一位PCP醫(yī)生曾經(jīng)告訴我，糖尿病患者是最難堅持他們治療計劃的人群之一，因為糖尿病不會立即或強烈地引起疼痛。在IT方面，與之類似的是對技術(shù)的投資。你將需要你的電腦，存儲，安全，EMR等等，但是你應(yīng)該做的最低投資是什么，如果有的話，在人工智能等先進(jìn)技術(shù)上的投資也是很難回答的。

 

在HHS最近發(fā)表的一份報告中，JASON(一個獨立的科學(xué)家和學(xué)者組織，50多年來一直為聯(lián)邦政府提供有關(guān)科學(xué)和技術(shù)問題的建議)的結(jié)論是“與之前不同，人工智能應(yīng)用在健康方面的潛力可能會使這個時代變得不同...”該報告還得出結(jié)論：“人工智能正開始在健康和醫(yī)療保健領(lǐng)域正在發(fā)生的變革中發(fā)揮越來越大的作用，尤其是在臨床環(huán)境當(dāng)中。目前，存在的機會及其局限性還正在探索當(dāng)之中，這意味著創(chuàng)新者和一些早期采用者都正在努力，而是否投資則取決于你想在采用曲線上扮演什么樣的角色。”

 

在Accenture的白皮書《人工智能：醫(yī)療保健的新神經(jīng)系統(tǒng)》當(dāng)中，列出了醫(yī)療保健領(lǐng)域的10大人工智能應(yīng)用，并根據(jù)年度效益估計了其近期的價值。排名前三的分別是機器人輔助手術(shù)(400億美元)、虛擬護(hù)理(200億美元)和行政工作流程協(xié)助(180億美元)。在考慮這些寬泛的類別是否應(yīng)該是你關(guān)注的領(lǐng)域，或者增加對它們的投資時，看看其他人在做什么可能是有益的。

 

 

例如，一家社區(qū)醫(yī)院正在使用無監(jiān)督機器學(xué)習(xí)和監(jiān)督預(yù)測，通過識別數(shù)千份患者記錄中結(jié)果最好的患者之間的共性，揭示肺炎的最佳護(hù)理途徑。這項工作首先使用SQL代碼從多個醫(yī)院系統(tǒng)(AllScripts EHR、企業(yè)數(shù)據(jù)倉庫、外科、財務(wù)和企業(yè)績效)中提取數(shù)據(jù)，然后使用FHIR將結(jié)果交付到臨床差異管理應(yīng)用程序中。借助于可視化界面揭示的洞察力(例如推薦途徑步驟的原因和時間)，該項目可以通過修訂EHR中的ED和住院治療順序來部署的最佳護(hù)理途徑，該項目也由此獲得了足夠的支持。這項關(guān)于肺炎護(hù)理途徑的初步工作幫助節(jié)省了85萬美元的費用。目前，膿毒癥、心力衰竭、全髖關(guān)節(jié)置換術(shù)和慢性阻塞性肺病等也已成為了研究的熱點。

 

Montefiore衛(wèi)生系統(tǒng)則采取了一種更基本的方法：開發(fā)一個數(shù)據(jù)湖和基于圖形數(shù)據(jù)庫的基礎(chǔ)設(shè)施，這些基礎(chǔ)設(shè)施可已支持各種病人的護(hù)理用例。它使他們能夠?qū)嵤┫冗M(jìn)的膿毒癥檢測工具，以及支持臨床決策的工具。對數(shù)據(jù)管理的投資得到了很好的回報：他們的數(shù)據(jù)科學(xué)家現(xiàn)在能夠花70%的時間進(jìn)行人工智能分析上面，而以前則需要花75%的時間進(jìn)行數(shù)據(jù)管理和數(shù)據(jù)爭論。由此產(chǎn)生的基礎(chǔ)設(shè)施，以病人為中心的分析學(xué)習(xí)機(PALM)，成為了為AI分析項目帶來規(guī)模經(jīng)濟(jì)的基礎(chǔ)。

 

除了組織中的支持之外，這兩個項目的共同點是數(shù)據(jù)集成。AI從數(shù)據(jù)開始，數(shù)據(jù)管理(通過數(shù)據(jù)治理，清理，ETL，語義協(xié)調(diào)等)工作為AI算法提供了語義協(xié)調(diào)數(shù)據(jù)，模型構(gòu)建，為進(jìn)行預(yù)測和改進(jìn)模型奠定了基礎(chǔ)。另外，還需要將結(jié)果引入醫(yī)療保健的工作流程，例如：修改訂單集，或向醫(yī)療的點對點系統(tǒng)注入洞察力--以實現(xiàn)收益。

 

一旦你有了數(shù)據(jù)管理，人工智能就有很多機會來作為支持創(chuàng)新的工具，為組織帶來更多的投資回報。例如，自然語言處理和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合可以很容易地在保險驗證或預(yù)授權(quán)中發(fā)現(xiàn)遺漏，這樣護(hù)理團(tuán)隊就可以在遇到某個程序之前就糾正它們。

 

 

有了這個，最初的重點就回到了實現(xiàn)數(shù)據(jù)驅(qū)動的計劃，并提供洞察力上面--從人工智能、BI(商業(yè)智能，如OLAP和數(shù)據(jù)可視化工具)或人員(如案例管理)，到第一線工作人員的指導(dǎo)決策和自動化工作，如果沒有這些，對人工智能投資的影響將是有限的。Gartner在其十大戰(zhàn)略技術(shù)趨勢中稱之為“增強分析”。“隨著數(shù)據(jù)科學(xué)家更多的使用自動化算法來探索假設(shè)，增強分析技術(shù)代表了數(shù)據(jù)和分析能力的第三波大浪潮。數(shù)據(jù)科學(xué)和機器學(xué)習(xí)平臺已經(jīng)改變了企業(yè)產(chǎn)生洞察力的方式，”Gartner的副總裁兼研究員David Cearley表示。

 

人工智能專家，風(fēng)險投資家，《人工智能超級大國：中國，硅谷和新世界秩序》的作者李開復(fù)在其中描繪了一個非常廣泛、跨行業(yè)、跨地域的人工智能影響觀。李博士提出的一個觀點認(rèn)為，中國的優(yōu)勢在于，廣泛采用的優(yōu)質(zhì)產(chǎn)品可以生成詳細(xì)的數(shù)據(jù)寶庫，從而使公司能夠執(zhí)行復(fù)雜的人工智能，以此生產(chǎn)出更好，被廣泛采用的產(chǎn)品。良性循環(huán)將會保持下去，在這方面做得好的行業(yè)領(lǐng)導(dǎo)者將繼續(xù)擴大領(lǐng)先優(yōu)勢，從而形成贏家通吃的經(jīng)濟(jì)模式。

 

所以，人工智能策略的最低要求是管理好數(shù)據(jù)以支持人工智能的探索。該戰(zhàn)略的工作成果可以促進(jìn)許多需要使用數(shù)據(jù)的項目，為更多的患者帶來更好的服務(wù)，并實現(xiàn)良性循環(huán)。