人工智能有望徹底改變醫療衛生行業，從藥物研發、診斷，再到醫療保健服務，一直到開具發票和會計工作等。據埃森哲咨詢公司(Accenture)稱，到2021年，人??工智能醫療市場將達到66億美元，到2026年人工智能醫療將為該行業每年節省1500億美元。
但要實現這一目標，各個組織需要克服對該技術的不信任，應對集成挑戰，并處理好隱私和安全問題。
總部位于波士頓的Beacon Health Options公司為所有50個州的4000多萬人提供行為健康治療，當該公司第一次采用人工智能來改善治療工作時，面臨著所有這些挑戰。
“Beacon是美國最大的專注于行為健康的公司，”該公司執行副總裁兼首席增長官Christina Mainelli說。“嚴重的精神疾病和藥物濫用—這是在醫療保健工作中我們目前正在處理一些非常非常相關的問題。”
Mainelli表示，Beacon Health公司正在使用人工智能來識別那些最需要幫助的患者，并為他們提供必要的干預措施。以下將闡述Beacon Health公司和其他組織如何應對醫療行業內所獨有的人工智能挑戰。
黑盒子難題
對于醫療衛生組織而言，對人工智能的最大擔憂是很難理解為何該系統會做出一項決策。一個錯誤就意味著生與死的區別。這就是人工智能的“黑盒子”問題。
英特爾公司負責健康與生命科學總經理詹妮弗·埃斯波西托(Jennifer Esposito)表示，英特爾最近對醫療衛生組織的200名決策者進行了調查，黑盒子問題(即對人工智能缺乏信任)是一個突出的障礙。特別是，30%的受訪者表示他們最擔心的是人工智能出現致命錯誤。
“我認為現在還沒有解決黑盒子問題的方法，”她說。
盡管如此，37%的受訪者表示他們已經在使用人工智能，超過一半的受訪者表示他們將在未來五年內采用人工智能。最令埃斯波西托感到驚訝的是，人工智能最普遍的應用是臨床用途，77%的受訪者在醫療衛生行業中采用人工智能。
當Beacon Health公司開始推出其人工智能風險評估系統時，也面臨著這個信任問題。該組織采取了三管齊下的方法來解決這個問題。
首先，由臨床醫生、技術專家、操作人員、社區醫療服務人員和其他利益相關者組成的多學科團隊匯集在一起??，從已知的因素開始，為人工智能制定一些基本準則和算法。
“我們知道哪些變量會促使那些高風險人群入院或發生精神病類事件，”Beacon Health公司的Mainelli說。
但是，雖然人類在做出決定時可以考慮七到十個因素，但人工智能可以同時考慮數千個因素，而在非結構化數據被輸入后，其考慮的因素甚至更多，她說。
然后該團隊進行實驗。首先，他們選擇一個歷史時間段，并對該數據運行已創建的算法，以確定該算法是否能準確預測這些患者入院的頻率或患者發生精神病類事件的頻率。
“我們發現，當我們使用人工智能后，我們的預測準確度會提高220%，”她說。
一旦人工智能被用于識別高危患者，該團隊就可以考慮使用潛在的干預措施，并跟蹤觀察所推薦采取的干預措施。
“經過驗證，患者確實從我們的干預措施中獲益，然后我們可以將其作為業務模式的一部分進行部署，”Mainelli說。
與Beacon Health公司一樣，“匹茲堡大學醫學中心”通過讓臨床醫生和管理人員參與到創建算法的過程來解決人工智能系統的“黑盒子”難題。
該醫院首席臨床分析官奧斯卡·馬羅金(Oscar Marroquin)表示：“我們不能指望一群數據科學家會孤立地開發出一些模型，然后讓所有一線的人員立即開始使用。”他補充說，讓臨床醫生參與其中會讓他們對這些模型有一種主人翁感。
該醫院目前有五個人工智能驅動模型在工作，還有60個其他項目正在進行中。該醫院還將增加已使用的模型的復雜性。其應用范圍包括預測患者再入院日期以及利用特定條件的算法來預測患者發生哮喘、充血性心力衰竭和腰痛的后果。
“結果非常好，”他說。但該醫院從一開始就意識到改變行為并不容易。“讓人員參與到整個過程中有助于他們了解數據的優缺點以及與使用這些數據相關的復雜性，這有助于獲得臨床醫生的支持。”
解決信任問題的另一種方法是說明該系統是如何做出決定的。例如，在醫學成像中使用人工智能。
在“馬薩諸塞州總醫院”(Massachusetts General Hospital)和“布里格姆和婦女醫院臨床數據科學中心”(Brigham and Women’s Hospital Center for Clinical Data Science)，人工智能自2016年起就被用于解釋放射學圖像。
“我們將熱圖放在圖像頂部，以幫助讀者了解機器在查看什么內容，”該中心執行董事Mark Michalski說。
這使用戶可以輕松決定對該系統的信任程度。
他說，對于人工智能的其他應用，攻克可解釋性難題并不容易。
例如，該中心最近開始使用機器學習來回答一些操作性問題，例如需要多少張床，以及有關人口健康的問題，例如患者重新入院的可能性。
他說，這些決策是基于電子健康紀錄(HER)數據，因此需要考慮的變量有限，該系統可以顯示對某個特定預測影響最大的特定因素，這在多數情況下會提高用戶對人工智能預測的滿意度。
事實上，一個潛在的問題是對該系統的過度信任，因為人們很容易對這一系統太過滿意。
“我們希望人們不斷了解這些系統是如何以它們的方式工作，”他說。“我認為，從我的角度來看，最可怕的一個問題--這將是最大的挑戰之一--就是持續驗證和安全測試。”
凌亂的數據和遺留系統
人工智能以數據為基礎。在醫療衛生領域，這些數據可能非常混亂，當使用人工智能時會產生復雜的問題。
“常規的機器語言和人工智能系統以固定長度的特征向量作為輸入量，以進行預測，而在醫療衛生領域中存在的并非是結構化的關系數據庫，而是非結構化數據，例如醫療系統中的圖像和注釋，”卡內基梅隆大學的健康信息學助理教授杰里米·韋斯(Jeremy Weiss)說。
處理醫療衛生數據的人工智能技術供應商需要為這些格式的數據做好準備。
“我們經常在行為健康服務機構里面對各種非結構化數據，例如案例說明和調查數據，”Beacon Health公司的Mainelli說道，他對該組織在選擇供應商的方式印象深刻，這家供應商Cyft位于馬??薩諸塞州劍橋市，能夠處理所有不同格式的數據。
Beacon Health公司已經與外部合作伙伴展開合作，將數據發送到Cyft公司，然后再以可用的數據形式返回，這已不再是問題，因為這種方式可能適合于許多醫療衛生組織。
“當(高危患者)名單返回給我們時，”Mainelli說，“我們可以將其整合到我們的患者管理系統中—這些名單被輸入到我們的護理協調系統，從而這就成為臨床醫生工作流程的一部分。”
Beacon Health公司接下來計劃將第三方數據(例如藥房記錄)納入其人工智能分析計劃。
卡內基梅隆大學的韋斯說，這可能是一個更大的挑戰。“各機構缺乏協議和政策的標準化可能會導致更多的數據集成問題。”
但是，全世界正在采取措施使醫療信息標準化，這可能會有所幫助。
例如，在美國，聯邦政府已頒布了電子健康紀錄(HER)標準。
Healthy Nevada Project項目由Renown Health非盈利組織和沙漠研究所(Desert Research Institute)發起，采用賽仕軟件公司(SAS)的人工智能技術，這是一項利用電子健康紀錄繪制內華達州居民健康狀況的醫療保健計劃。
“我們正在使用分析建模和統計機器學習技術來研究各種問題--手術室中的團隊動力，預測病人無法如約就診的情況，預測急診部工作負荷，僅列舉幾例，”該項目的首席數據科學家吉姆·梅特卡夫(Jim Metcalf)說。“所有這些分析均基于電子健康紀錄數據。”
他說，美國各地的醫院和醫療機構正在開展類似的工作。
“僅基于電子健康紀錄數據，數據科學家正在創建統計模型，以識別最有可能發生感染性休克患者或患有未確診的高血壓患者或出院后再入院的患者，”他說。“憑借這種洞察力，我們可以為個人提供前所未有的個性化醫療服務。”
隱私和安全
在患者隱私和安全方面，醫療衛生行業是最受監管的行業之一。人工智能因其需要大量數據而備受關注。
對于Beacon Health公司來說，這意味著要選擇完全符合HIPAA標準的供應商，以便數據能以安全的方式進行處理。
“這一級別的認證是進入這一行業的門檻，”Mainelli說。
在新興的醫療衛生人工智能市場中，健康數據隱私問題正在以幾種不同的方式處理。某些供應商(如Cyft公司)會對數據進行加密，以確保僅擁有相應權限的人員才能查看數據。
其他供應商正在考慮對數據進行匿名化或標記化，以便人工智能系統永遠不會看到任何個人可識別信息。第三種方法是在本地執行所有處理工作，這樣數據永遠不會離開該醫療衛生組織。
例如，VisualDx公司最近發布了一種基于人工智能的診斷工具DermExpert，用于識別皮膚狀況。該應用程序安裝在iOS移動設備上，醫生會對患者的皮疹進行拍照并立即進行評估，而無需將任何數據傳輸到第三方或云端。
該應用程序是人工智能在醫療衛生領域應用的另一個趨勢：它可使非專家(如家庭醫生、急診室和緊急護理醫生)能夠進行初步診斷。
人工智能帶來的最大挑戰
Beacon Health公司的Mainelli說，使用人工智能面臨的最大挑戰不是技術，而是如何調整業務以充分利用它。
“你將如何使用人工智能來降低護理成本，并改善患者的治療效果?”她說。“這是一種新的經營方式。”
對于希望采用類似技術路線的其他組織，她建議首先要清楚地了解需要解決的問題，以及如何使用人工智能所提供的洞察力。
“如果你不對數據進行處理，那么你就不會獲得巨大的價值，”她說。
然后從小處開始，并快速迭代。
“在醫療衛生領域利用人工智能才剛剛開始，”她說。“我認為它創造了一個難以置信的機遇，不僅僅影響到那些患有嚴重精神疾病或藥物濫用的人，而且還會影響到總體醫療費用。”
京公網安備 11010502049343號