在AI驱动的CRM世界中，人性化接触为何依然重要
【编者按】 AI技术正重塑客户体验的边界，效率与温度如何兼得？本文揭示了自动化服务的双面性：精准触达的背后，潜藏着情感联结缺失的隐忧。当企业拥抱技术革新时，更需警惕算法对人性化交互的消解——真正的智能服务，应是机器效率与人文关怀的合奏，而非替代。 AI在客户体验中的双刃剑 AI正在改变企业理解和接触客户的方式。现代CRM和营销自动化平台现在配备了内置AI功能，可以分析行为模式、检测购买意图，并大规模自动化个性化触达。这种效率水平推动了更快的服务并减少了运营摩擦。客户从即时答案和无缝流程中受益。但这也带来了风险：缺乏同理心的自动化。 “自动化系统如果缺乏监督，可能会忽略细微差别或无法解读情感语调。过度依赖AI可能让互动感觉冷漠和交易化，侵蚀推动客户保留的信任和情感联系。” 拥有十多年CRM创新经验，我发现任何类型的自动化在放大人类判断而非取代它时效果最佳。深思熟虑部署AI的企业设计的工作流程中，技术支持同理心，而不是与之竞争。数据也支持这一点。 构建AI驱动的CRM策略而不失去信任 AI正在重新定义客户关系管理的含义。除了数据组织，CRM正在演变为可以呈现可操作见解并预测未来结果的智能平台。以下是领先组织如何利用AI实现更智能、以信任为中心的参与： – 预测性收入智能：AI驱动的评分模型识别哪些潜在客户最有可能成交，帮助团队专注于最高价值的机会 – 情感和意图分析：自然语言处理工具分析沟通中的语调、情感和紧迫性，帮助团队以同理心和精确度回应 – 自动化健康警报：机器学习模型可以根据低参与度或负面情感信号识别风险客户，在流失发生前实现主动触达 “透明度是关键。客户必须知道他们何时在与AI互动，并在必要时有明确途径获得人工支持。信任不是通过隐藏自动化建立的，而是通过使其成为人工主导服务的已知、无缝延伸。” 设计自动化增强人类价值的工作流程 自动化永远不应取代人类技能，但它可以而且应该消除阻碍人类发挥最佳工作状态的摩擦。AI擅长常规和重复性任务，如总结电子邮件、安排跟进或更新交易阶段。人类擅长同理心、问题解决和战略洞察。 在高绩效的客户体验组织中，这两种力量协同工作。例如： – AI聊天机器人可以处理常见问题或在将潜在客户转接给现场销售代表之前收集背景信息，减少响应时间，同时让销售人员专注于高价值机会 – 营销团队可以自动化数据捕获和潜在客户评分，同时专注于创意活动、关系建立和定制提案 “最佳工作流程围绕一个简单规则构建：自动化不需要同理心的部分，在需要同理心的地方投入人力。” 领导者还需要投资于跨团队的AI素养。培训员工理解AI如何呈现见解以及如何据此采取行动，确保采用不会让人感到威胁，而是赋能。 客户体验的未来：AI增强的人类同理心 客户体验的演变取决于保持平衡——数据与同理心、速度与真诚。AI将继续减少手动工作量并加速响应能力，但同理心将始终是保持客户忠诚度的差异化因素。领导者不仅必须决定自动化什么，还要有意识地定义什么应该保持人工。 “最终，AI可以让你更快，但同理心让你令人难忘。掌握两者的组织将引领客户体验的下一个时代——在这个时代，技术不会取代人性，而是使其大规模实现。” 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年11月11日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【爱尔兰都柏林】对话式计算平台预测报告2025：到2034年市场规模将达1071.6亿美元，受消息应用机器人和语音虚拟助手在客户服务中采用率上升推动
【编者按】 对话式计算平台正迎来爆发式增长。最新报告显示，该市场预计将以31%的年复合增长率持续扩张，十年内规模将突破千亿美元。从智能客服到语音助手，人机自然交互正在重塑商业生态。这片蓝海蕴藏着怎样的机遇与挑战？让我们共同关注这一改变人机交互范式的技术浪潮。 市场概况 都柏林，2025年11月4日（环球新闻通讯社）——”对话式计算平台市场报告与预测2025-2034″报告已添加到ResearchAndMarkets.com的产品库中。 全球对话式计算平台市场规模在2024年达到72亿美元。预计该市场在2025年至2034年间将以31.00%的复合年增长率增长，到2034年将达到近1071.6亿美元。 技术定义 对话式计算涉及用户使用语音命令与计算机程序进行通信。聊天机器人是最常见的对话式计算类型之一。在技术支持、购物和旅行安排预订方面，聊天机器人在客户服务中越来越普遍。亚马逊的Alexa、微软的Cortana和苹果的Siri都是在移动设备上响应语音命令的自动化助手的几个例子。 “对话式计算平台市场的机遇包括客户服务中对聊天机器人需求的增长、语音助手使用范围的扩大以及北美和亚太等关键地区的增长。亚马逊、谷歌和微软等公司推动创新，增强了市场增长潜力。” 增长驱动因素 各种消息应用程序中聊天机器人使用量的增加，以及语音助手使用量的增长，正在推动行业增长。预计该行业还将得到多家公司在其移动和网络平台上提供的自动化客户服务或聊天机器人增长的支持。 竞争格局 该报告对全球对话式计算平台市场的以下主要参与者进行了详细分析，考察了他们的能力、竞争格局以及最新发展，如产能扩张、工厂检修以及并购活动。 关键属性 报告属性： 页数：167 预测期：2025-2034 2025年估计市场价值：72亿美元 2034年预测市场价值：1071.6亿美元 复合年增长率：31.0% 覆盖区域：全球 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年11月04日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81人工智能在癌症领域的应用：应用、挑战与未来展望
【编者按】 人工智能正以前所未有的速度重塑肿瘤学研究范式。从深度学习算法突破到海量医疗数据应用，AI技术正在癌症预防、诊断和治疗各环节展现出变革性潜力。本期专题聚焦人工智能在肿瘤学领域的前沿应用，既呈现AI技术在解析复杂生物机制、提升临床决策精度方面的突破性成果，也深入探讨其规模化应用面临的伦理规范与技术挑战。这场医学与人工智能的深度交融，正在为精准医疗开启全新可能。 摘要 “人工智能正在迅速改变肿瘤学研究的格局，推动个性化临床干预措施的进步。在三个相互关联领域的进展——包括AI模型训练方法和算法的开发、专用计算硬件的演进，以及对大量癌症数据（如影像学、基因组学和临床信息）获取的增加——已经汇聚在一起，催生了AI在癌症研究中前景广阔的新应用。” 人工智能应用根据特定癌症类型和临床领域进行系统组织，涵盖生物机制的阐明和预测、临床数据模式的识别和利用以改善患者预后，以及流行病学、行为学和真实世界数据集中固有复杂性的解析。当以符合伦理和科学严谨的方式应用时，这些AI驱动的方法有望加速癌症研究的进展，并最终促进所有人群健康结局的改善。我们回顾了展示AI在肿瘤学中整合的实例，重点介绍了深度学习熟练应对曾被认为不可逾越挑战的案例，同时讨论了促进这些技术更广泛采用必须克服的障碍。 引言 癌症仍然是全球主要的死亡原因[1]。预测估计到2050年将有约3500万病例[2]。这一惊人的增长凸显了加速癌症研究和治疗策略开发的紧迫性。 在过去十年中，由于先进深度学习算法的出现、计算硬件的显著进步以及用于临床决策的数据快速增长[3,4,5]，医学领域对人工智能整合的兴趣重新燃起并日益增长。此外，其在肿瘤学中的应用展现出显著且不断扩大的潜力，涵盖基础科学追求（如蛋白质折叠预测[6,7]）、转化计划（如生物标志物发现[8,9]）以及临床试验组织和管理的临床进展[10,11]。 在本综述中，我们旨在全面概述AI在肿瘤学领域的现状和不断发展的格局。我们首先总结主要类型的AI模型和输入数据模态来展开讨论。接下来，我们回顾AI在六个关键领域的最新进展，包括癌症筛查和诊断、精准治疗、癌症监测、药物发现、医疗保健服务以及癌症机制。最后，我们重点介绍了阻碍AI广泛临床整合的主要障碍，并提出了战略性的、可操作的方法来促进这一快速发展领域的未来创新。 AI模型和数据模态 “人工智能使系统能够从数据中学习、识别模式并做出决策[12]。在肿瘤学中，AI使用多样化的数据模态，包括医学影像、基因组学和临床记录，以应对复杂挑战[13]。” AI模型的选择取决于数据类型和临床目标[3]。结构化数据如基因组生物标志物和实验室值通常使用经典机器学习模型进行分析，包括逻辑回归和集成方法，用于生存预测或治疗反应等任务[14]。影像数据包括组织病理学和放射学利用深度学习架构如卷积神经网络来提取空间特征，实现肿瘤检测、分割和分级[15]。顺序或文本数据如基因组序列和临床记录采用变换器或循环神经网络来建模长程依赖关系，促进生物标志物发现或电子健康记录挖掘等任务[16]。大型语言模型（如GPT-5）的最新进展增强了从科学文献和临床文本中提取知识的能力，加速了癌症研究中的假设生成。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年10月30日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【沙特阿拉伯利雅得】专家称：AI将推动长寿科学实现重大突破，但需填补关键’数据空白’
【编者按】 当AI技术遇上长寿研究，我们仿佛看到了人类延长健康寿命的新希望。然而，正如文中所指出的，数据瓶颈正成为这一领域发展的关键掣肘。如何在保护隐私的前提下获取足够多样化的数据，将是决定AI能否真正推动长寿研究突破的重要课题。 AI技术推动长寿研究 我们追求更长寿命和更健康生活的永恒追求将获得AI技术的巨大推动。但正如所有与AI相关的事物一样，最大的障碍之一就是数据。 数据收集面临挑战 本周在利雅得举行的《财富》全球论坛上，专家小组表示，在衰老科学领域，缺乏足够的数据来帮助科学家理解体内细胞和器官如何衰老，以及性别、种族和环境的差异如何影响衰老过程。 “数据是关键。生物数据的深度、人口统计数据的深度、流行病学数据的深度都必须得到适当收集，”专注于衰老科学的非营利组织Hevolution Foundation研究高级副总裁哈雅·宾特·哈立德·本·班达尔·阿尔·沙特公主博士表示。 但她指出，当前的医疗保健框架意味着我们收集数据的网络还不够广泛。 “筛查通常发生在人们变老时。但我们正在努力做的——在座的所有人——是理解衰老的生物学，以便我们能够尽早干预，”哈雅·宾特·哈立德·本·班达尔·阿尔·沙特博士说。”没有人能说我们应该从多年轻开始筛查衰老。但衰老从很年轻的时候就开始了，而不是在你60岁的时候。” AI加速药物发现 Hevolution正与科学家和生物技术公司密切合作，推进专注于”健康寿命”（减少与年龄相关的疾病）的药物发现，并加速消费者获得这些进展。 如今许多实验室正在使用AI来加速药物发现过程并进行更多尝试。Insilico Medicine创始人兼首席执行官Alex Zhavoronkov表示，他有30个基于AI的项目正在进行中，这些项目因其”双重目的”潜力而被特别选择。 “我们正在寻找可能同时对疾病和衰老起作用的蛋白质靶点和药物，”Zhavoronkov说。”第一个获得批准对抗疾病并在真实临床试验中能够证明可信地逆转衰老生物标志物的AI发现药物将是一个重要的里程碑。” “有大量证据表明，我们正处于衰老研究重大科学发现的边缘，”Zhavoronkov说。”我不认为你应该期待在未来10年内看到多个戏剧性的奇迹，但在未来20年内……我们将会有许多许多戏剧性的事件。” 性别差异的重要性 NABTA Health创始人兼首席执行官Sophie Smith表示，大型语言AI模型有潜力在衰老科学中解锁重要的知识和见解。但随着AI发挥更大作用，填补”数据空白”的重要性变得更加关键。 她举例说，直到1993年，临床试验只涉及男性参与者，而今天绝大多数试验在欧洲和美国进行。Smith表示，这意味着今天不到1%的临床试验参与者是中东、南亚和非洲裔女性。 考虑到男性和女性衰老方式不同，这对衰老科学尤其成问题。Smith指出，当前衰老科学的一个假设是，如果一个人活到80岁，其中60年可能是健康的，最后25%将处于相对不健康的状态。 “但这个假设只适用于男性，”Smith说。由于荷尔蒙变化、诊断延迟和其他因素，女性通常生命中期的60%处于相对不健康的状态，而生命的最后30%处于相对良好的健康状态。 因此，衰老科学的研究和进展需要考虑，对女性而言”不是延长生命，而是重新获得生命”。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年10月29日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81通过EViT-Dens169混合注意力融合视觉Transformer和CNN特征增强皮肤癌早期检测
【编者按】 人工智能正为皮肤癌诊断带来革命性突破。本期推介的研究创新性地将视觉Transformer与DenseNet169深度融合，通过全局注意力机制与局部特征提取的协同作用，在皮肤镜图像分类领域取得重要进展。这种兼顾整体与细节的混合模型架构，为提升皮肤病变诊断的准确性和可靠性开辟了新路径，展现了AI在医疗影像分析中的巨大潜力。 摘要 “皮肤癌的早期诊断仍然是皮肤病学和肿瘤学实践中的一个紧迫挑战。AI驱动的学习模型已成为利用皮肤镜图像自动分类皮肤病变的有力工具。本研究引入了一种新颖的混合深度学习模型——增强视觉Transformer（EViT）与Dens169相结合，用于准确分类皮肤镜皮肤病变图像。” 所提出的架构将EViT与DenseNet169集成，以利用全局上下文和细粒度局部特征。EViT编码器组件包括六个基于注意力的编码器块，由多头自注意力（MHSA）机制和层归一化赋能，实现高效的全局空间理解。为了保留在补丁分割过程中丢失的局部空间连续性，我们引入了空间细节增强块（SDEB），包含三个并行卷积层，后接融合层。这些层重建了边缘、边界和纹理细节，这些对病变检测至关重要。经过修改以适应皮肤镜数据的DenseNet19骨干网络提取局部特征，补充全局注意力特征。EViT和DenseNet169的输出被展平并通过逐元素相加融合，随后通过多层感知器（MLP）和softmax层进行七个皮肤病变类别的最终分类。 “在ISIC 2018数据集上的结果表明，所提出的混合模型实现了卓越性能，准确率达到97.1%，灵敏度为90.8%，特异性为99.29%，AUC为95.17%，优于现有的最先进模型。” 混合EViT-Dens169模型通过有效融合全局和局部特征，为早期皮肤癌检测提供了稳健解决方案。 引言 皮肤癌是世界上最常见的癌症类型之一，主要由阳光中的紫外线（UV）辐射引起。常见的皮肤癌形式包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和恶性黑色素瘤，这些因其快速转移能力而具有侵袭性。尽管有从手术切除、放射治疗到免疫治疗等多种治疗方法可用，但检测仍然是降低早期死亡率的重要因素。传统上，皮肤癌的诊断基于皮肤科医生的视觉检查，有时使用皮肤镜成像作为支持，以放大肉眼可能看不见的皮肤特征和结构。皮肤镜使皮肤科医生能够观察一组皮肤病变特有的模式、颜色和纹理，从而提高了诊断准确性。然而，使用皮肤镜进行手动诊断存在若干限制。首先，许多早期恶性病变由于其高度视觉相似性经常被误诊为良性。医生诊断存在显著程度的变异性，特别是在皮肤科培训有限的普通医生中。经验丰富的皮肤科医生短缺是提供适当及时评估的重要障碍，特别是在农村或资源受限的环境中。近年来，人工智能系统，特别是深度学习模型，已成为医学图像分析的工具。深度学习模型具有分析大量皮肤图像数据集的卓越能力，能够独立学习指示不同皮肤状况的模式。这些系统提供一致的评估，减少主观解释，并扩大诊断范围。CNN由于能够提取分层特征而在特征提取方面非常有效。这些多个卷积和池化层使卷积神经网络能够捕获低频或高频特征。初始层提取基本形状和纹理，如颜色和纹理。相比之下，更深层提取复杂特征，如不规则病变边界、不对称性和色素异常，这些对皮肤病学诊断是必要的。然而，CNN仅限于提取局部特征。为了解决这个问题，ViT模型被引入。与CNN不同，ViT将图像分成一系列不重叠的补丁，附加到其线性嵌入中，馈入自注意力机制。这种能力使ViT模型能够捕获全局空间关联，从而考虑整个图像中的长距离依赖性和细微结构变化。CNN和ViT技术的互补性导致了混合模型的发展。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年10月06日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【美国俄亥俄州哥伦布市】AI工具通过识别精细运动差异预测小鼠模型癫痫发作结果
【编者按】 人工智能在医疗领域的应用正不断拓展新边界。俄亥俄州立大学最新研究将AI技术应用于癫痫发作预测，通过分析复杂行为模式区分发作结果，为癫痫治疗提供了新的技术路径。这项突破不仅展现了AI在神经科学领域的潜力，更预示着未来或能通过智能预警降低癫痫猝死风险，值得医学界持续关注。 研究背景 2025年10月2日，俄亥俄州哥伦布市——在一项新研究中，俄亥俄州立大学的研究人员使用人工智能工具预测小鼠模型的癫痫发作结果。 癫痫发作可能导致运动控制暂时中断，通常遵循某些行为模式，有助于识别癫痫发作类型、起始区域和潜在结果。持续癫痫发作的个体面临各种并发症风险增加，包括身体损伤或癫痫猝死。 研究方法 俄亥俄州立大学韦克斯纳医学中心、医学院和兽医学院的研究人员探索了AI辅助工具分析复杂行为模式并使用数据驱动技术区分癫痫发作结果的潜力。研究结果发表在《神经病学年鉴》期刊上。 “我们的AI辅助行为分析为理解小鼠癫痫模型中的癫痫动态提供了强大而客观的方法。通过数据驱动方式分析运动模式，我们可以准确分类癫痫发作类型并预测结果。”研究资深作者、俄亥俄州立大学神经科学系助理教授Bin Gu博士表示，”这种方法提高了癫痫研究和临床实践的准确性和效率，同时为个性化治疗策略开辟了新可能性。” 技术突破 研究人员使用两种AI辅助工具解码了32种模拟人类遗传多样性的近交系小鼠以及Angelman综合征小鼠模型中诱导癫痫发作的未充分探索的行为和动作领域。他们识别了63个可解释的行为组。 对这些行为组的分析揭示了区分癫痫发作状态、跟踪进展以及与小鼠性别、品系和突变相关的独特模式。 “展望未来，分析智能手机和家庭监控设备拍摄视频的能力具有令人兴奋的意义。这可能改变在诊所外识别癫痫发作的方式，为家庭和护理人员提供贡献宝贵诊断信息的简单方法。”Gu表示，”这在远程医疗环境中尤其关键，因为神经科医生和癫痫专家的可及性通常有限，特别是对于服务不足和农村社区的患者。” 应用前景 研究第一作者、俄亥俄州立大学神经科学系研究生研究助理、兽医学院兽医学博士候选人Yuyan Shen指出，类似方法也可能有益于患有癫痫的宠物，视频分析可能帮助兽医和主人在日常环境中更好地诊断和管理癫痫发作活动。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年10月02日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81AI在皮肤癌检测中如何改变患者护理
【编者按】 皮肤癌虽为全球最高发的癌症，但早期发现治愈率极高。本文通过权威数据揭示了及时筛查的关键价值——早期黑色素瘤五年生存率可达95%以上，而晚期则骤降至30%。随着人工智能技术在皮肤病变识别领域的突破性进展，深度学习算法正为癌症早筛提供全新可能。我们期待科技与医学的深度融合，能够为大众健康构筑更坚实的防线。 皮肤癌检测的重要性 皮肤癌是全球最常见的癌症，每年新增病例超过所有其他癌症的总和。幸运的是，如果早期发现，大多数皮肤癌都是高度可治疗的。挑战在于在它们扩散之前发现它们。对于最危险的皮肤癌类型黑色素瘤，早期诊断的五年生存率超过95%，但一旦转移，生存率急剧下降至约30%（美国癌症协会，2024年）。 AI在皮肤癌检测中的工作原理 AI系统基于深度学习算法构建，这是一种机器学习形式，计算机通过处理大量图像来学习模式。对于皮肤癌检测，AI在包含数百万张皮肤病变照片的数据库上进行训练，这些照片由皮肤科医生标记并经活检确认。 当呈现新图像时，AI将病变与其学习到的模式进行比较，并计算恶性概率。在临床环境中，这个概率可以帮助皮肤科医生决定是否需要进行活检。 “Esteva等人（2017年）在《自然》杂志上发表的一项里程碑研究表明，卷积神经网络（CNN）在皮肤病变分类方面的表现与21名获得委员会认证的皮肤科医生相当。” AI在诊所中的应用：协助皮肤科医生 在皮肤科诊所中，AI被整合到数字皮肤镜系统中。当皮肤科医生拍摄痣的图像时，AI软件会立即分析并提供恶性风险评分。皮肤科医生然后将这些信息与他们自己的临床判断结合使用。 “研究表明，人类专业知识与AI支持的结合产生了最高的准确性。《柳叶刀·肿瘤学》发表的一项多中心研究（Tschandl等人，2020年）证明，AI辅助的皮肤科医生在正确识别皮肤癌方面优于单独工作的皮肤科医生。” AI在家中的应用：智能手机应用和远程皮肤病学 除了诊所，AI也进入了消费者健康领域。几款智能手机应用允许用户拍摄痣的照片并接收风险评估。虽然这些工具可以提高意识，但它们的可靠性各不相同。 “《JAMA皮肤病学》2020年的一项研究（Han等人，2020年）评估了多款皮肤癌检测应用，发现准确性不一致。一些应用的灵敏度高达90%，而其他应用则漏掉了危险的黑色素瘤。” AI对患者的好处 AI在皮肤癌检测中为患者提供了几个潜在优势。 首先，它改善了早期检测，这是生存的最重要因素。通过分析肉眼看不见的细微模式，AI可以帮助在癌症扩散之前发现它们。其次，它减少了假阳性。许多患者接受了活检，结果却是良性的。通过使风险评估更加准确，AI减少了不必要的程序、疤痕和焦虑。 第三，它提供了更快的结果。患者可能立即获得评估结果，而不是等待数天的专家审查。最后，AI扩大了获得护理的机会。在皮肤科医生较少的地区，AI辅助筛查可以帮助非专科医生识别可疑病变，从而实现早期转诊和治疗。 患者应了解的局限性 尽管前景广阔，但AI也有局限性。 AI依赖于训练数据的质量和多样性。许多早期系统主要针对较浅肤色进行训练，导致在检测较深肤色类型的癌症时准确性较低（Adamson & Smith，2018年，《JAMA皮肤病学》）。 这引发了关于癌症护理公平性的担忧。目前正在努力创建更具包容性的数据集。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年09月20日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81远程医疗市场规模、主要趋势与增长 | 行业报告，2033年
【编者按】 数字医疗浪潮下，远程医疗正以前所未有的速度重塑健康服务生态。最新数据显示，全球远程医疗市场规模将在未来八年保持超20%的年均增速，到2033年有望突破8500亿美元。这片蓝海既得益于智能终端普及与政策红利加持，更折射出后疫情时代医疗服务数字化变革的必然趋势。当云端问诊逐渐成为常态，如何构建更完善的技术标准与服务范式，将成为行业可持续发展的关键命题。 远程医疗市场概述 全球远程医疗市场规模在2024年达到1462亿美元，预计将从2025年的1778.2亿美元增长至2033年的8517.5亿美元，在预测期内（2025-2033年）复合年增长率达21.63%。市场增长归因于数字健康工具的日益普及以及政府对远程医疗服务的支持举措。 关键市场指标 北美主导远程医疗行业，2024年占据52%的市场份额 按组件划分，服务板块在2024年占据40%的市场份额 按交付模式划分，基于网络的细分市场引领远程医疗行业，主要得益于互联网交付模式的日益普及 按应用划分，放射学细分市场占据最大市场份额，原因是图片存档与通信系统（PACS）的采用以及人工智能在远程放射学中的整合 市场规模与预测 2024年市场规模：1462亿美元 2033年预测市场规模：8517.5亿美元 复合年增长率（2025-2033）：21.63% 北美：2024年最大市场 亚太地区：增长最快的区域 远程医疗是指通过数字通信技术提供医疗服务和信息，使患者能够远程获得医疗护理。这种方法使用视频咨询、移动健康应用、远程患者监测设备和安全消息传递等工具，将患者与医疗服务提供者联系起来。远程医疗消除了实体就诊的需求，为农村地区居民、行动不便者或任何寻求更快获得护理的人提供了便利。 “提供视频咨询和远程医疗服务的远程医疗平台改善了医患沟通，特别是在服务不足的地区。例如，2024年6月，MBS审查咨询委员会（MRAC）建议恢复全科医生电话咨询，维持专科医生的视频远程医疗服务，扩大患者端支持，并使针对某些健康状况的远程医疗服务永久化。” 全球远程医疗市场受到数字健康工具日益普及、互联网连接性增强以及智能手机技术进步推动，这些因素促进了健康监测和健身追踪。此外，政府旨在扩大可负担医疗服务获取的举措正在显著推动市场增长。 市场趋势 人工智能在远程医疗中的整合 人工智能在远程医疗中的整合通过利用先进算法实现更快、更准确的诊断结果，显著增强了诊断能力。它通过跟踪生命体征并及时向医疗服务提供者发出健康状况变化的警报，实现了持续的患者监测。此外，人工智能通过分析个体患者数据帮助个性化治疗计划，从而带来更好的结果并优化虚拟护理服务。 “例如，2024年6月，Wheel推出了其AI驱动的Horizon平台，以简化虚拟护理服务。该平台允许健康计划、零售商和数字健康公司在美国高效扩展其虚拟护理项目。” 因此，人工智能在远程医疗中的整合不仅改善了患者预后，还提高了远程监测系统的效率。 移动应用的日益普及 移动健康应用在追踪心率、睡眠模式和身体活动等多种健康指标方面越来越受欢迎，使用户能够轻松监测自己的健康状况。这些应用还促进了与医生的预约安排，并提供远程咨询服务，改善了患者的医疗可及性。 “例如，2022年5月，中国移动香港推出了’Dr. HK’在线医疗应用，提供医生咨询、处方和四小时内免费送药等功能。” 这一趋势强调了移动健康应用作为增强患者护理可及性的便捷解决方案正在被日益广泛采用。 市场增长因素 数字健康工具的日益普及 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年09月01日
Open preserved URL%e8%ae%be%e5%a4%87%e4%b8%8e%e6%8a%80%e6%9c%af%e5%88%9b%e6%96%b0基于多维神经网络的AI增强装配式美学与低碳设计结合3D打印技术在连锁酒店建筑中的应用 | 科学报告
【编者按】 在绿色转型成为全球共识的当下，酒店业如何实现可持续发展成为重要课题。本文从装配式建筑技术切入，揭示了其在提升能源效率、减少资源浪费方面的创新价值，更通过对接联合国可持续发展目标，构建了可量化、可推广的行业实践框架。这种将技术革新与系统性目标管理相结合的研究路径，为旅游业低碳转型提供了兼具前瞻性与实操性的解决方案。 可持续发展目标对齐 通过对接可持续发展目标（SDG 7：能源效率、SDG 8：可持续旅游、SDG 12：通过预防、减少、回收和再利用大幅减少废物产生），该研究促进了酒店业负责任的消费和生产模式。 装配式建筑优势 与传统建筑技术相比，装配式建筑因其效率高、废物减少和碳足迹较低而作为可持续改造的有效方法受到关注。预制化允许在受控条件下进行精确制造，最大限度地减少材料浪费并提高能源效率。 研究框架构建 本研究考察了理解AI增强改造对装配式酒店设计、可持续性和客户体验影响的七个关键构念，特别关注低碳战略和3D打印技术的整合。 “AI驱动改造评估了机器学习、生成设计和3D打印等先进技术的使用，以优化酒店改造期间的效率、能源使用和资源管理。” “美学设计探索酒店内部的视觉吸引力和创造力，重点关注空间布局、照明和纹理等元素，所有这些都通过AI增强以确保美学质量和功能性。” “低碳设计评估可持续实践的整合，包括节能材料、可再生能源系统和环保施工方法，并通过3D打印进一步支持以减少材料浪费和碳足迹。” “舒适性与功能性衡量客人对舒适度和便利性的感知，包含房间布局、温度控制和可达性等因素，所有这些都通过AI驱动和3D打印解决方案进行优化以提高整体客人满意度。” “感知可持续性捕捉游客对酒店环境实践和可持续性承诺的看法，强调低碳和3D打印技术在创造环保空间中的作用。” “游客满意度评估整体客人体验，包括设计质量、舒适度、服务和价值，所有这些都受到AI、低碳战略和3D打印整合的影响。” “游客忠诚度衡量客人再次入住酒店并向他人推荐的可能性，将满意度与环境可持续性和创新设计联系起来。” 这些构念共同形成了一个综合分析框架，用于分析AI增强装配式酒店改造中创新、可持续性和客人参与之间的相互作用，整合了3D打印和低碳设计解决方案。 未来展望 展望未来，机器人智能建造和3D打印在装配式建筑中的整合为改造建筑和施工行业提供了令人兴奋的机会。这些技术，特别是在多场景环境中应用时，有潜力显著提高装配式建筑的效率、可持续性和设计灵活性。 机器人建造方法与AI驱动的3D打印相结合，能够制造传统建造方法以前无法实现的高度复杂几何形状。这为建筑师探索创新设计开辟了新的可能性，同时融入美学吸引力和功能性，同时保持低碳足迹。 此外，这些技术提供了自动化的优势，减少了劳动力短缺并提高了生产力，这在面对全球劳动力流失趋势时尤为重要。机器人建造和3D打印的可扩展性也为大规模快速建造提供了成本效益高的解决方案，同时优化材料使用并最小化废物——这是可持续发展目标（如SDG 12）的关键考虑因素，该目标侧重于可持续消费和生产模式。 将AI与机器人建造过程整合的能力允许实时调整和优化，确保建筑不仅为效率和可持续性而设计，而且能够适应不断变化的环境和功能需求。随着这些技术的不断发展，未来的应用可以进一步增强装配式建筑的定制化，为智能低碳城市发展提供新的范式。 行业影响 此外，该研究为酒店建造和改造的未来进展提供了宝贵见解，特别是通过机器人智能建造和3D打印技术。这些创新有潜力进一步简化改造过程，减少材料浪费，并提高装配式建筑行业的效率。 这项研究为寻求采用尖端技术创建可持续、成本效益高且美观的酒店环境的行业利益相关者提供了路线图，最终有助于长期业务成功和行业范围的可持续性努力。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年04月17日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【美国纽约】2025年快时尚趋势：关键转变与洞察
【编者按】 在快时尚盛行的当下，AI技术正为可持续生产开辟新路径。本文以Heuritech为例，展示了数据分析如何精准预测需求，助力企业避免过度生产。同时，合成纤维带来的环境挑战也提醒我们，技术创新需与生态保护并重。如何在效率与环保间取得平衡，值得行业深思。 AI驱动的可持续生产 然而，并非所有AI驱动的方法都相同。例如，Heuritech利用AI基于数据分析预测时尚趋势，同时促进更可持续和深思熟虑的生产过程。通过提前为品牌、零售商和制造商提供趋势洞察，Heuritech帮助他们使产品系列与消费者需求保持一致，而不会屈服于过度生产和浪费的压力，从而远离快时尚周期。 材料与环境挑战 此外，聚酯和尼龙等合成纤维既不能生物降解也不能回收，导致垃圾填埋场的长期废物问题，并将微塑料释放到水系统中，进一步加剧环境破坏。 循环经济与二手市场 公司正在推出由回收材料制成的系列产品，减少碳足迹，并投资于更高效的供应链。虽然这些努力标志着进步，但批评者认为此类举措通常属于”漂绿”范畴，因为生产或供应链实践中的全面变革并未完全支持可持续营销主张。尽管如此，这些趋势表明升级再造已成为快时尚的重要反运动，解决了对浪费和过度生产日益增长的担忧。ThredUp、Vinted和Depop等平台处于二手市场的前沿，允许消费者买卖二手服装，延长服装生命周期并减少对新生产的需求。 技术革新与可持续生产 快时尚的未来日益与技术进步交织在一起，特别是在人工智能和3D打印领域。AI使品牌能够分析消费者行为并以惊人的准确性预测趋势，降低过度生产和浪费的风险。AI可以通过实时识别流行风格来简化设计过程，使品牌能够发布符合消费者偏好的系列产品。3D打印有可能通过实现按需定制服装生产来彻底改变时尚行业。这项技术减少了材料浪费，可以显著缩短生产时间，提供更可持续的解决方案，同时仍满足市场的快节奏需求。像Heuritech开发的工具为时尚品牌提供基于AI数据分析的精确趋势预测，帮助他们预测需求并减少不必要的生产，使速度与可持续性保持一致。 政府监管与立法 随着快时尚行业的持续增长，世界各国政府正在引入旨在遏制其负面影响的立法。在纽约，《时尚法案》提出了对时尚公司的严格要求，包括需要披露其供应链实践和环境影响。该法律旨在使时尚行业更加透明并对其行为负责。在欧洲，正在推出各种举措来监管纺织行业，包括欧盟的循环经济行动计划，该计划侧重于延长产品生命周期和减少纺织品浪费。这些监管框架旨在迫使品牌采用更可持续的做法，确保行业的增长不以地球和人类为代价。 关键要点 快时尚继续主导市场，由满足实时趋势的快速生产周期驱动，使消费者能够快速获得最新款式。 技术进步，如AI和算法，使品牌能够更有效地预测和满足消费者需求，尽管可持续性问题仍然很重要。 日益增长的消费者意识正在推动快时尚品牌采用更道德和环保的做法，二手购物和升级再造正在成为传统快时尚消费的反运动。 快时尚在2025年仍然是一股强大的力量，市场预计将从1508.2亿美元增长到2029年的2142.4亿美元。 查看全文: 点击查看原文 | ⏰ 发布时间: 2025年04月17日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81欧莱雅利用基于位置的AR和AI技术提升化妆品销售
【编者按】 科技赋能美丽，创新引领未来。欧莱雅通过收购ModiFace，将AR与AI技术深度融入美妆领域，推出StyleMyHair等创新应用，让消费者在指尖即可体验个性化美发服务。这不仅重塑了美妆消费场景，更展现了传统行业与数字技术融合的无限可能。 个性化美容体验与AR和AI 全球最大的化妆品公司欧莱雅拥有36个多元化互补品牌的独特国际组合，涵盖彩妆、化妆品、护发、香水和护肤品。其产品遍布全球所有分销网络。 为了延续其百年传统，欧莱雅将研究和创新置于其业务战略的核心。仅2019年，该公司就在研究和创新上投入了9.85亿欧元。增强现实（AR）和人工智能（AI）等技术通过广泛的创意解决方案，帮助这家美容巨头根据客户需求定制美容体验。 “2018年，欧莱雅宣布收购ModiFace，这是AR和AI在美容行业应用方面国际公认的领导者。” 收购后，欧莱雅推出了一款名为StyleMyHair的AR和AI驱动的移动应用程序，允许消费者使用智能手机虚拟尝试不同的发型、颜色和风格。该应用程序使用面部追踪算法检测脸型和发型，同时实时在用户身上应用所需的风格和虚拟颜色。利用定位技术，该应用程序显示最近的美发沙龙，用户可以在那里立即做发型。 欧莱雅还推出了一款名为Vichy SkinConsult AI的AI驱动皮肤诊断工具，这是一项通过自拍测量皮肤老化的移动应用服务。该应用程序使用一种算法，将面部特征与10,000张分级图像的数据库进行对比。基于一张自拍，该算法追踪七大衰老迹象，为用户提供个性化的皮肤评估和建议。 推动全渠道体验 通过与Google Lens合作，欧莱雅将其AR和AI服务扩展到店内购物者。该功能目前仅适用于欧莱雅的Garnier Nutrisse和Garnier Olia染发产品。使用Google Lens图像识别移动应用程序，购物者可以将手机摄像头对准染发剂盒子，激活虚拟试妆服务。该应用程序识别产品和颜色，并实时虚拟应用到购物者身上。 欧莱雅还与电子商务网站亚马逊合作，允许在线购物者在购买前虚拟试用其彩妆产品。使用手机前置摄像头，亚马逊客户可以在自己的实时视频或自拍中虚拟试用不同色调的口红。 “据报道，虚拟试用美容产品的客户购买可能性增加了三倍。在AR和AI技术的帮助下，欧莱雅的电子商务销售额在2019年增长了约52%。” 利用基于定位技术的可持续发展活动 众所周知，欧莱雅是最早在营销活动中利用定位技术的品牌之一。早在2013年，欧莱雅就与CrowdOptic、Cundari和位置营销协会（LBMA）合作，在多伦多Luminato音乐节上使用基于位置的AR创建’虚拟艺术画廊’体验。该活动创造了世界上第一个人类热图标志。 拥有4,000多名员工的专门研究团队，欧莱雅正在不断加速其研究和创新驱动，为未来的消费者重塑全球美容体验。 查看全文: 点击查看原文 | ⏰ 发布时间: 2024年11月24日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【泰国曼谷】曼谷医院利用AI优化患者就诊流程
【编者按】 当AI技术深度融入医疗流程，智慧医院正从概念走向现实。本文展示了曼谷医院如何通过AI人脸识别、智能分诊、自动化保险核验等系统重构就诊全流程，不仅实现了患者身份确认、科室匹配的高效协同，更通过数据驱动优化资源调配。从纸质表格到电子预筛，从人工排队到智能导引，这场数字化转型既提升了医疗服务的精准度，也重新定义了”以患者为中心”的就医体验。科技与医疗的深度融合，正在为行业效率与人文关怀找到新的平衡点。 运作原理 作为其优化的患者就诊流程系统的一部分，这家三级医院实施了运行多种AI技术的自助服务终端，整合了各种登记步骤。 该系统具有AI人脸识别功能，用于识别和确认患者身份；AI症状检查器，初步筛查患者病史并将其转诊至合适的科室或诊所；以及用于自动保险验证的机器人流程自动化。该系统还可以获取患者收集个人数据的电子同意书，并发放电子就诊单以跟踪服务状态。 同时，曼谷医院的体检部门——健康设计中心（HDC）也从人工患者队列分配转变为数字系统。 其护士现在可以监控和管理患者队列，状态通过移动渠道和部门的电视屏幕传递给患者。该系统配备了一个AI，用于跟踪服务状态并建议重新利用房间以缓解某些区域的人流。 HDC现在可以发送电子表格，患者甚至可以在去医院之前填写。AI会评估这些表格的健康风险，然后推荐合适的体检套餐。 该部门的AI副驾驶处理患者的检查清单、等待时间、预约和临床优先级，以推荐最佳的检查顺序。 重要意义 “自用AI增强其登记系统以来，曼谷医院的前端和后端程序（包括采集患者病史）均有所减少。由于登记步骤较之前的系统减少了45%，等待时间也缩短了。” “医院声称，体检部门的患者队列现在也得到了均匀分配。” HDC每天管理200至300名患者，每位患者都有不同的体检套餐、程序和时间。借助AI，工作人员花费更少的时间通知患者等待时间和后续步骤，并回答重复性问题。等待时间较之前的人工系统减少了一半。 行业趋势 近年来，作为数字化转型计划的一部分，泰国的私立医院运营商越来越多地投资和采用数据及数字技术。 位于曼谷北部城市那空沙旺的私立三级医院Srisawan Hospital最近寻求GE HealthCare和InterSystems的帮助，以数字化其资产和人力资源管理，并在其曼谷分行安装集成的HIS。 为了证明其在EMR技术使用方面的成熟度，私立Principle Healthcare Group旗下的Princ Hospital Suvarnabhumi接受了HIMSS电子病历采用模型第7阶段的评估。它目前是泰国唯一获得此最高验证的医院，该验证于今年年初获得。 查看全文: 点击查看原文 | ⏰ 发布时间: 2024年07月16日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【中国】优化皮肤病诊断：利用对比学习和聚类技术挖掘在线社区数据
【编者按】 人工智能正重塑皮肤科诊疗格局。研究表明，大多数皮肤科医生已准备好拥抱AI工具，以提升诊疗效率与精准度。对患者而言，AI驱动的图像识别技术能实现皮肤病变的早期筛查，为及时干预赢得宝贵时间。这种技术革新不仅优化了医疗资源配置，更构建起从临床诊断到公共卫生管理的智能闭环，标志着皮肤病防治进入精准医疗新阶段。 研究背景 “研究表明，大多数皮肤科医生愿意采用AI工具来提高时间效率、诊断准确性和患者管理。” 此外，对于普通患者而言，在线论坛为他们提供了讨论健康问题（包括皮肤病）的平台。使用基于图像的适当AI工具可以让患者及早发现和治疗潜在疾病。及时诊断和治疗罕见及传染性皮肤病具有重要的临床价值，因为它们可以促使皮肤科医生制定适当的治疗方案，改善患者体验，降低长期后遗症的风险，并减少严重皮肤不良反应或侵袭性皮肤癌的发生率和死亡率。在宏观层面，这将有助于医疗资源的最佳利用，包括针对性治疗和适当转诊至专科医生。这可以缓解医疗系统的压力，并最大限度地减少医疗资源的浪费。此外，AI诊断信息可以更直接、系统地整合到其他系统中，为公共卫生干预、政策制定和资源分配提供信息。 研究摘要 皮肤病在中国构成了重大挑战。互联网健康论坛为数百万用户提供了讨论皮肤病和分享图像以进行早期干预的平台，留下了大量有价值的皮肤病学图像。然而，数据质量和标注问题限制了这些资源在开发诊断模型方面的潜力。在本研究中，我们提出了一种深度学习模型，利用来自不同在线来源的未标注皮肤病学图像。我们采用对比学习方法从未标记图像中学习通用表示，并对来自互联网论坛的粗略标注图像进行微调。我们的模型能够分类22种常见皮肤病。为了提高标注质量，我们使用了一种聚类方法，配合少量标准化验证图像。我们在由来自15家三甲医院的33名经验丰富的皮肤科医生收集的图像上测试了该模型，并实现了45.05%的top-1准确率，比已发布的基线模型高出3%。准确率随着额外验证图像的加入而提高，在每类50张图像时达到49.64%。我们的模型还展示了对新任务的可迁移性，例如检测猴痘，在训练过程中仅使用50张额外图像就实现了61.76%的top-1准确率。我们还在基准数据集上测试了我们的模型，以展示其泛化能力。我们的发现凸显了在线论坛中未标注图像在未来皮肤病学应用中的潜力，并证明了我们的模型在早期诊断和潜在疫情缓解方面的有效性。 引言 皮肤病在中国构成了重大挑战。每年有多达2.4亿次皮肤科就诊，其中80%是针对黑色素瘤以外的皮肤病。然而，医疗资源分布不均和皮肤科医生短缺可能导致误诊和医疗成本上升。为了改善预后并降低社会成本，准确、便捷地诊断皮肤病至关重要。由于摄影在诊断中的广泛使用，人工智能在皮肤病学中显示出巨大潜力。然而，大多数AI应用专注于良性和恶性病变的诊断，使得AI在更广泛皮肤病领域的潜力在很大程度上尚未被探索。 使用机器学习方法及其基于照片的卷积神经网络深度学习分支进行皮肤病诊断已受到广泛关注。虽然高质量图像对于训练AI模型至关重要，但收集这些图像的人工成本可能极其昂贵。幸运的是，自监督对比学习的最新进展提供了一个解决方案。这些方法能够使用大量未标记或非严格标记的图像对模型进行预训练，并在各种任务中表现出色。先前已有研究探索对比学习在皮肤病诊断中的应用，强调其提取一致表示以及增强泛化能力和诊断准确性的能力。 查看全文: 点击查看原文 | ⏰ 发布时间: 2024年02月08日
Open preserved URL%e5%b8%82%e5%9c%ba%e4%b8%8e%e8%b5%84%e6%9c%ac%e5%8a%a8%e6%80%81【美国】2020年十大科学伦理困境
【编者按】 当科技发展日新月异，伦理边界却日益模糊。这份年度伦理困境清单提醒我们，在拥抱技术革新的同时，更需警惕其潜在风险。从护肤品伪科学到基因编辑争议，每一个议题都关乎人类社会的未来走向。我们亟需建立开放、理性的公共对话机制，让科技发展始终行驶在以人为本的轨道上。 年度伦理困境清单发布 “我们生活在一个快速发展的时代，几年前还只是理论的技术正日益融入我们的日常生活。我们担心的是，关于这些技术的使用和风险缺乏公共对话，而这种对话对于让公共政策跟上科学技术的步伐是必要的。” 这是巴伦的2020年清单，排名不分先后。 1. 护肤品的伪科学 社会是虚荣的——这并不奇怪。但护肤品市场正在利用这一事实，”皮肤科技”预计在2020年价值128亿美元。皮肤科技的子类别包括但不限于：LED面膜、电子洁面仪、面部按摩器、智能镜子和护肤摄像头。问题在于，美容公司将自己标榜为”临床验证”，而事实上并非如此。制造商进行的大多数研究不符合科学方法，且不可复制。被雇来吹捧这些产品的专家也不是科学家——他们通常是名人，甚至是有着自己议程的皮肤科医生名人。 2. 招聘中的人工智能和游戏化 这里巴伦提出了一个令人震惊的问题：你就是你的数据吗？虽然招聘公司已经可以看到候选人的社交媒体历史，但一些公司更进一步，使用神经学游戏和情绪感知识别作为评估的一部分。如果走向极端，这意味着机器可以完全根据你对游戏的反应或面部表情来决定你是否适合某个职位。别管你的简历、电话面试、现场面试或令人印象深刻的履历——这一切都可能毫无意义。 3. 掠夺性期刊 研究人员估计大约有8,000种掠夺性期刊，即缺乏同行评审等伦理实践且标准极低的期刊。问题是，当这些期刊发表任何内容时，这些信息就成为不知情的研究人员和科学家的素材，他们被欺骗相信这是真相。鉴于学术界发表论文的巨大压力，一些人变得足够绝望——有意或无意地——与这些掠夺性期刊打交道。正如你将在本清单后面读到的，我们再也承受不起更多虚假数据了。 4. HARPA SAFEHOME提案 唐纳德·特朗普总统的白宫正在考虑一个有争议的计划，即监控精神病患者，以此阻止美国的大规模枪击事件——这个计划听起来很像现实版的《少数派报告》。HARPA由一个与政府无关的第三方胰腺癌基金会运营，将利用手机和智能手表上的数据来检测精神病患者何时即将变得暴力。除了侵犯公民自由之外，研究尚未找到可靠的基准来预测暴力行为，甚至无法区分精神病患者与非精神病患者。 5. ClassDojo与课堂监控 ClassDojo是一个流行的在线工具，通过课堂记录，对儿童的行为进行评分，然后与班级和家长分享。该系统的公司表示，其目的是在课堂上培养积极行为，但专家提出了不少担忧，包括：1）信息是否可能被黑客攻击；2）良好行为如何量化/定义？；以及3）它是否会在学生中引发焦虑/羞耻？ 6. 格林奇机器人 恰当地命名为”格林奇机器人”的在线实体，在热门商品一上市就抢购一空，以控制供需。一旦商品售罄，它们就会在二级市场上以虚高的价格转售。这不是一个新问题，但也没有新的解决方案。2016年，国会通过了《更好的在线票务销售（BOTS）法案》，但效果不佳。《2018年阻止格林奇机器人法案》去年提出，目前正等待众议院的进一步行动。然而，该法案只会使转售由自动化机器人购买的产品成为非法，显然不适用于世界其他地区。 7. 夜莺计划 这项名为”夜莺计划”的合作，是美国第二大医疗系统Ascension与谷歌合作，在谷歌云上托管健康记录。该计划覆盖21个州的大约2,600家医院、医生办公室和其他相关设施，持有数千万患者记录。两家公司都签署了HIPAA（健康保险可携性与责任法案），意味着谷歌除了提供云托管服务外，不能对这些记录做任何其他事情。然而，《华尔街日报》报道称，医生和患者都没有被告知这些记录发生了什么，大约150名谷歌员工可以访问这些数据。随着数据越来越多地转移到云端和其他存储选项，以及微软和苹果等公司也推出健康项目，我们必须确保我们的数据受到保护。 8. 学生追踪软件 查看全文: 点击查看原文 | ⏰ 发布时间: 2019年12月17日
Open preserved URL