一位PCP医生曾经告诉我，糖尿病患者是最难坚持他们治疗计划的人群之一，因为糖尿病不会立即或强烈地引起疼痛。在IT方面，与之类似的是对技术的投资。你将需要你的电脑，存储，安全，EMR等等，但是你应该做的最低投资是什么，如果有的话，在人工智能等先进技术上的投资也是很难回答的。
在HHS最近发表的一份报告中，JASON(一个独立的科学家和学者组织，50多年来一直为联邦政府提供有关科学和技术问题的建议)的结论是“与之前不同，人工智能应用在健康方面的潜力可能会使这个时代变得不同...”该报告还得出结论：“人工智能正开始在健康和医疗保健领域正在发生的变革中发挥越来越大的作用，尤其是在临床环境当中。目前，存在的机会及其局限性还正在探索当之中，这意味着创新者和一些早期采用者都正在努力，而是否投资则取决于你想在采用曲线上扮演什么样的角色。”
在Accenture的白皮书《人工智能：医疗保健的新神经系统》当中，列出了医疗保健领域的10大人工智能应用，并根据年度效益估计了其近期的价值。排名前三的分别是机器人辅助手术(400亿美元)、虚拟护理(200亿美元)和行政工作流程协助(180亿美元)。在考虑这些宽泛的类别是否应该是你关注的领域，或者增加对它们的投资时，看看其他人在做什么可能是有益的。
数据管理：你的第一步也是必须做的事
例如，一家社区医院正在使用无监督机器学习和监督预测，通过识别数千份患者记录中结果最好的患者之间的共性，揭示肺炎的最佳护理途径。这项工作首先使用SQL代码从多个医院系统(AllScripts EHR、企业数据仓库、外科、财务和企业绩效)中提取数据，然后使用FHIR将结果交付到临床差异管理应用程序中。借助于可视化界面揭示的洞察力(例如推荐途径步骤的原因和时间)，该项目可以通过修订EHR中的ED和住院治疗顺序来部署的最佳护理途径，该项目也由此获得了足够的支持。这项关于肺炎护理途径的初步工作帮助节省了85万美元的费用。目前，脓毒症、心力衰竭、全髋关节置换术和慢性阻塞性肺病等也已成为了研究的热点。
Montefiore卫生系统则采取了一种更基本的方法：开发一个数据湖和基于图形数据库的基础设施，这些基础设施可已支持各种病人的护理用例。它使他们能够实施先进的脓毒症检测工具，以及支持临床决策的工具。对数据管理的投资得到了很好的回报：他们的数据科学家现在能够花70%的时间进行人工智能分析上面，而以前则需要花75%的时间进行数据管理和数据争论。由此产生的基础设施，以病人为中心的分析学习机(PALM)，成为了为AI分析项目带来规模经济的基础。
除了组织中的支持之外，这两个项目的共同点是数据集成。AI从数据开始，数据管理(通过数据治理，清理，ETL，语义协调等)工作为AI算法提供了语义协调数据，模型构建，为进行预测和改进模型奠定了基础。另外，还需要将结果引入医疗保健的工作流程，例如：修改订单集，或向医疗的点对点系统注入洞察力--以实现收益。
一旦你有了数据管理，人工智能就有很多机会来作为支持创新的工具，为组织带来更多的投资回报。例如，自然语言处理和人工神经网络的结合可以很容易地在保险验证或预授权中发现遗漏，这样护理团队就可以在遇到某个程序之前就纠正它们。
人工智能增强分析
有了这个，最初的重点就回到了实现数据驱动的计划，并提供洞察力上面--从人工智能、BI(商业智能，如OLAP和数据可视化工具)或人员(如案例管理)，到第一线工作人员的指导决策和自动化工作，如果没有这些，对人工智能投资的影响将是有限的。Gartner在其十大战略技术趋势中称之为“增强分析”。“随着数据科学家更多的使用自动化算法来探索假设，增强分析技术代表了数据和分析能力的第三波大浪潮。数据科学和机器学习平台已经改变了企业产生洞察力的方式，”Gartner的副总裁兼研究员David Cearley表示。
人工智能专家，风险投资家，《人工智能超级大国：中国，硅谷和新世界秩序》的作者李开复在其中描绘了一个非常广泛、跨行业、跨地域的人工智能影响观。李博士提出的一个观点认为，中国的优势在于，广泛采用的优质产品可以生成详细的数据宝库，从而使公司能够执行复杂的人工智能，以此生产出更好，被广泛采用的产品。良性循环将会保持下去，在这方面做得好的行业领导者将继续扩大领先优势，从而形成赢家通吃的经济模式。
所以，人工智能策略的最低要求是管理好数据以支持人工智能的探索。该战略的工作成果可以促进许多需要使用数据的项目，为更多的患者带来更好的服务，并实现良性循环。
京公网安备 11010502049343号