Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

智能问答助手、3D可视化展示,腾讯医典“黑科技”助力科普更有温度

创新科技与医学科普的融合,将带来什么样的变化?5月21-23日,腾讯全球数字生态大会在云南昆明举办。在智慧医疗专场,腾讯医典正式发布其在医学科普领域的两大前沿探索:智能问答助手,借助系统化医学知识图谱和深度语义分析,满足患者及家属精准化、个性化的信息获取诉求;3D可视化展示,让复杂、专业的医学知识更为人们所知、所感,提高医患沟通效率,以科技创新助力科普更有温度。

智能问答助手,打通资讯获取“最后一公里”

近年来,互联网快速普及为医学科普提供了发展土壤,也让医学科普成为了医疗卫生大体系前端环节的有效补充。企鹅智酷调查显示,39%的用户在患病时会先在网上搜索。与此同时,医学科普在走过常识辟谣、常见病浅层信息两个阶段后,正步入“深水区”——向重疾、罕见病的体系化、深度科普延伸。

腾讯医疗资讯产品中心总监佟婧现场分享:助力智慧医学科普体系构建“我们发现,虽然用户对于医学资讯的学习和了解的诉求很强。但由于存在认知壁垒,现有的搜索界面下,用户很难高效获取其想要了解的科普知识。” 腾讯医疗资讯产品中心总监佟婧在腾讯全球数字生态大会上分享道,“一方面,很多用户无法准确、具体地描述所遇到的问题。另一方面,现有的大多数搜索平台都是基于关键词匹配,缺乏对用户真实意图的判断,‘答非所问’情况时有发生。比如,当用户询问某种情况下‘该怎么办’时,搜索出的却是‘怎么回事’相关信息。”

为了打通用户获取资讯的“最后一公里”,腾讯医典团队便开始了将人工智能技术应用于医学科普的探索,并已上线肺癌、乳腺癌智能问答助手。“智能问答助手的开发主要包含两部分:第一,基于深度语义分析信息抽取技术构建医学问答知识库;第二,基于自然语言处理深度学习技术,准确判断用户意图,通过追问,引导用户补充有效信息,提供精准回答。”佟婧介绍道。

腾讯医典智能问答助手界面例如,在肺癌词条页,当用户询问“基因检测阳性如何治疗”时,智能问答助手会提供肺癌患者基因突变类型相关知识,并进一步追问“患者为阳性的是哪种基因”,再根据患者的回复,提供相应的回答。此外,智能问答助手还会将与用户提问相关度较高的内容均附在回复中,极大地提升了用户获取资讯的效率。

佟婧同时提到,智能问答助手满足用户个性化信息诉求的背后,是腾讯医典深度、系统化医学知识的深厚积累。早在成立之初,腾讯医典便确立了深耕疾病类专业深度科普内容的定位,与大众健康资讯类平台相区隔。

从海量数据AI分析,患者、医生深度访谈进行内容规划,到聚合国内外优质医学资源实现内容生产和多重审校,再到基于用户数据反馈不断进行内容迭代,腾讯医典已探索出疾病全周期专业科普的实现路径。以腾讯医典肿瘤篇为例,目前已囊括肺癌、乳腺癌、宫颈癌等15个癌种,总上线文章达8400余篇,平均每个病种对应文章500余篇。

3D可视化展示,助力提升医患沟通效率

触达用户后,如何让复杂的疾病知识更为用户所知、所感,这也是腾讯医典团队一直在思索的问题。除了图文并茂,如漫画、视频等呈现形式,基于医学知识的特性,腾讯医典还在国内率先开启了将3D人体可视化模型应用于患者端科普的尝试。

“我们在访谈中,一位用户曾提到,医生说让我做乳腺活体检查,但我不知道那是什么,听其他病人描述很可怕,他们要抽出什么、对我的身体有没有伤害,我完全没有概念,所以也不敢做。”佟婧说。“于是,我们的设计团队在制作医学插画、视频过程中,就在思考是否可以通过3D可视化技术,帮助患者更好地理解这些操作原理,消除顾虑。”

据佟婧介绍,团队开发的3D可视化技术主要包含三个层级的展示——宏观层级,人体及内部器官;微观层级,器官内部;以及分子层级,细胞和更小成分展示,辅以场景设计、动画讲解。目前该装置主要通过客户端触屏操控,在大屏幕端进行展示,未来计划嫁接在腾讯医典产品端内,还将探索医学影像还原、手术流程模拟等前沿科技,为用户提供高效、直观、可视的信息表达方式。

“3D可视化的价值在于连接,通过运行可视的医学内容,将患者与医生连接起来,让复杂专业的医疗信息能被更多人查看、理解,甚至操作和模拟,拉近普通人与艰深难懂医学知识之间的距离。我们希望通过科技创新,助力医学科普更有温度,缓解信息不对称,为患者和家属在诊疗过程中,带来切实的温暖和帮助。”佟婧说。

产业腾讯智能问答助手3D
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

语义分析技术

语义分析是编译过程的一个逻辑阶段, 语义分析的任务是对结构上正确的源程序进行上下文有关性质的审查,进行类型审查。语义分析是审查源程序有无语义错误,为代码生成阶段收集类型信息。比如语义分析的一个工作是进行类型审查,审查每个算符是否具有语言规范允许的运算对象,当不符合语言规范时,编译程序应报告错误。如有的编译程序要对实数用作数组下标的情况报告错误。又比如某些程序规定运算对象可被强制,那么当二目运算施于一整型和一实型对象时,编译程序应将整型转换为实型而不能认为是源程序的错误。

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

信息抽取技术

信息/数据抽取是指从非结构化或半结构化文档中提取结构化信息的技术。信息抽取有两部分:命名实体识别(目标是识别和分类真实世界里的知名实体)和关系提取(目标是提取实体之间的语义关系)。概率模型/分类器可以帮助实现这些任务。

腾讯机构

腾讯,1998年11月诞生于中国深圳,是一家以互联网为基础的科技与文化公司。我们的使命是“通过互联网服务提升人类生活品质”。腾讯秉承着 “一切以用户价值为依归”的经营理念,为亿万网民提供优质的互联网综合服务。 腾讯的战略目标是“连接一切”,我们长期致力于社交平台与数字内容两大核心业务:一方面通过微信与QQ等社交平台,实现人与人、服务及设备的智慧连接;另一方面为数以亿计的用户提供优质的新闻、视频、游戏、音乐、文学、动漫、影业等数字内容产品及相关服务。我们还积极推动金融科技的发展,通过普及移动支付等技术能力,为智慧交通、智慧零售、智慧城市等领域提供有力支持。

http://www.tencent.com/
相关技术
推荐文章
暂无评论
暂无评论~