I følge departementet for industri og informasjonsteknologi (MIIT), som talte på en pressekonferanse angående implementeringen av «15. fem-årsplanen», vil utviklingen av kunstig intelligens (AI)-applikasjoner i sektoren for medisinsk utstyr fokusere på flere nøkkelområder. På applikasjonsnivå er det lagt vekt på å identifisere praktiske brukstilfeller, destillere scenarier med høy-verdi på tvers av ulike sektorer, og å utforske en ny dyrkingsmodell preget av "én industri, ett veikart" og "ett scenario, en profil." Spesielle initiativer vil bli lansert for å dyrke applikasjonstjenesteleverandører og introdusere bransjeløsninger som er lette, lave-koster og enkle å implementere. På tilbudssiden vil det bli gitt støtte til utvikling av produkter som intelligent medisinsk utstyr. Når det gjelder sikkerhet og styring, vil innsatsen fokusere på å overvåke AI-sikkerhetsrisikoer, etablere og effektivt bruke en database for AI-produktsikkerhetssårbarheter, og kontinuerlig fremme nøkkelteknologier som modellalgoritmesikkerhet og verdijustering.
Kjerneapplikasjoner er konsentrert innen felt som AI-assistert medisinsk bildediagnose, prediksjon av sykdomsrisiko, kirurgisk navigasjon og robotassisterte-prosedyrer. På maskinvarenivå krever AI-teknologi dyp integrasjon med medisinsk utstyr; for eksempel, innebygging av algoritmer i medisinsk bildebehandlingsutstyr som CT-skannere og ultralydmaskiner muliggjør ende-til-ende automatisering-som spenner over intelligent pasientposisjonering og automatisk skanning til assistert diagnose. AI driver utviklingen av medisinske roboter fra program-kontrollerte systemer til de som er i stand til intelligent kontroll og autonom beslutningstaking-ved å forbedre deres persepsjon, interaksjon, beslutnings-og utførelsesevner. For eksempel, i oral kirurgi, kan multifunksjonelle kirurgiske roboter forbedre presisjonen av tannimplantatprosedyrer fra omtrent 2 millimeter til innenfor 0,3 millimeter. Innenfor kontinuerlig glukoseovervåking (CGM) har produktene nå proprietære AI-agenter spesialisert på diabetesbehandling; disse integrerer CGM med funksjoner som AI-interaksjon, diettgjenkjenning, fluktuasjonsanalyse og trendvarsler for å lette administrasjonen og tolkningen av helsedata.
Når det gjelder diagnostisering og behandling av hjernesykdommer, har selskaper utviklet ende-to-end AI--assisterte løsninger som adresserer tilstander som intrakraniell blødning, intrakranielle aneurismer, hjernesvulster og nevrodegenerative sykdommer; disse produktene dekker hele kjeden av screening, diagnose og behandling.
