Wpływ pandemii COVID-19 na rozwój sztucznej inteligencji w medycynie

• Autorzy: Świącik Roksana

Warianty tytułu

EN

The impact of the COVID-19 pandemic on the development of artificial intelligence in medicine

• Języki publikacji: PL

Abstrakty

PL

Pandemia wywołana koronawirusem SARS-CoV-2 wymusiła na osobach pracujących w sektorze medycznym zmianę organizacji codziennej pracy. Rozprzestrzenianie się choroby zakaźnej COVID-19 okazało się być kamieniem milowym postępu cyfryzacji systemu opieki zdrowotnej. Wprowadzenie urządzeń oraz oprogramowań opartych o sztuczną inteligencję i uczenie maszynowe rozpoczęło usprawniać wykonywanie obowiązków zawodowych personelu medycznego, walczącego o zdrowie i życie ludzkie. Przewrotnie sformułowanie „sztuczna inteligencja” znane jest nie od dziś, początki tego terminu datuje się na lata 50. XX wieku. Pierwsze urządzenie wykorzystujące AI zostało zarejestrowane w 1995 r. przez amerykańską Agencję Żywności i Leków. Można zaobserwować wzrost zastosowania urządzeń z wykorzystaniem sztucznej inteligencji na przestrzeni lat, z podkreśleniem wpływu czasu pandemii COVID-19 na jej znaczny rozwój.

EN

The pandemic caused by the SARS-CoV-2 coronavirus has forced people working in the medical sector, a change in the organization of daily work. The spread of the infectious disease COVID-19 turned out to be a milestone in the progress of the digitization of the healthcare system. Introduction of devices and software based on artificial intelligence and machine learning began to improve the performance of professional duties of medical personnel fighting for human health and life. Perversely, the term “artificial intelligence” has been known for a long time, the origins of this term date back to the 50s of the twentieth century. First registered device by the U.S. Food Administration and Medicines, using AI was registered in 1995. There has been an increase in the use of devices using artificial intelligence over the years, the impact of the COVID-19 pandemic on its significant development.

Słowa kluczowe

PL

sztuczna inteligencja; uczenie maszynowe; Covid-19; pandemia; medycyna

EN

AI; machine learning; Covid-19; pandemic; medicine

• Wydawca: Indygo Zahir Media
• Czasopismo: Inżynier i Fizyk Medyczny
• Rocznik: 2024
• Tom: Vol. 13, nr 6
• Strony: 591--593
• Opis fizyczny: Bibliogr. 11 poz., rys., wykr.

Twórcy

autor

Świącik Roksana

• Zakład Medycyny Nuklearnej, Centrum Onkologii im. prof. Franciszka Łukaszczyka w Bydgoszczy, ul. dr Izabeli Romanowskiej 2, 85-796 Bydgoszcz

Bibliografia

• 1. M.D. Aldhoayan: The Role of Artificial Intelligence and Machine Learning During the Covid-19 Pandemic: A Review, Adv Inform Manag Technol Healthc [Internet]. IOS Press; 2022 [cited 2024 Sep 4]. p. 28–32. Available from: https://ebooks.iospress.nl/doi/10.3233/SHTI220651.
• 2. S. Kooraki, M. Hosseiny, E.M. Velez, A. Gupta, R. Gilkeson, S.S. Raman, et al.: COVID-19 pandemic revisited: lessons the radiology community has learned a year later, Emerg Radiol., 28, 2021, 1083-1086.
• 3. R. Hirani, K. Noruzi, H. Khuram, A.S. Hussaini, E.I. Aifuwa, K.E. Ely, et al.: Artificial Intelligence and Healthcare: A Journey through History, Present Innovations, and Future Possibilities, Life, 14, 2024, 557.
• 4. G.F.V. Anda: Telemedicine, a new front in the COVID-19 pandemic, Gac Med Mex., 158, 2022, 1-2.
• 5. R. Hamamoto, K. Suvarna, M. Yamada, K. Kobayashi, N. Shinkai, M. Miyake, et al.: Application of Artificial Intelligence Technology in Oncology: Towards the Establishment of Precision Medicine, Cancers, 12, 2020, 3532.
• 6. J. Schmidhuber: Deep learning in neural networks: an overview, Neural Netw Off J Int Neural Netw Soc., 61, 2015, 85-117.
• 7. G. Chartrand, P.M. Cheng, E. Vorontsov, M. Drozdzal, S. Turcotte, C.J. Pal, et al.: Deep Learning: A Primer for Radiologists, Radiogr Rev Publ Radiol Soc N Am Inc., 37, 2017, 2113-2131.
• 8. E. Kotter, E. Ranschaert: Challenges and solutions for introducing artificial intelligence (AI) in daily clinical workflow, Eur Radiol., 31 2021, 5-7.
• 9. M.L. Richardson, E.R. Garwood, Y. Lee, M.D. Li, H.S. Lo, A. Nagaraju, et al.: Noninterpretive Uses of Artificial Intelligence in Radiology, Acad Radiol., 28, 2021, 1225-1235.
• 10. R. Kowski: Kongres radiologiczny, Inż Fiz Med [Internet]. 2020 [cited 2024 Jul 25]; 9. Available from: http://yadda.icm.edu.pl/baztech/element/bwmeta1.element.baztech-1ac6f500-9cca-4285-88a7-060eb1adf0fd.
• 11. A.P. Brady, B. Allen, J. Chong, E. Kotter, N. Kottler, J. Mongan, et al.: Developing, purchasing, implementing and monitoring AI tools in radiology: practical considerations. A multi-society statement from the ACR, CAR, ESR, RANZCR & RSNA, Insights Imaging, 15, 2024, 16.