如今，醫療保健領域的人工智能應用已隨處可見。來自我公司的數字健康情報數據庫DamoIntel的數據表明，2020年，在臨床和行政領域，人工智能用例的發布量有了顯著上升。對美國50大醫療系統所部署的AI/ML應用程序的分析表明，支持AI的解決方案可分為多個技術類別：機器學習、自然語言處理(NLP)、類似聊天機器人的會話接口以及機器人流程自動化(RPA)。臨床和管理領域中與COVID相關的用例也促進了新技術(如聊天機器人)在醫療領域的應用增長。

 

 

AI支持的護理所面臨的最大挑戰是在護理點提供對臨床工作流程的實時洞察。語音識別技術對于較低層次的任務是有效的，例如記錄醫患會面。然而，他們還沒有能夠發展成為決策支持系統，無法在診斷和治療決策的護理點提供額外的見解。

 

另一方面，能夠提供實時洞察的解決方案也尚未達到規模化以及被廣泛采用。一個例子是斯坦福大學與Amazon合作開發的基于智能手表的COVID診斷應用程序，該應用程序會通過分析心率升高和其他的異常情況，來向疑似COVID感染的患者發出實時警報。遺傳學教授兼主席Michael Snyder博士正在努力推廣這一解決方案，其目的是為個人層面的健康指標建立一個持續的監測框架。他的目標是覆蓋任何擁有智能手表的人。Amazon已經為全世界的數字健康創新者提供了數以百萬計的云計算積分，以用于類似的診斷解決方案。

 

 

如果說今年有一個新趨勢的話，那就是數據協作。Truveta是一個由14個醫療系統組成的聯盟，于2月份成立，旨在匯集所有成員系統的患者數據，以推動高級分析，改善醫療保健結果。Google也宣布了與醫療保健企業的一系列合作伙伴關系，包括Mayo Clinic，Ascension Health和Highmark。用例包括但不限于質量度量的數據分析、基準測試和管理報告。除了與Google的合作，Mayo Clinic還與AI初創公司啟動了新的數據協作計劃，目標是來自遠程監控設備的數據。Highmark是賓夕法尼亞州的一個主要健康計劃，它與特拉華州的Christiana Care建立了為期10年的合作關系，通過匯集醫療和索賠數據，以期取得更好的結果。預計會有更多的財團作為大的支付者和提供商來匯集他們的數據集，通過先進的分析見解來提高效率。

 

 

•在支持人工智能的應用程序中增加創新，遵循CMS最終規則，允許患者訪問其醫療信息，并與希望構建新的數字醫療產品和服務的開發人員進行共享。

 

•未來的病房將融合在護理人員、患者及其家人之間的由人工智能驅動的優越的數字化互動體驗。Penn Medicine在費城的15億美元投資就是一個例子。這個名為The Pavilion的設施擁有500個床位，病房的墻壁上裝有交互式的75英尺監視器。John Donohue，實體醫療服務的副總裁，一直密切參與著這個未來病房的技術支持工作。他將由迪士尼啟發的用戶體驗設計作為了這個正在進行的為期6年項目的一部分。

 

•來自遠程監控設備的分析。AI驅動的應用程序可以接收和分析來自家庭監控設備和傳感器的大量數據，這將是推動醫療保健發展的下一個階段。隨著醫療保健從醫院轉移到了家庭，預計未來將在分析遠程傳感器和監控設備的數據方面進行大量投資。Amazon最近推出的Amazon護理服務除了包括虛擬護理服務之外，還包括了家庭護理服務來作為整體套餐的一部分。Kaiser Permanente和Mayo Clinic等大型醫療系統也加入了這場游戲。他們已經宣布投資Medicaly Home，這是一家主要服務于家庭護理的科技公司。

 

 

雖然支持人工智能的醫療保健技術和計算基礎設施已經成熟，但支持人工智能的醫療保健的采用是由當前醫療保健生態系統中現有人員的不同準備水平以及對支持人工智能的醫療保健安全性的擔憂所驅動的，特別是針對復雜的臨床狀況下。

 

患者也對AI支持的護理持懷疑態度：最近的一項研究指出，患者們發現聊天機器人具有侵入性，并對是否接受機器人的醫療建議猶豫不決。盡管支持人工智能的應用程序的管理用例可能會在短期內帶來更好的投資回報。Centene于2020年收購了醫療分析公司Apixio，該公司的首席執行官Sachin Patel證實，在風險調整等金融業務中，人工智能應用的回報率為4倍至7倍。

 

我公司的研究表明，超過一半的醫院在繼續使用電子健康記錄(EHR)系統來作為護理點的主要工具。新的、基于云的、支持人工智能的解決方案在無縫集成到醫療點的臨床工作流程方面依然面臨著挑戰。對于支持人工智能的應用程序來說，互操作性問題以及醫療數據的標準化和規范化方面的問題仍然是一個重大挑戰。此外，ICD、SNOMED和FHIR等標準也在不斷發展，這也代表了對經主題專家驗證的權威代碼變更管理和數據標準化解決方案的持續需求。新出現的數據來源，如基因組數據，在用于AI應用之前，需要圍繞道德和隱私設置額外的防護。

 

在醫療保健中關于人工智能的最后一個問題是缺乏對算法將如何在醫療保健中工作的可見性，許多人工智能應用中固有的系統性偏見也進一步加劇了這一問題。盡管人工智能技術已經取得了進步，但在一個數據集上訓練的算法很難轉移到另一個數據集上面，尤其是在操作數據和健康的社會決定因素在人口健康風險評估中作用增加的情況下。隨著云平臺開始成為了開發人工智能解決方案的主要數據存儲庫，對數據隱私保護的擔憂也將推動人工智能工具采用所需的信任和認同。

 

人工智能在醫療保健領域的一個亮點是，人工智能在管理功能方面的采用步伐很快。衛生系統的主管必須主動擴大這些應用的范圍，以涵蓋新的操作領域，包括訪問和患者參與，以提高效率和體驗質量。臨床領導者則必須繼續謹慎地擴大人工智能應用的使用，并將注意力集中在不一定要取代人類直覺和判斷的操作領域。這方面的一個例子是在Penn Medicine使用的一個人工智能優化化療計劃。

 

當醫療保健領導者希望加速人工智能的采用時，他們還必須仔細的權衡開發和部署人工智能解決方案所涉及的成本和收益。問題總是會回到我們可以使用從人工智能應用中獲得的洞察力來做些什么。如果我們不能根據這些見解和信息來改變現狀，臨床領導者就必須首先質疑項目的價值和產生這些見解所需的精力。關鍵是要投資于我們可以看到展示結果的領域，并在此基礎上進行建設。我們距離在醫療保健的核心臨床方面普遍使用人工智能還有幾年的時間。在此之前，我們只是繼續向前推進。

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。