنند استفاده کرد.
آنتونی ویلانووا، یکی از اعضای هیئت مدیره فونچس، مدیر ارشد اطلاعات مرکز بهداشت و درمان محله دارای صلاحیت فدرال در نشویل، گفت که سازمان او همچنین از یک برنامه تلفن همراه برای مراقبت از افراد بی‌خانمان استفاده می‌کند. این امکان را به ارائه دهندگان می دهد تا بیماران را به صورت الکترونیکی ثبت کنند و همچنین دارای فناوری گفتار به متن است که یادداشت برداری را برای ارائه دهندگان آسان تر می کند. علاوه بر این، اگر بیمار به مراقبت از بالینی که آنجا نیست نیاز داشته باشد، ارائه‌دهنده‌ای که در آنجا حضور دارد می‌تواند برای ویزیت از راه دور که می‌تواند از طریق برنامه تلفن همراه انجام شود، اقدام کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
How Technology Can Support Street Medicine
A cell phone is one of the best tools to have when caring for those experiencing homelessness, two experts said during a Tuesday panel at the HIMSS 2023 conference in Chicago.
🔺 آنچه استنفورد از یک رهبر فناوری شکست خورده آموخته است
بر اساس تحقیقات گروه Standish، حدود 70 درصد از رهبران فناوری اطلاعات بیمارستان ها شکست می خورند یا با چالش های بزرگی مواجه می شوند. اما بسیار نادر است که بیمارستان‌ها درباره این مشکلات صحبت کنند یا مطالعات مربوط به پیاده‌سازی‌هایی را که طبق برنامه پیش نرفت به اشتراک بگذارند.
دو رهبر پرستار با به اشتراک گذاشتن یک داستان جالب در جلسه پنج‌شنبه در کنفرانس سالانه HIMSS در شیکاگو، این روند را جبران کردند. مونیک لمبرت و نریسا آمبرز - هر دو از مدیران ارشد نوآوری پرستاری در انفورماتیک در مراقبت‌های بهداشتی استنفورد - استدلال کردند که شکست پروژه مایه شرمساری نیست زیرا می‌تواند به بیمارستان‌ها درس‌های ارزشمندی درباره آنچه برای پیشرفت ابتکارات فناوری در آینده نیاز دارند بیاموزد.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
بر اساس تحقیقات گروه Standish، حدود 70 درصد از رهبران فناوری اطلاعات بیمارستان ها شکست می خورند یا با چالش های بزرگی مواجه می شوند. اما بسیار نادر است که بیمارستان‌ها درباره این مشکلات صحبت کنند یا مطالعات مربوط به پیاده‌سازی‌هایی را که طبق برنامه پیش نرفت به اشتراک بگذارند.
دو رهبر پرستار با به اشتراک گذاشتن یک داستان جالب در جلسه پنج‌شنبه در کنفرانس سالانه HIMSS در شیکاگو، این روند را جبران کردند. مونیک لمبرت و نریسا آمبرز - هر دو از مدیران ارشد نوآوری پرستاری در انفورماتیک در مراقبت‌های بهداشتی استنفورد - استدلال کردند که شکست پروژه مایه شرمساری نیست زیرا می‌تواند به بیمارستان‌ها درس‌های ارزشمندی درباره آنچه برای پیشرفت ابتکارات فناوری در آینده نیاز دارند بیاموزد.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
Here’s What Stanford Learned From a Failed Tech Pilot
About 70% of hospital IT pilots fail or face major challenges, yet it's rare for hospitals to discuss these setbacks. At HIMSS23, two nursing informatics leaders argued that project failure is nothing to be ashamed of because it can teach hospitals valuable…
🔺فناوری درمان فیزیوتراپی را تغییر می‌دهد، اما ما همچنان به لمس انسانی نیاز داریم
با ترکیب مراقبت های خانگی و مجازی، می توانیم بیماران را به معنای واقعی کلمه در جایی که هستند ملاقات کنیم. مهم‌تر از آن، ما می‌توانیم نتایج را بهبود بخشیم، هزینه‌ها را کاهش دهیم و به بیماران کمک کنیم تا به زندگی عادی خود بازگردند و در عین حال به درمانگران انعطاف‌پذیری و فرصت ارائه مراقبت‌های سفارشی‌تر برای بیماران خود را بدهیم.
ارائه مراقبت، کمک به بیماران برای تغییر رفتار و مدیریت یک برنامه شلوغ، همیشه یک چالش برای فیزیوتراپیست ها (PTs) بوده است که منجر به فرسودگی شغلی و جابجایی زیاد می شود. متأسفانه، بسیاری از محدودیت‌های ایمنی در طول کووید-19 مانع از توانایی پزشکان برای کار مستقیم با بیماران شد. این ترکیبی از چالش‌ها برخی از مسائل سیستمیک در مورد نحوه ارائه درمان امروزه را برجسته می‌کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
با ترکیب مراقبت های خانگی و مجازی، می توانیم بیماران را به معنای واقعی کلمه در جایی که هستند ملاقات کنیم. مهم‌تر از آن، ما می‌توانیم نتایج را بهبود بخشیم، هزینه‌ها را کاهش دهیم و به بیماران کمک کنیم تا به زندگی عادی خود بازگردند و در عین حال به درمانگران انعطاف‌پذیری و فرصت ارائه مراقبت‌های سفارشی‌تر برای بیماران خود را بدهیم.
ارائه مراقبت، کمک به بیماران برای تغییر رفتار و مدیریت یک برنامه شلوغ، همیشه یک چالش برای فیزیوتراپیست ها (PTs) بوده است که منجر به فرسودگی شغلی و جابجایی زیاد می شود. متأسفانه، بسیاری از محدودیت‌های ایمنی در طول کووید-19 مانع از توانایی پزشکان برای کار مستقیم با بیماران شد. این ترکیبی از چالش‌ها برخی از مسائل سیستمیک در مورد نحوه ارائه درمان امروزه را برجسته می‌کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
Tech Is Changing Physical Therapy Treatment, but We Still Need a Human Touch
By combining in-home and virtual care, we can meet patients literally where they are. More importantly, we can improve outcomes, reduce costs and help patients get back to a normal life while giving therapists the flexibility and opportunity to provide more…
🔺تحقیقات Wysa نیاز به راه حل های دیجیتالی برای سلامت روان را برجسته می کند
تحقیقات جدید Wysa نشان داده است که نوجوانان ترجیح می‌دهند در مواقع بحران سلامت روان به TikTok مراجعه کنند تا اینکه با مشاور صحبت کنند و بر مقیاس بحران سلامت روان جوانان تأکید دارد.
به گفته Wysa، یک سرویس بهداشت روان «هوش عاطفی» مبتنی بر هوش مصنوعی، از هر ده نوجوان هشت نفر ادعا می‌کنند که از علائم سلامت روان رنج می‌برند، و از هر سه یک نفر حمایت حرفه‌ای برای افسردگی یا اضطراب را تضمین می‌کند. اگرچه بیش از نیمی از آنها به پشتیبانی دسترسی نداشته اند، 33 درصد می گویند که در کانال رسانه های اجتماعی TikTok به دنبال پاسخ بوده اند. فقط 21 درصد گفتند که از یک مشاور کمک گرفته اند.
اما تیلور، سرپرست CAMHS در Wysa، می‌گوید: «این تحقیق به وضوح به ما نشان می‌دهد که پشتیبانی درست زمانی که جوانان ما می‌خواهند در دسترس نیست. منابع به این معنی است که جوانانی که برای حمایت بالینی مراجعه می‌کنند، در ساعات خاصی از روز درمان محدود و محدود شده‌ای دارند – که ممکن است زمانی نباشد که بیشتر به کمک نیاز دارند. یک راه حل همیشه روشن و انعطاف پذیر که در لحظه نیاز به آنها کمک کند، ضروری است.
با توجه به اینکه تعداد قابل توجهی از جوانان در حال حاضر از تلفن های خود برای دسترسی به پشتیبانی استفاده می کنند، Wysa معتقد است که منابع معتبر بالینی باید در دستگاه ها در دسترس باشد تا از سلامت روان آنها حمایت شود.
🌐 ادامه خبر: digitalhealth
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
تحقیقات جدید Wysa نشان داده است که نوجوانان ترجیح می‌دهند در مواقع بحران سلامت روان به TikTok مراجعه کنند تا اینکه با مشاور صحبت کنند و بر مقیاس بحران سلامت روان جوانان تأکید دارد.
به گفته Wysa، یک سرویس بهداشت روان «هوش عاطفی» مبتنی بر هوش مصنوعی، از هر ده نوجوان هشت نفر ادعا می‌کنند که از علائم سلامت روان رنج می‌برند، و از هر سه یک نفر حمایت حرفه‌ای برای افسردگی یا اضطراب را تضمین می‌کند. اگرچه بیش از نیمی از آنها به پشتیبانی دسترسی نداشته اند، 33 درصد می گویند که در کانال رسانه های اجتماعی TikTok به دنبال پاسخ بوده اند. فقط 21 درصد گفتند که از یک مشاور کمک گرفته اند.
اما تیلور، سرپرست CAMHS در Wysa، می‌گوید: «این تحقیق به وضوح به ما نشان می‌دهد که پشتیبانی درست زمانی که جوانان ما می‌خواهند در دسترس نیست. منابع به این معنی است که جوانانی که برای حمایت بالینی مراجعه می‌کنند، در ساعات خاصی از روز درمان محدود و محدود شده‌ای دارند – که ممکن است زمانی نباشد که بیشتر به کمک نیاز دارند. یک راه حل همیشه روشن و انعطاف پذیر که در لحظه نیاز به آنها کمک کند، ضروری است.
با توجه به اینکه تعداد قابل توجهی از جوانان در حال حاضر از تلفن های خود برای دسترسی به پشتیبانی استفاده می کنند، Wysa معتقد است که منابع معتبر بالینی باید در دستگاه ها در دسترس باشد تا از سلامت روان آنها حمایت شود.
🌐 ادامه خبر: digitalhealth
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Digital Health
Wysa research highlights need for digital solutions for mental health
New research from Wysa has highlighted a need for more mental health support for teenagers, and suggested it should be accessible via their mobile phones.
🔺 یادگیری ماشینی ارزش دارد، اما هنوز فقط یک ابزار است
یادگیری ماشینی به عنوان راهی برای ارزیابی سریع مجموعه داده های بزرگ و پیچیده و دادن خواندن اولیه سریع به کاربران، مزایای آشکاری دارد. در برخی موارد، مدل‌های ML حتی می‌توانند ظرافت‌هایی را شناسایی کنند که انسان‌ها ممکن است متوجه آنها شوند، و یک مدل ML پایدار به طور مداوم و قابل تکرار نتایج مشابهی را ایجاد می‌کند که می‌تواند هم یک نقطه قوت و هم یک ضعف باشد.
یادگیری ماشینی همچنین می تواند بسیار دقیق باشد، با فرض اینکه داده های مورد استفاده برای آموزش مدل ML دقیق و معنادار باشد. مدل‌های تشخیص تصویر ML به طور گسترده در رادیولوژی با نتایج عالی استفاده می‌شوند و گاهی اوقات چیزهایی را که حتی آموزش‌دیده‌ترین چشم‌های انسان از دست می‌دهند، جلب می‌کنند.
این بدان معنا نیست که ML آماده است جایگزین قضاوت پزشکان شود یا شغل آنها را بپذیرد، اما نتایج تاکنون شواهد قانع کننده ای را ارائه می دهد که ML ممکن است به عنوان ابزاری برای تقویت قضاوت بالینی آنها ارزش داشته باشد.
این عامل انسانی همچنان مهم باقی خواهد ماند، زیرا مدل‌های ML حتی با به‌دست آوردن پیچیدگی، فاقد بینشی هستند که پزشکان طی سال‌ها تجربه ایجاد کرده‌اند. در نتیجه، تفاوت های ظریف در یک متغیر ممکن است باعث شود مدل چیزی مهم را از دست بدهد (منفی های کاذب)، یا چیزی را که مهم نیست (مثبت های کاذب) اغراق کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
یادگیری ماشینی به عنوان راهی برای ارزیابی سریع مجموعه داده های بزرگ و پیچیده و دادن خواندن اولیه سریع به کاربران، مزایای آشکاری دارد. در برخی موارد، مدل‌های ML حتی می‌توانند ظرافت‌هایی را شناسایی کنند که انسان‌ها ممکن است متوجه آنها شوند، و یک مدل ML پایدار به طور مداوم و قابل تکرار نتایج مشابهی را ایجاد می‌کند که می‌تواند هم یک نقطه قوت و هم یک ضعف باشد.
یادگیری ماشینی همچنین می تواند بسیار دقیق باشد، با فرض اینکه داده های مورد استفاده برای آموزش مدل ML دقیق و معنادار باشد. مدل‌های تشخیص تصویر ML به طور گسترده در رادیولوژی با نتایج عالی استفاده می‌شوند و گاهی اوقات چیزهایی را که حتی آموزش‌دیده‌ترین چشم‌های انسان از دست می‌دهند، جلب می‌کنند.
این بدان معنا نیست که ML آماده است جایگزین قضاوت پزشکان شود یا شغل آنها را بپذیرد، اما نتایج تاکنون شواهد قانع کننده ای را ارائه می دهد که ML ممکن است به عنوان ابزاری برای تقویت قضاوت بالینی آنها ارزش داشته باشد.
این عامل انسانی همچنان مهم باقی خواهد ماند، زیرا مدل‌های ML حتی با به‌دست آوردن پیچیدگی، فاقد بینشی هستند که پزشکان طی سال‌ها تجربه ایجاد کرده‌اند. در نتیجه، تفاوت های ظریف در یک متغیر ممکن است باعث شود مدل چیزی مهم را از دست بدهد (منفی های کاذب)، یا چیزی را که مهم نیست (مثبت های کاذب) اغراق کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
Machine Learning Has Value, but It’s Still Just a Tool
Image recognition ML models are being widely used in radiology with excellent results, sometimes catching things missed by even the most highly trained human eye. This doesn’t mean ML is ready to replace clinicians’ judgment or take their jobs, but results…
🔺مدرنا و آی‌بی‌ام محاسبات کوانتومی و هوش مصنوعی مولد برای مراقبت های بهداشتی همکاری می کنند
مدرنا در توسعه مهارت های محاسبات کوانتومی و کاوش در استفاده از محاسبات کوانتومی در توسعه داروهای mRNA آینده سرمایه گذاری می کند. توافق با IBM شامل سرمایه گذاری در هوش مصنوعی مولد برای بهبود طراحی محصول است.
آی‌بی‌ام مدرنا را با دسترسی به برخی از پیشرفته‌ترین قابلیت‌های محاسبات کوانتومی آی‌بی‌ام مجهز می‌کند. اینها از طریق برنامه شتابدهنده کوانتومی آی‌بی‌ام و شبکه کوانتومی، که توسط تخصص انسانی Big Blue در محاسبات علوم زیستی تقویت شده است، ارائه می‌شوند.
دانشمندان مدرنا در زمینه فناوری کوانتومی آموزش خواهند دید. بر اساس اعلامیه ای که در 21 آوریل منتشر شد، شرکت کنندگان از هر دو شرکت بر روی راه هایی کار خواهند کرد تا علم کامپیوتر رو به رشد را در مهم ترین چالش های علمی مدرنا اعمال کنند.
تیم های Moderna+IBM از مدل پایه هوش مصنوعی IBM به نام MoLFormer استفاده خواهند کرد. آی‌بی‌ام توضیح می‌دهد که این سیستم ساختار مولکول‌ها را از نمایش‌های ساده استنباط می‌کند و بررسی مولکول‌ها برای کاربردهای جدید یا ایجاد آنها را از ابتدا سریع‌تر و آسان‌تر می‌کند. این مدل ممکن است به کشف ویژگی‌های مرتبط با پروژه مولکول‌ها کمک کند و منجر به پیش‌بینی‌های آگاهانه درباره نحوه عملکرد داروهای mRNA بالقوه شود.
هدف این مشارکت، توسعه داروهای جدید mRNA است که ایمن، کارآمد و سودآور باشند. برای انجام این کار، آی‌بی‌ام و مدرنا فرآیندهای پیشرفته کشف دارو را با مولد و انواع دیگر هوش مصنوعی ترکیب خواهند کرد که برخی از آنها با محاسبات کوانتومی به کار خواهند رفت.
🌐 ادامه خبر: aiinhealthcare
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
مدرنا در توسعه مهارت های محاسبات کوانتومی و کاوش در استفاده از محاسبات کوانتومی در توسعه داروهای mRNA آینده سرمایه گذاری می کند. توافق با IBM شامل سرمایه گذاری در هوش مصنوعی مولد برای بهبود طراحی محصول است.
آی‌بی‌ام مدرنا را با دسترسی به برخی از پیشرفته‌ترین قابلیت‌های محاسبات کوانتومی آی‌بی‌ام مجهز می‌کند. اینها از طریق برنامه شتابدهنده کوانتومی آی‌بی‌ام و شبکه کوانتومی، که توسط تخصص انسانی Big Blue در محاسبات علوم زیستی تقویت شده است، ارائه می‌شوند.
دانشمندان مدرنا در زمینه فناوری کوانتومی آموزش خواهند دید. بر اساس اعلامیه ای که در 21 آوریل منتشر شد، شرکت کنندگان از هر دو شرکت بر روی راه هایی کار خواهند کرد تا علم کامپیوتر رو به رشد را در مهم ترین چالش های علمی مدرنا اعمال کنند.
تیم های Moderna+IBM از مدل پایه هوش مصنوعی IBM به نام MoLFormer استفاده خواهند کرد. آی‌بی‌ام توضیح می‌دهد که این سیستم ساختار مولکول‌ها را از نمایش‌های ساده استنباط می‌کند و بررسی مولکول‌ها برای کاربردهای جدید یا ایجاد آنها را از ابتدا سریع‌تر و آسان‌تر می‌کند. این مدل ممکن است به کشف ویژگی‌های مرتبط با پروژه مولکول‌ها کمک کند و منجر به پیش‌بینی‌های آگاهانه درباره نحوه عملکرد داروهای mRNA بالقوه شود.
هدف این مشارکت، توسعه داروهای جدید mRNA است که ایمن، کارآمد و سودآور باشند. برای انجام این کار، آی‌بی‌ام و مدرنا فرآیندهای پیشرفته کشف دارو را با مولد و انواع دیگر هوش مصنوعی ترکیب خواهند کرد که برخی از آنها با محاسبات کوانتومی به کار خواهند رفت.
🌐 ادامه خبر: aiinhealthcare
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
AI in Healthcare
Moderna throws in with IBM over quantum computing, generative AI for healthcare
Fresh off its success using AI to develop a blockbuster COVID vaccine, up-and-coming biotech player Moderna (founded 2010) has won the confidence of 112-year-old Big Blue as a strategic partner.
🔺شرکت 3M با AWS همکاری می کند تا از هوش مصنوعی برای اسناد بالینی استفاده کند
به گفته این شرکت، 3M با استفاده از خدمات ML و هوش مصنوعی، ارائه پلت فرم تشخیص گفتار بی‌درنگ خود را تسریع، اصلاح و مقیاس‌بندی می‌کند.
سیستم های اطلاعات سلامت 3M همکاری خود با خدمات وب آمازون (AWS) را برای سرعت بخشیدن به نوآوری و پیشرفت یادگیری ماشین هوش محیطی M*Modal و خدمات هوش مصنوعی مولد خود از جمله Amazon Bedrock، Amazon Comprehend Medical و Amazon Transcribe Medical اعلام کرده است.
بیش از 300000 پزشک با بیش از 250 پرونده الکترونیک سلامت سازگار، از M*Modal برای مستندات بالینی محیطی و سازگار با تشخیص گفتار در زمان واقعی استفاده می کنند.
هنگامی که در جریان کار بالینی قرار می گیرد، فناوری هوش مصنوعی می تواند به پزشکان کمک کند تا با خودکارسازی یادداشت های ساختاریافته در EHR بیشتر بر روی مراقبت مستقیم از بیمار تمرکز کنند. 3M می‌گوید استفاده از سرویس هوش مصنوعی مولد Amazon Bedrock، هوش مصنوعی مکالمه‌ای را برای انعطاف‌پذیری و قابلیت استفاده بیشتر برای کاربران نهایی مقیاس‌بندی و تسریع می‌کند.
🌐 ادامه خبر: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
به گفته این شرکت، 3M با استفاده از خدمات ML و هوش مصنوعی، ارائه پلت فرم تشخیص گفتار بی‌درنگ خود را تسریع، اصلاح و مقیاس‌بندی می‌کند.
سیستم های اطلاعات سلامت 3M همکاری خود با خدمات وب آمازون (AWS) را برای سرعت بخشیدن به نوآوری و پیشرفت یادگیری ماشین هوش محیطی M*Modal و خدمات هوش مصنوعی مولد خود از جمله Amazon Bedrock، Amazon Comprehend Medical و Amazon Transcribe Medical اعلام کرده است.
بیش از 300000 پزشک با بیش از 250 پرونده الکترونیک سلامت سازگار، از M*Modal برای مستندات بالینی محیطی و سازگار با تشخیص گفتار در زمان واقعی استفاده می کنند.
هنگامی که در جریان کار بالینی قرار می گیرد، فناوری هوش مصنوعی می تواند به پزشکان کمک کند تا با خودکارسازی یادداشت های ساختاریافته در EHR بیشتر بر روی مراقبت مستقیم از بیمار تمرکز کنند. 3M می‌گوید استفاده از سرویس هوش مصنوعی مولد Amazon Bedrock، هوش مصنوعی مکالمه‌ای را برای انعطاف‌پذیری و قابلیت استفاده بیشتر برای کاربران نهایی مقیاس‌بندی و تسریع می‌کند.
🌐 ادامه خبر: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Healthcare IT News
3M to partner with AWS to leverage AI for clinical documentation
By leveraging ML and artificial intelligence services, 3M will expedite, refine and scale the delivery of its real-time speech recognition platform, the company says.
🔺شرکت Salesforce ، نوآوری Patient 360 for Health را راه اندازی کرد
نوآوری‌های جدید CRM اتوماسیون مراقبت‌های بهداشتی، هوش شخصی‌سازی شده و تبادل داده‌های منطبق بلادرنگ را در Salesforce Health Cloud ارائه می‌کنند.
شرکت Salesforce راه اندازی نوآوری های جدید را به عنوان بخشی از محصول مدیریت ارتباط با مشتری خود اعلام کرد که با پرونده های سلامت الکترونیکی موجود کار می کند.
ابر سلامت Salesforce که برای ارائه‌دهندگان، شرکت‌های تجهیزات پزشکی و فناوری، پرداخت‌کنندگان و سازمان‌های داروخانه‌های تخصصی و سلامت عمومی است، با هدف ارائه دسترسی ایمن برای ابزارهای CRM سازمان مراقبت‌های بهداشتی برای تجزیه و تحلیل داده‌های بیمار برای ارتباطات شخصی‌سازی شده است. همچنین استخدام، گزارش دهی و ابزارهای دیگر را ارائه می دهد.
🌐 ادامه خبر: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
نوآوری‌های جدید CRM اتوماسیون مراقبت‌های بهداشتی، هوش شخصی‌سازی شده و تبادل داده‌های منطبق بلادرنگ را در Salesforce Health Cloud ارائه می‌کنند.
شرکت Salesforce راه اندازی نوآوری های جدید را به عنوان بخشی از محصول مدیریت ارتباط با مشتری خود اعلام کرد که با پرونده های سلامت الکترونیکی موجود کار می کند.
ابر سلامت Salesforce که برای ارائه‌دهندگان، شرکت‌های تجهیزات پزشکی و فناوری، پرداخت‌کنندگان و سازمان‌های داروخانه‌های تخصصی و سلامت عمومی است، با هدف ارائه دسترسی ایمن برای ابزارهای CRM سازمان مراقبت‌های بهداشتی برای تجزیه و تحلیل داده‌های بیمار برای ارتباطات شخصی‌سازی شده است. همچنین استخدام، گزارش دهی و ابزارهای دیگر را ارائه می دهد.
🌐 ادامه خبر: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Healthcare IT News
Salesforce launches Patient 360 for Health
The new CRM innovations offer healthcare automation, personalized intelligence and real-time industry-compliant data exchanges in the Salesforce Health Cloud.
🔺آمازون در HIMSS 2023 جدیدترین ویژگی های هوشمند الکسا را برای مراقبت های بهداشتی معرفی کرد
آمازون مجموعه جدیدی از ویژگی‌های هوشمند الکسا (ASP) را برای قابلیت‌های مراقبت بهداشتی معرفی کرد که برای بهبود تجربه بیمار و کارکنان پزشکی در بیمارستان‌ها طراحی شده است. امروزه، ASP مدیریت مجموعه ی دستگاه‌های دارای الکسا را برای امکانات برتر مراقبت‌های بهداشتی مانند سیستم سلامت BayCare، بیمارستان کودکان بوستون، و Hawaii Pacific Health ارائه می‌کند تا بار وظایف اداری را بر دوش کارکنان پزشکی کاهش دهد تا آنها بتوانند بر وظایف مهم مراقبت از بیمار تمرکز کنند. و همچنین کمک می کند تا بیماران مطلع، مرتبط، راحت و سرگرم شوند.
🌐 ادامه خبر: developer amazon
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
آمازون مجموعه جدیدی از ویژگی‌های هوشمند الکسا (ASP) را برای قابلیت‌های مراقبت بهداشتی معرفی کرد که برای بهبود تجربه بیمار و کارکنان پزشکی در بیمارستان‌ها طراحی شده است. امروزه، ASP مدیریت مجموعه ی دستگاه‌های دارای الکسا را برای امکانات برتر مراقبت‌های بهداشتی مانند سیستم سلامت BayCare، بیمارستان کودکان بوستون، و Hawaii Pacific Health ارائه می‌کند تا بار وظایف اداری را بر دوش کارکنان پزشکی کاهش دهد تا آنها بتوانند بر وظایف مهم مراقبت از بیمار تمرکز کنند. و همچنین کمک می کند تا بیماران مطلع، مرتبط، راحت و سرگرم شوند.
🌐 ادامه خبر: developer amazon
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Amazon
Amazon announces new Alexa Smart Properties for Healthcare features at HIMSS 2023
At HIMSS23, Amazon announced a new suite of Alexa Smart Properties (ASP) for Healthcare capabilities designed to improve the patient and medical staff experience at hospitals.
🔺شرکت نرم افزاری Epic برای ادغام GPT-4 در EHR با مایکروسافت همکاری می کند
تنها پنج ماه از راه اندازی ابزار زبان مولد OpenAI تحت حمایت مایکروسافت ChatGPT می گذرد و تنها یک ماه از انتشار GPT-4، آخرین نسخه از مدل هوش مصنوعی می گذرد. شرکت‌ها در سراسر جهان در حال استقرار این فناوری هستند و برای تعیین بهترین موارد استفاده از آن تلاش می‌کنند - و اکنون غول نرم‌افزار مراقبت‌های بهداشتی Epic با استفاده از خدمات OpenAI از ورود هوش مصنوعی مولد به مراقبت‌های بهداشتی استقبال می‌کند.
خدمات OpenAI مایکروسافت بخشی از پلتفرم هوش مصنوعی Azure آن است. اریک بوید، معاون شرکت پلتفرم هوش مصنوعی مایکروسافت، در مصاحبه‌ای گفت: این مدل‌های مولد هوش مصنوعی را می‌توان در موارد مختلف استفاده از زبان، از خلاصه‌سازی گرفته تا تولید محتوا و کد اعمال کرد.
مایکروسافت و اپیک در اعلامیه خود گفتند که هدف از این ادغام افزایش بهره وری ارائه دهندگان، کاهش بار اداری و بهبود مراقبت از طریق دادن زمان بیشتری به پزشکان برای صرف با بیماران است.
بوید توضیح داد: «ما هوش مصنوعی را به عنوان ابزاری برای کمک به تقویت و توانمندسازی ارائه‌دهندگان از طریق رساندن اتوماسیون به جریان‌های کاری پیچیده و کارهای روزمره، جمع‌آوری بینش‌های بیمار برای توانمندسازی پزشکان برای تصمیم‌گیری آگاهانه‌تر و کمک به حمایت از پزشکان در ارائه مراقبت‌های شخصی‌شده از بیمار استفاده می‌کند.
مایکروسافت و Epic قبلاً آزمایشی خدمات OpenAI را در چند سیستم بهداشتی از جمله UC San Diego Health، UW Health و Stanford Health Care آغاز کرده‌اند. این سیستم های بهداشتی شروع به استفاده از فناوری مایکروسافت برای پیش نویس خودکار پاسخ های پیام کرده اند.
به عنوان بخشی از مشارکت گسترده، مایکروسافت همچنین پرس و جوهای زبان طبیعی و ابزارهای تجزیه و تحلیل داده های تعاملی خود را به SlicerDicer، ابزار گزارش سلف سرویس Epic، ارائه خواهد کرد.
مایکروسافت امسال برای تقویت قابلیت‌های هوش مصنوعی پزشکی خود تلاش کرده است. ماه گذشته، Nuance که متعلق به مایکروسافت است، اعلام کرد که GPT-4 را در ابزار یادداشت برداری بالینی خود ادغام می کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
تنها پنج ماه از راه اندازی ابزار زبان مولد OpenAI تحت حمایت مایکروسافت ChatGPT می گذرد و تنها یک ماه از انتشار GPT-4، آخرین نسخه از مدل هوش مصنوعی می گذرد. شرکت‌ها در سراسر جهان در حال استقرار این فناوری هستند و برای تعیین بهترین موارد استفاده از آن تلاش می‌کنند - و اکنون غول نرم‌افزار مراقبت‌های بهداشتی Epic با استفاده از خدمات OpenAI از ورود هوش مصنوعی مولد به مراقبت‌های بهداشتی استقبال می‌کند.
خدمات OpenAI مایکروسافت بخشی از پلتفرم هوش مصنوعی Azure آن است. اریک بوید، معاون شرکت پلتفرم هوش مصنوعی مایکروسافت، در مصاحبه‌ای گفت: این مدل‌های مولد هوش مصنوعی را می‌توان در موارد مختلف استفاده از زبان، از خلاصه‌سازی گرفته تا تولید محتوا و کد اعمال کرد.
مایکروسافت و اپیک در اعلامیه خود گفتند که هدف از این ادغام افزایش بهره وری ارائه دهندگان، کاهش بار اداری و بهبود مراقبت از طریق دادن زمان بیشتری به پزشکان برای صرف با بیماران است.
بوید توضیح داد: «ما هوش مصنوعی را به عنوان ابزاری برای کمک به تقویت و توانمندسازی ارائه‌دهندگان از طریق رساندن اتوماسیون به جریان‌های کاری پیچیده و کارهای روزمره، جمع‌آوری بینش‌های بیمار برای توانمندسازی پزشکان برای تصمیم‌گیری آگاهانه‌تر و کمک به حمایت از پزشکان در ارائه مراقبت‌های شخصی‌شده از بیمار استفاده می‌کند.
مایکروسافت و Epic قبلاً آزمایشی خدمات OpenAI را در چند سیستم بهداشتی از جمله UC San Diego Health، UW Health و Stanford Health Care آغاز کرده‌اند. این سیستم های بهداشتی شروع به استفاده از فناوری مایکروسافت برای پیش نویس خودکار پاسخ های پیام کرده اند.
به عنوان بخشی از مشارکت گسترده، مایکروسافت همچنین پرس و جوهای زبان طبیعی و ابزارهای تجزیه و تحلیل داده های تعاملی خود را به SlicerDicer، ابزار گزارش سلف سرویس Epic، ارائه خواهد کرد.
مایکروسافت امسال برای تقویت قابلیت‌های هوش مصنوعی پزشکی خود تلاش کرده است. ماه گذشته، Nuance که متعلق به مایکروسافت است، اعلام کرد که GPT-4 را در ابزار یادداشت برداری بالینی خود ادغام می کند.
🌐 ادامه خبر: medcitynews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MedCity News
Epic to Integrate GPT-4 into Its EHR Through Expanded Microsoft Partnership
Epic is welcoming generative AI’s entrance into healthcare. The company is expanding its existing collaboration with Microsoft by integrating OpenAI services, such as GPT-4, into its EHR. The partners have already begun piloting OpenAI services at a few health…
🔺فیلیپس به نیروهای AWS می‌پیوندد تا Philips HealthSuite Imaging PACS را به فضای ابری بیاورد و ابزارهای مجهز به هوش مصنوعی را برای حمایت از پزشکان ارتقا دهد.
فیلیپس و خدمات وب آمازون (AWS)بر اساس روابط خود، هوش مصنوعی را در مراقبت‌های بهداشتی با استفاده از مدل‌های بنیادی با استفاده از Amazon Bedrock برای تسریع توسعه برنامه‌های هوش مصنوعی مولد مبتنی بر ابر که پشتیبانی از تصمیم‌گیری بالینی را ارائه می‌کنند، به تشخیص دقیق‌تر کمک می‌کنند و وظایف اداری را خودکار می‌کنند، توسعه خواهند داد.
در دسترس بودن Philips HealthSuite Imaging در AWS افزوده جدیدی به قابلیت‌های گسترده فیلیپس در انفورماتیک سازمانی است که سرعت دسترسی به تصویر، قابلیت اطمینان و هماهنگ‌سازی داده‌ها را برای رادیولوژیست‌ها و پزشکان در سراسر گردش کار تصویربرداری - از تشخیص تا انتخاب درمان، درمان و پیگیری. پزشکان می‌توانند از هر مکانی به آخرین نوآوری‌ها دسترسی داشته باشند، و سازمان‌های مراقبت‌های بهداشتی می‌توانند هزینه‌هایی را که قبلاً در سخت‌افزار داخلی یا مراکز داده برای میزبانی پلتفرم مدیریت تصویر خود سرمایه‌گذاری کرده‌اند، کاهش دهند.
فیلیپس می تواند به پزشکان کمک کند تا حجم کاری رو به رشد را در میان کمبود کارکنان مدیریت کنند و زمان تشخیص و درمان را سرعت بخشند و نتایج بیمار را افزایش دهند. Philips HealthSuite Imaging از Amazon HealthLake Imaging برای افزایش مقیاس، ارائه زمان سریع به اولین تصویر، امکان استفاده مجدد آسان از تصاویر برای یادگیری ماشینی و تحقیق و کاهش هزینه های تصویربرداری پزشکی استفاده می کند.
فیلیپس همچنین از Amazon Bedrock به عنوان بخشی از تلاش‌های خود برای توسعه برنامه‌های هوش مصنوعی مولد برای پیشبرد قابلیت‌های پردازش تصویر PACS و ساده‌سازی گردش کار بالینی و تشخیص صدا استفاده خواهد کرد. Amazon Bedrock فیلیپس را قادر می‌سازد تا برنامه‌های مبتنی بر یادگیری ماشین را به سرعت توسعه دهد و هزینه‌های توسعه مدل را در مقابل ساخت مدل‌های بنیادی (FM) از ابتدا کاهش دهد یا چندین تلاش برای توسعه مدل‌های ویژه کار را انجام دهد.
🌐 ادامه خبر: philips
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
فیلیپس و خدمات وب آمازون (AWS)بر اساس روابط خود، هوش مصنوعی را در مراقبت‌های بهداشتی با استفاده از مدل‌های بنیادی با استفاده از Amazon Bedrock برای تسریع توسعه برنامه‌های هوش مصنوعی مولد مبتنی بر ابر که پشتیبانی از تصمیم‌گیری بالینی را ارائه می‌کنند، به تشخیص دقیق‌تر کمک می‌کنند و وظایف اداری را خودکار می‌کنند، توسعه خواهند داد.
در دسترس بودن Philips HealthSuite Imaging در AWS افزوده جدیدی به قابلیت‌های گسترده فیلیپس در انفورماتیک سازمانی است که سرعت دسترسی به تصویر، قابلیت اطمینان و هماهنگ‌سازی داده‌ها را برای رادیولوژیست‌ها و پزشکان در سراسر گردش کار تصویربرداری - از تشخیص تا انتخاب درمان، درمان و پیگیری. پزشکان می‌توانند از هر مکانی به آخرین نوآوری‌ها دسترسی داشته باشند، و سازمان‌های مراقبت‌های بهداشتی می‌توانند هزینه‌هایی را که قبلاً در سخت‌افزار داخلی یا مراکز داده برای میزبانی پلتفرم مدیریت تصویر خود سرمایه‌گذاری کرده‌اند، کاهش دهند.
فیلیپس می تواند به پزشکان کمک کند تا حجم کاری رو به رشد را در میان کمبود کارکنان مدیریت کنند و زمان تشخیص و درمان را سرعت بخشند و نتایج بیمار را افزایش دهند. Philips HealthSuite Imaging از Amazon HealthLake Imaging برای افزایش مقیاس، ارائه زمان سریع به اولین تصویر، امکان استفاده مجدد آسان از تصاویر برای یادگیری ماشینی و تحقیق و کاهش هزینه های تصویربرداری پزشکی استفاده می کند.
فیلیپس همچنین از Amazon Bedrock به عنوان بخشی از تلاش‌های خود برای توسعه برنامه‌های هوش مصنوعی مولد برای پیشبرد قابلیت‌های پردازش تصویر PACS و ساده‌سازی گردش کار بالینی و تشخیص صدا استفاده خواهد کرد. Amazon Bedrock فیلیپس را قادر می‌سازد تا برنامه‌های مبتنی بر یادگیری ماشین را به سرعت توسعه دهد و هزینه‌های توسعه مدل را در مقابل ساخت مدل‌های بنیادی (FM) از ابتدا کاهش دهد یا چندین تلاش برای توسعه مدل‌های ویژه کار را انجام دهد.
🌐 ادامه خبر: philips
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Philips
Philips joins forces with AWS to bring Philips HealthSuite Imaging PACS to the cloud and advance AI-enabled tools in support of…
Philips joins forces with AWS to bring Philips HealthSuite Imaging PACS to the cloud and advance AI-enabled tools in support of clinicians.
🔺یک برنامه جدید چرخه خواب کارکنان شیفت در گردش بیمارستان ها را شخصی سازی می کند
محققان موسسه ترنر برای مغز و سلامت روانی دانشگاه موناش یک اپلیکیشن موبایلی ساخته اند که به شخصی سازی چرخه خواب و بیداری کارکنان شیفت در گردش بیمارستان کمک می کند.
اپلیکیشنی که SleepSync نام دارد، با در نظر گرفتن تقویم کاری و تعهدات شخصی و ثبت روزانه زمان واقعی خواب/بیداری و خلق و خو، یک چرخه خواب و بیداری را به طور کامل برای یک کاربر اختصاص می دهد. این توصیه‌های بیولوژیکی برای زمان‌بندی خواب براساس تقویم آنها، مانند شیفت‌های کاری و فعالیت‌های شخصی مهم ارائه می‌کند.
همچنین بر اساس میزان پایبندی کاربر به زمان های خواب توصیه شده، «امتیاز بازیابی» را ارائه می دهد.
این اپلیکیشن در یک دوره دو هفته‌ای توسط ۲۷ کارمند شیفت در گردش بیمارستان که اکثراً پرستاران مراقبت‌های ویژه و اورژانس در معرض خطر بالای بی‌خوابی و خواب‌آلودگی هستند، آزمایش شد.
یافته‌های این مطالعه نشان داد که از هر 10 شرکت‌کننده هفت نفر راحت‌تر به خواب رفته‌اند و بیش از 80 درصد پس از استفاده از این اپلیکیشن خواب با کیفیت‌تری داشتند. همچنین نشان داده شد که شرکت کنندگان به طور متوسط هر شب 29 دقیقه بیشتر می خوابیدند.
علاوه بر این، 67 درصد از شرکت کنندگان به تأثیر SleepSync بر رفتار و عادات خود اشاره کردند در حالی که 82 درصد دریافتند که این برنامه به راحتی در زندگی روزمره خود گنجانده می شود.
🌐 ادامه خبر: mobihealthnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
محققان موسسه ترنر برای مغز و سلامت روانی دانشگاه موناش یک اپلیکیشن موبایلی ساخته اند که به شخصی سازی چرخه خواب و بیداری کارکنان شیفت در گردش بیمارستان کمک می کند.
اپلیکیشنی که SleepSync نام دارد، با در نظر گرفتن تقویم کاری و تعهدات شخصی و ثبت روزانه زمان واقعی خواب/بیداری و خلق و خو، یک چرخه خواب و بیداری را به طور کامل برای یک کاربر اختصاص می دهد. این توصیه‌های بیولوژیکی برای زمان‌بندی خواب براساس تقویم آنها، مانند شیفت‌های کاری و فعالیت‌های شخصی مهم ارائه می‌کند.
همچنین بر اساس میزان پایبندی کاربر به زمان های خواب توصیه شده، «امتیاز بازیابی» را ارائه می دهد.
این اپلیکیشن در یک دوره دو هفته‌ای توسط ۲۷ کارمند شیفت در گردش بیمارستان که اکثراً پرستاران مراقبت‌های ویژه و اورژانس در معرض خطر بالای بی‌خوابی و خواب‌آلودگی هستند، آزمایش شد.
یافته‌های این مطالعه نشان داد که از هر 10 شرکت‌کننده هفت نفر راحت‌تر به خواب رفته‌اند و بیش از 80 درصد پس از استفاده از این اپلیکیشن خواب با کیفیت‌تری داشتند. همچنین نشان داده شد که شرکت کنندگان به طور متوسط هر شب 29 دقیقه بیشتر می خوابیدند.
علاوه بر این، 67 درصد از شرکت کنندگان به تأثیر SleepSync بر رفتار و عادات خود اشاره کردند در حالی که 82 درصد دریافتند که این برنامه به راحتی در زندگی روزمره خود گنجانده می شود.
🌐 ادامه خبر: mobihealthnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
MobiHealthNews
New app personalises sleep cycle for hospital shift workers
It provides recommendations for sleep timing based on their work and personal calendar and records of sleep/wake times and mood.
🔺بیمارستان دانشگاه ملی سئول آزمایشگاه فعال را برای ترویج تشخیص زودهنگام اوتیسم افتتاح کرد
بیمارستان دانشگاه ملی سئول در کره جنوبی یک آزمایشگاه فعال افتتاح کرده است که هدف آن ترویج تشخیص زودهنگام و درمان شخصی اختلال طیف اوتیسم است.
این آزمایشگاه که از چهار فضا تشکیل شده است: اتاق تعامل، اتاق ردیابی نگاه، اتاق مشاهده و اتاق مشاوره خانواده، داده‌های سلامتی زنده از کودکان مبتلا به اوتیسم مانند صدا، زبان و نگاه را جمع‌آوری می‌کند.
این داده ها برای توسعه مدل های هوش مصنوعی برای تشخیص زودهنگام و درمان شخصی اوتیسم استفاده خواهد شد.
🔺بیمارستان دانشگاه ملی سئول (SNUH) همچنین اخیراً همکاری با مؤسسه تحقیقات بیومدیکال موگام را برای ایجاد پایگاه دانش بیماری های نادر با استفاده از هوش مصنوعی اعلام کرده است.
بر اساس بیانیه مطبوعاتی، پایگاه دانش به جمع آوری و تفسیر اطلاعات در مورد علل، علائم و ژنتیک بیماری های نادر برای تشخیص و درمان کمک می کند.
مؤسسه موگام الگوریتم های هوش مصنوعی را برای ایجاد پایگاه دانش مذکور توسعه خواهد داد در حالی که SNUH داده های موجود را بررسی خواهد کرد.
🔺بیمارستان دانشگاه پزشکی سایتاما در حال تحقیق برای تایید AI برای تشخیص میگرن
بیمارستان دانشگاه پزشکی سایتاما در ژاپن با شرکت مراقبت های بهداشتی مستقر در ایالات متحده هوش مصنوعی Healint برای انجام اولین مطالعه بالینی جهان در زمینه تشخیص سردرد هوش مصنوعی همکاری کرده است.
بر اساس بیانیه مطبوعاتی، این مطالعه با هدف اعتبارسنجی هوش مصنوعی در اپلیکیشن Healint's Migraine Buddy برای تشخیص الگوهای میگرن انجام شده است.
🌐 منبع اخبار: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
بیمارستان دانشگاه ملی سئول در کره جنوبی یک آزمایشگاه فعال افتتاح کرده است که هدف آن ترویج تشخیص زودهنگام و درمان شخصی اختلال طیف اوتیسم است.
این آزمایشگاه که از چهار فضا تشکیل شده است: اتاق تعامل، اتاق ردیابی نگاه، اتاق مشاهده و اتاق مشاوره خانواده، داده‌های سلامتی زنده از کودکان مبتلا به اوتیسم مانند صدا، زبان و نگاه را جمع‌آوری می‌کند.
این داده ها برای توسعه مدل های هوش مصنوعی برای تشخیص زودهنگام و درمان شخصی اوتیسم استفاده خواهد شد.
🔺بیمارستان دانشگاه ملی سئول (SNUH) همچنین اخیراً همکاری با مؤسسه تحقیقات بیومدیکال موگام را برای ایجاد پایگاه دانش بیماری های نادر با استفاده از هوش مصنوعی اعلام کرده است.
بر اساس بیانیه مطبوعاتی، پایگاه دانش به جمع آوری و تفسیر اطلاعات در مورد علل، علائم و ژنتیک بیماری های نادر برای تشخیص و درمان کمک می کند.
مؤسسه موگام الگوریتم های هوش مصنوعی را برای ایجاد پایگاه دانش مذکور توسعه خواهد داد در حالی که SNUH داده های موجود را بررسی خواهد کرد.
🔺بیمارستان دانشگاه پزشکی سایتاما در حال تحقیق برای تایید AI برای تشخیص میگرن
بیمارستان دانشگاه پزشکی سایتاما در ژاپن با شرکت مراقبت های بهداشتی مستقر در ایالات متحده هوش مصنوعی Healint برای انجام اولین مطالعه بالینی جهان در زمینه تشخیص سردرد هوش مصنوعی همکاری کرده است.
بر اساس بیانیه مطبوعاتی، این مطالعه با هدف اعتبارسنجی هوش مصنوعی در اپلیکیشن Healint's Migraine Buddy برای تشخیص الگوهای میگرن انجام شده است.
🌐 منبع اخبار: healthcareitnews
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
Healthcare IT News
Roundup: Seoul National University Hospital promotes AI-powered early
Also, Aster DM Healthcare has opened a telemedicine command and digital health centre in India.
🔺روش جدید یادگیری ماشینی، زمان بندی ساعت بدن را برای بهبود تصمیمات خواب و سلامتی پیش بینی می کند
این تحقیق که توسط دانشگاه Surrey و دانشگاه گرونینگن انجام شده است، از یک برنامه یادگیری ماشینی برای تجزیه و تحلیل متابولیت‌های خون برای پیش‌بینی زمان سیستم زمان‌بندی شبانه‌روزی داخلی ما استفاده کرد.
تا به امروز، روش استاندارد برای تعیین زمان‌بندی سیستم شبانه‌روزی، اندازه‌گیری زمان‌بندی ریتم طبیعی ملاتونین است، به‌ویژه زمانی که شروع به تولید ملاتونین می‌کنیم که به عنوان شروع ملاتونین کم نور (DLMO) شناخته می‌شود.
پروفسور دبرا اسکن، یکی از نویسندگان این مطالعه از دانشگاه Surrey، گفت:
"پس از گرفتن دو نمونه خون از شرکت کنندگان، روش ما قادر به پیش بینی DLMO افراد با دقتی قابل مقایسه یا بهتر از روش های تخمین مزاحم قبلی بود."
تیم تحقیقاتی یک سری زمانی نمونه خون از 24 فرد - 12 مرد و 12 زن - جمع آوری کردند. همه شرکت‌کنندگان سالم بودند، سیگار نمی‌کشیدند و هفت روز قبل از بازدید از مرکز تحقیقات بالینی دانشگاه، برنامه‌های خواب منظمی داشتند. سپس تیم تحقیقاتی بیش از 130 ریتم متابولیت را با استفاده از رویکرد متابولومیک هدفمند اندازه گیری کردند. سپس این داده های متابولیت در یک برنامه یادگیری ماشینی برای پیش بینی زمان شبانه روزی استفاده شد.
🌐 ادامه خبر:sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
این تحقیق که توسط دانشگاه Surrey و دانشگاه گرونینگن انجام شده است، از یک برنامه یادگیری ماشینی برای تجزیه و تحلیل متابولیت‌های خون برای پیش‌بینی زمان سیستم زمان‌بندی شبانه‌روزی داخلی ما استفاده کرد.
تا به امروز، روش استاندارد برای تعیین زمان‌بندی سیستم شبانه‌روزی، اندازه‌گیری زمان‌بندی ریتم طبیعی ملاتونین است، به‌ویژه زمانی که شروع به تولید ملاتونین می‌کنیم که به عنوان شروع ملاتونین کم نور (DLMO) شناخته می‌شود.
پروفسور دبرا اسکن، یکی از نویسندگان این مطالعه از دانشگاه Surrey، گفت:
"پس از گرفتن دو نمونه خون از شرکت کنندگان، روش ما قادر به پیش بینی DLMO افراد با دقتی قابل مقایسه یا بهتر از روش های تخمین مزاحم قبلی بود."
تیم تحقیقاتی یک سری زمانی نمونه خون از 24 فرد - 12 مرد و 12 زن - جمع آوری کردند. همه شرکت‌کنندگان سالم بودند، سیگار نمی‌کشیدند و هفت روز قبل از بازدید از مرکز تحقیقات بالینی دانشگاه، برنامه‌های خواب منظمی داشتند. سپس تیم تحقیقاتی بیش از 130 ریتم متابولیت را با استفاده از رویکرد متابولومیک هدفمند اندازه گیری کردند. سپس این داده های متابولیت در یک برنامه یادگیری ماشینی برای پیش بینی زمان شبانه روزی استفاده شد.
🌐 ادامه خبر:sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
New machine-learning method predicts body clock timing to improve sleep and health decisions
A new machine-learning method could help us gauge the time of our internal body clock, helping us all make better health decisions, including when and how long to sleep.
🔺ابزار جدید تفسیر بالینی اطلاعات ژنتیکی را تسهیل می کند
در سال های اخیر، تعیین توالی ژنومی ارزان تر و پیشرفته تر شده است. از یک طرف، این به پزشکان اجازه می دهد تا به طور فزاینده ای از توالی یابی برای اهداف تشخیصی استفاده کنند و در عین حال به دانشمندان اجازه می دهد تا فرضیه های تحقیقاتی بیشتری را بررسی کنند. از سوی دیگر، بسیاری از جهش های شناسایی شده تفسیر بالینی روشنی ندارند. عدم اطمینان در مورد اینکه آیا جهش باعث بیماری می شود یا خیر، می تواند برای بیماران استرس زا باشد و منجر به بار روانی، عوارض و هزینه های مراقبت های بهداشتی مرتبط با تشخیص کم و بیش از حد شود. در حالی که ابزارهای موجود در حال حاضر برای پیش‌بینی تأثیر عملکردی این گونه‌ها استفاده می‌شوند، عملکرد آنها به دلیل داده‌های بالینی محدودی که تمایز بین گونه‌های بیماری‌زا (بیماری‌زا) و خوش‌خیم (خنثی) در یک ژن خاص را دشوار می‌کند و اغلب منجر به طبقه‌بندی اشتباه می‌شود، مغرضانه است. جهش هایی که به عنوان بیماری زا باعث بیماری نمی شوند. پرداختن به این مشکلات برای ایجاد یک پیش بینی قابل اعتماد برای کاربردهای بالینی بسیار مهم است.
محققان موسسه زیست‌شناسی سلولی مولکولی و ژنتیک ماکس پلانک (MPI-CBG) در درسدن، مرکز زیست‌شناسی سیستمی درسدن (CSBD) در آلمان و دانشکده پزشکی هاروارد در بوستون، ایالات متحده، ابزاری به نام رمزگشایی جهش‌ها در Actionable Genes (DeMAG) منتشر شده در مجله Nature Communications. DeMAG یک وب سرور منبع باز (demag .org) است که تفسیری از اثرات تمام جهش‌های اسید آمینه بالقوه می‌تواند در 316 ژن مرتبط بالینی رخ دهد که باعث بیماری‌هایی می‌شوند که تشخیص‌ها و درمان‌های پیشگیرانه برای آنها از قبل در دسترس است. DeMAG ابزاری را در اختیار متخصصان پزشکی قرار می دهد که به آنها امکان می دهد تا با کاهش نرخ مثبت کاذب، تأثیر جهش در آن ژن ها را با دقت بیشتری ارزیابی کنند، به این معنی که جهش های کمتر خوش خیم به عنوان بیماری زا پیش بینی می شوند. در نتیجه، این ابزار می تواند از تصمیم گیری بالینی پشتیبانی کند.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
در سال های اخیر، تعیین توالی ژنومی ارزان تر و پیشرفته تر شده است. از یک طرف، این به پزشکان اجازه می دهد تا به طور فزاینده ای از توالی یابی برای اهداف تشخیصی استفاده کنند و در عین حال به دانشمندان اجازه می دهد تا فرضیه های تحقیقاتی بیشتری را بررسی کنند. از سوی دیگر، بسیاری از جهش های شناسایی شده تفسیر بالینی روشنی ندارند. عدم اطمینان در مورد اینکه آیا جهش باعث بیماری می شود یا خیر، می تواند برای بیماران استرس زا باشد و منجر به بار روانی، عوارض و هزینه های مراقبت های بهداشتی مرتبط با تشخیص کم و بیش از حد شود. در حالی که ابزارهای موجود در حال حاضر برای پیش‌بینی تأثیر عملکردی این گونه‌ها استفاده می‌شوند، عملکرد آنها به دلیل داده‌های بالینی محدودی که تمایز بین گونه‌های بیماری‌زا (بیماری‌زا) و خوش‌خیم (خنثی) در یک ژن خاص را دشوار می‌کند و اغلب منجر به طبقه‌بندی اشتباه می‌شود، مغرضانه است. جهش هایی که به عنوان بیماری زا باعث بیماری نمی شوند. پرداختن به این مشکلات برای ایجاد یک پیش بینی قابل اعتماد برای کاربردهای بالینی بسیار مهم است.
محققان موسسه زیست‌شناسی سلولی مولکولی و ژنتیک ماکس پلانک (MPI-CBG) در درسدن، مرکز زیست‌شناسی سیستمی درسدن (CSBD) در آلمان و دانشکده پزشکی هاروارد در بوستون، ایالات متحده، ابزاری به نام رمزگشایی جهش‌ها در Actionable Genes (DeMAG) منتشر شده در مجله Nature Communications. DeMAG یک وب سرور منبع باز (demag .org) است که تفسیری از اثرات تمام جهش‌های اسید آمینه بالقوه می‌تواند در 316 ژن مرتبط بالینی رخ دهد که باعث بیماری‌هایی می‌شوند که تشخیص‌ها و درمان‌های پیشگیرانه برای آنها از قبل در دسترس است. DeMAG ابزاری را در اختیار متخصصان پزشکی قرار می دهد که به آنها امکان می دهد تا با کاهش نرخ مثبت کاذب، تأثیر جهش در آن ژن ها را با دقت بیشتری ارزیابی کنند، به این معنی که جهش های کمتر خوش خیم به عنوان بیماری زا پیش بینی می شوند. در نتیجه، این ابزار می تواند از تصمیم گیری بالینی پشتیبانی کند.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
New tool facilitates clinical interpretation of genetic information
Despite the increasing use of genomic sequencing in clinical practice, interpreting rare genetic mutations, even among well-studied disease genes, remains difficult. Current predictive models are useful for interpreting those mutations, but they are prone…
🔺آیا هوش مصنوعی jack of-all trades می تواند پزشکی را تغییر دهد؟
بیشتر مدل‌های هوش مصنوعی پزشکی که امروزه مورد استفاده قرار می‌گیرند، برای انجام یک یا دو وظیفه خاص آموزش دیده‌اند و کاربرد محدودی دارند. هوش مصنوعی نسل بعدی - به نام هوش مصنوعی پزشکی عمومی - انواع مختلفی از داده ها را برای انجام انواع وظایف پیچیده در طیف وسیعی از سناریوهای بالینی ترکیب می کند. هوش مصنوعی پزشکی عمومی می‌تواند با تقویت تصمیم‌گیری بالینی، پشتیبانی فوری جراحی و کنار بالین و موارد دیگر، پزشکی را تغییر دهد.
اکثریت قریب به اتفاق مدل‌های هوش مصنوعی که امروزه در پزشکی مورد استفاده قرار می‌گیرند، «دارای تخصص محدود» هستند که برای انجام یک یا دو کار آموزش دیده‌اند، مانند اسکن ماموگرافی برای نشانه‌های سرطان سینه یا تشخیص بیماری ریه در عکس قفسه سینه.
اما کیس های روزمره پزشکی شامل مجموعه بی پایانی از سناریوهای بالینی، ارائه علائم، تشخیص های احتمالی و معماهای درمانی است. پراناو راجپورکار، استادیار انفورماتیک زیست پزشکی در موسسه بلاواتنیک در HMS می گوید، اگر هوش مصنوعی به وعده خود برای تغییر شکل مراقبت های بالینی عمل کند، باید این پیچیدگی پزشکی را منعکس کند و این کار را با وفاداری بالا انجام دهد.
راجپورکار توضیح داد که مشابه پزشکان عمومی پزشکی، مدل‌های هوش مصنوعی پزشکی عمومی می‌توانند انواع داده‌های متعددی مانند اسکن ام‌آر‌آی، اشعه ایکس، نتایج آزمایش خون، متون پزشکی و آزمایش ژنومی را برای انجام طیف وسیعی از وظایف، از ساختن، ادغام کنند. فراخوان های تشخیصی پیچیده برای حمایت از تصمیمات بالینی برای انتخاب درمان بهینه. و آنها را می توان در تنظیمات مختلف، از اتاق معاینه گرفته تا بخش بیمارستان، مجموعه روش های GI سرپایی تا اتاق عمل قلب، مستقر کرد.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
بیشتر مدل‌های هوش مصنوعی پزشکی که امروزه مورد استفاده قرار می‌گیرند، برای انجام یک یا دو وظیفه خاص آموزش دیده‌اند و کاربرد محدودی دارند. هوش مصنوعی نسل بعدی - به نام هوش مصنوعی پزشکی عمومی - انواع مختلفی از داده ها را برای انجام انواع وظایف پیچیده در طیف وسیعی از سناریوهای بالینی ترکیب می کند. هوش مصنوعی پزشکی عمومی می‌تواند با تقویت تصمیم‌گیری بالینی، پشتیبانی فوری جراحی و کنار بالین و موارد دیگر، پزشکی را تغییر دهد.
اکثریت قریب به اتفاق مدل‌های هوش مصنوعی که امروزه در پزشکی مورد استفاده قرار می‌گیرند، «دارای تخصص محدود» هستند که برای انجام یک یا دو کار آموزش دیده‌اند، مانند اسکن ماموگرافی برای نشانه‌های سرطان سینه یا تشخیص بیماری ریه در عکس قفسه سینه.
اما کیس های روزمره پزشکی شامل مجموعه بی پایانی از سناریوهای بالینی، ارائه علائم، تشخیص های احتمالی و معماهای درمانی است. پراناو راجپورکار، استادیار انفورماتیک زیست پزشکی در موسسه بلاواتنیک در HMS می گوید، اگر هوش مصنوعی به وعده خود برای تغییر شکل مراقبت های بالینی عمل کند، باید این پیچیدگی پزشکی را منعکس کند و این کار را با وفاداری بالا انجام دهد.
راجپورکار توضیح داد که مشابه پزشکان عمومی پزشکی، مدل‌های هوش مصنوعی پزشکی عمومی می‌توانند انواع داده‌های متعددی مانند اسکن ام‌آر‌آی، اشعه ایکس، نتایج آزمایش خون، متون پزشکی و آزمایش ژنومی را برای انجام طیف وسیعی از وظایف، از ساختن، ادغام کنند. فراخوان های تشخیصی پیچیده برای حمایت از تصمیمات بالینی برای انتخاب درمان بهینه. و آنها را می توان در تنظیمات مختلف، از اتاق معاینه گرفته تا بخش بیمارستان، مجموعه روش های GI سرپایی تا اتاق عمل قلب، مستقر کرد.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
Can jack-of-all-trades AI reshape medicine?
Most medical AI models in use today are trained to perform one or two specific tasks and have limited utility. Next-generation AI -- called generalist medical AI -- incorporates various types of data to perform a variety of complex tasks in a range of clinical…
🔺یک آزمایش کاغذی ساده می تواند تشخیص زودهنگام سرطان را ارائه دهد
مهندسان MIT یک حسگر نانوذرات جدید طراحی کرده‌اند که می‌تواند تشخیص زودهنگام سرطان را با یک آزمایش ساده ادرار امکان‌پذیر کند. این حسگرها که می‌توانند بسیاری از پروتئین‌های سرطانی مختلف را شناسایی کنند، همچنین می‌توانند برای تشخیص نوع تومور یا نحوه پاسخ آن به درمان استفاده شوند.
نانوذرات به گونه‌ای طراحی شده‌اند که وقتی با یک تومور مواجه می‌شوند، توالی‌های کوتاهی از DNA را که در ادرار دفع می‌شود، جذب می‌کنند. تجزیه و تحلیل این "بارکد" DNA می تواند ویژگی های متمایز تومور یک بیمار خاص را آشکار کند. محققان آزمایش خود را به گونه‌ای طراحی کردند که بتوان آن را با استفاده از یک نوار کاغذ مشابه آزمایش کووید در خانه انجام داد، که امیدوارند بتواند آن را مقرون به صرفه و در دسترس هر چه بیشتر بیماران قرار دهد.
این نوع آزمایش می تواند نه تنها برای تشخیص سرطان، بلکه برای اندازه گیری میزان واکنش تومور بیمار به درمان و اینکه آیا پس از درمان عود کرده است یا خیر، مورد استفاده قرار گیرد. محققان اکنون در حال کار بر روی توسعه بیشتر این ذرات با هدف آزمایش آنها در انسان هستند. Glympse Bio، شرکتی که توسط Bhatia تاسیس شده است، آزمایشات بالینی فاز 1 نسخه قبلی ذرات تشخیصی ادرار را انجام داده و آنها را در بیماران بی خطر تشخیص داده است.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
مهندسان MIT یک حسگر نانوذرات جدید طراحی کرده‌اند که می‌تواند تشخیص زودهنگام سرطان را با یک آزمایش ساده ادرار امکان‌پذیر کند. این حسگرها که می‌توانند بسیاری از پروتئین‌های سرطانی مختلف را شناسایی کنند، همچنین می‌توانند برای تشخیص نوع تومور یا نحوه پاسخ آن به درمان استفاده شوند.
نانوذرات به گونه‌ای طراحی شده‌اند که وقتی با یک تومور مواجه می‌شوند، توالی‌های کوتاهی از DNA را که در ادرار دفع می‌شود، جذب می‌کنند. تجزیه و تحلیل این "بارکد" DNA می تواند ویژگی های متمایز تومور یک بیمار خاص را آشکار کند. محققان آزمایش خود را به گونه‌ای طراحی کردند که بتوان آن را با استفاده از یک نوار کاغذ مشابه آزمایش کووید در خانه انجام داد، که امیدوارند بتواند آن را مقرون به صرفه و در دسترس هر چه بیشتر بیماران قرار دهد.
این نوع آزمایش می تواند نه تنها برای تشخیص سرطان، بلکه برای اندازه گیری میزان واکنش تومور بیمار به درمان و اینکه آیا پس از درمان عود کرده است یا خیر، مورد استفاده قرار گیرد. محققان اکنون در حال کار بر روی توسعه بیشتر این ذرات با هدف آزمایش آنها در انسان هستند. Glympse Bio، شرکتی که توسط Bhatia تاسیس شده است، آزمایشات بالینی فاز 1 نسخه قبلی ذرات تشخیصی ادرار را انجام داده و آنها را در بیماران بی خطر تشخیص داده است.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
A simple paper test could offer early cancer diagnosis
Engineers designed a nanoparticle sensor that could enable early diagnosis of cancer with a simple urine test. The sensors, which can detect many cancerous proteins, could also be used to distinguish the type of a tumor or how it is responding to treatment.
🔺چسب پوشیدنی می تواند داروها را بدون درد از طریق پوست منتقل کند
پوست مسیری جذاب برای تحویل دارو است زیرا به داروها اجازه می‌دهد مستقیماً به محل مورد نیاز بروند، که می‌تواند برای بهبود زخم، تسکین درد یا سایر کاربردهای پزشکی و آرایشی مفید باشد. با این حال، انتقال دارو از طریق پوست دشوار است، زیرا لایه بیرونی سخت از عبور بیشتر مولکول‌های کوچک از آن جلوگیری می‌کند.
محققان MIT به امید اینکه بتوانند داروها را از طریق پوست آسان‌تر کنند، پچ پوشیدنی ایجاد کرده‌اند که امواج اولتراسونیک بدون درد را روی پوست اعمال می‌کند و کانال‌های کوچکی را ایجاد می‌کند که داروها می‌توانند از آن عبور کنند. به گفته محققان، این رویکرد می‌تواند خود را به ارائه درمان‌هایی برای انواع بیماری‌های پوستی کمک کند و همچنین می‌تواند برای ارائه هورمون‌ها، شل‌کننده‌های عضلانی و سایر داروها سازگار شود.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
پوست مسیری جذاب برای تحویل دارو است زیرا به داروها اجازه می‌دهد مستقیماً به محل مورد نیاز بروند، که می‌تواند برای بهبود زخم، تسکین درد یا سایر کاربردهای پزشکی و آرایشی مفید باشد. با این حال، انتقال دارو از طریق پوست دشوار است، زیرا لایه بیرونی سخت از عبور بیشتر مولکول‌های کوچک از آن جلوگیری می‌کند.
محققان MIT به امید اینکه بتوانند داروها را از طریق پوست آسان‌تر کنند، پچ پوشیدنی ایجاد کرده‌اند که امواج اولتراسونیک بدون درد را روی پوست اعمال می‌کند و کانال‌های کوچکی را ایجاد می‌کند که داروها می‌توانند از آن عبور کنند. به گفته محققان، این رویکرد می‌تواند خود را به ارائه درمان‌هایی برای انواع بیماری‌های پوستی کمک کند و همچنین می‌تواند برای ارائه هورمون‌ها، شل‌کننده‌های عضلانی و سایر داروها سازگار شود.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
Wearable patch can painlessly deliver drugs through the skin
A wearable patch applies painless ultrasonic waves to the skin, creating tiny channels that drugs can pass through.
🔺اکنون می توانید در پوست الکترونیکی خود راحت باشید
محققان یک کاغذ نانوالیاف سلولزی (نانوکاغذ) طراحی کرده اند که می تواند به عنوان بستری برای الکترونیک روی پوست استفاده شود. ساختار متخلخل نانوکاغذ به این معنی است که می تواند به اندازه کافی برای انتقال سیگنال موثر به پوست منطبق و به پوست بچسبد و اجازه می دهد رطوبت برای تنفس و راحتی از آن عبور کند. امید است که به زودی بتوان از این نانوکاغذ برای به دست آوردن داده های الکتروفیزیولوژیکی مانند ECG در کلینیک استفاده کرد.
ایده جمع آوری بی سیم اطلاعات الکتریکی از بدن از طریق پوست جدید نیست. با این حال، ماده الکترود ایده آل باید فهرست قابل توجهی از معیارها را برآورده کند تا یک کاندید واقعی برای استفاده در بیماران باشد. محققان دانشگاه اوزاکا یک بستر الکترود مشتق شده از چوب طراحی کرده اند که به نظر می رسد تمام معیارها را علامت گذاری می کند و یافته های آنها اخیراً در Advanced Materials Interfaces منتشر شده است.
الکترودهای مورد نیاز برای لوازم الکترونیکی روی پوست توسط یک ماده زیرلایه پشتیبانی می شود که تماس موثری با پوست برقرار می کند. انتخاب یک بستر مستلزم در نظر گرفتن عوامل متعددی است: آیا پوشیدن آن انعطاف‌پذیر و راحت است، اما همچنان بادوام است؟ آیا می توان بستر را استریل کرد تا بتوان از آن دوباره استفاده کرد؟ آیا به خوبی به پوست می چسبد و به پوست اجازه تنفس می دهد؟ آیا بستر برای تولید و دفع آن از نظر زیست محیطی پایدار است؟
بنابراین یافتن یک نامزد دشوار است، اما محققان اوزاکا معتقدند که امیدوارکننده‌ترین مورد را تا به امروز طراحی کرده‌اند. مواد مبتنی بر سلولز آنها اساساً کاغذی است که از نانوالیاف ریز تشکیل شده است و نام نانوکاغذ e-skin را به آن داده است و این شکاف بین الیاف است که اندازه آنها قابل کنترل است که به بستر آنها حاشیه می دهد.
به محض خیس شدن، نانوکاغذ به دلیل اثر آب موجود در منافذ به پوست می‌چسبد و می‌توانست 100 چرخه تغییر شکل روی بدن را با حفظ عملکرد خود تحمل کند. نانوکاغذ را می‌توان در دمای بالا نیز استریل کرد.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
محققان یک کاغذ نانوالیاف سلولزی (نانوکاغذ) طراحی کرده اند که می تواند به عنوان بستری برای الکترونیک روی پوست استفاده شود. ساختار متخلخل نانوکاغذ به این معنی است که می تواند به اندازه کافی برای انتقال سیگنال موثر به پوست منطبق و به پوست بچسبد و اجازه می دهد رطوبت برای تنفس و راحتی از آن عبور کند. امید است که به زودی بتوان از این نانوکاغذ برای به دست آوردن داده های الکتروفیزیولوژیکی مانند ECG در کلینیک استفاده کرد.
ایده جمع آوری بی سیم اطلاعات الکتریکی از بدن از طریق پوست جدید نیست. با این حال، ماده الکترود ایده آل باید فهرست قابل توجهی از معیارها را برآورده کند تا یک کاندید واقعی برای استفاده در بیماران باشد. محققان دانشگاه اوزاکا یک بستر الکترود مشتق شده از چوب طراحی کرده اند که به نظر می رسد تمام معیارها را علامت گذاری می کند و یافته های آنها اخیراً در Advanced Materials Interfaces منتشر شده است.
الکترودهای مورد نیاز برای لوازم الکترونیکی روی پوست توسط یک ماده زیرلایه پشتیبانی می شود که تماس موثری با پوست برقرار می کند. انتخاب یک بستر مستلزم در نظر گرفتن عوامل متعددی است: آیا پوشیدن آن انعطاف‌پذیر و راحت است، اما همچنان بادوام است؟ آیا می توان بستر را استریل کرد تا بتوان از آن دوباره استفاده کرد؟ آیا به خوبی به پوست می چسبد و به پوست اجازه تنفس می دهد؟ آیا بستر برای تولید و دفع آن از نظر زیست محیطی پایدار است؟
بنابراین یافتن یک نامزد دشوار است، اما محققان اوزاکا معتقدند که امیدوارکننده‌ترین مورد را تا به امروز طراحی کرده‌اند. مواد مبتنی بر سلولز آنها اساساً کاغذی است که از نانوالیاف ریز تشکیل شده است و نام نانوکاغذ e-skin را به آن داده است و این شکاف بین الیاف است که اندازه آنها قابل کنترل است که به بستر آنها حاشیه می دهد.
به محض خیس شدن، نانوکاغذ به دلیل اثر آب موجود در منافذ به پوست می‌چسبد و می‌توانست 100 چرخه تغییر شکل روی بدن را با حفظ عملکرد خود تحمل کند. نانوکاغذ را می‌توان در دمای بالا نیز استریل کرد.
🌐 ادامه خبر: sciencedaily
#خبرخوان
#انجمن_فناوری_اطلاعات_سلامت
ScienceDaily
Now you can be comfortable in your e-skin
Researchers have designed a cellulose nanofiber paper (nanopaper) that can be used as a substrate for on-skin electronics. The porous structure of the nanopaper means that it can conform and adhere to the skin well enough for effective signal transfer and…