AI已经在改变医疗行业，只是方式可能与你想象的不同

华建蓝海

大数据人工智能创新云平台

人工智能在许多领域（特别是医疗保健领域）具有巨大的冲击力。然而，医疗保健领导者必须了解的是，技术本身并不是一个神奇的子弹。人工智能和机器学习无法在一夜之间解决所有医疗的问题。

与医疗领域的其他创新技术一样，从人工智能中获取价值的关键是明确得定义需求并将解决方案集成到现有工作流程中。这并不意味着人工智能将取代医疗行业中医生或其他工作人员的工作；相反，AI将辅助增强临床和行政人员参与和治疗患者的能力。

例如，深度学习算法可用于识别指示哪些来自患者的不遵从医嘱行为会造成的较高风险。该技术尚未实现的是确定让患者接收相关预警以确保患者按照合规得方法改变行为。医护人员可以在诊断时集成来自这些人工智能的发现。这些是人工智能最常用的价值——通过技术可以释放医疗大数据中蕴藏的洞察和经验。

医疗行业的领航者们构建了一个庞大的数据存储库（有时称为“数据湖”），它在整个组织中聚合不同类型的数据。然后，他们与其他业务和运营领导者共享数据湖的功能，以确定可以使用现有数据解决的潜在业务需求。

这种方法可能适用于具有灵活性，资源和时间的大型医疗机构，这些组织通常需要多年的努力。然而，对于规模较小的医疗机构而言，这种善意的承诺可能更难实现一些。

另一种方法是从一些特定的近期诊断需要开始，让AI和机器学习轻松解决。只要在确定了这些需要并确定优先顺序后，就能开始汇总数据，特别关注与优先问题相关的数据元素。一旦在人工智能的帮助下成功构建了这些初始解决方案，领导者就可以开始解决其他挑战。最大的好处？随着每次增加的顺利实现，领导者会从主要利益相关者例如患者或者医生那里获得更多经验和更多支持。

为了帮助领导者取得先机，我们确定了三个用例，在三个案例中AI可用于实现这种辅助增强临床和行政人员参与和治疗患者的能力。这三个例子都可以在医疗组织的人工智能旅程中相对较早地发生，因为大多数数据已经可用。这意味着医疗保健组织可以立即开始实现这些应用。

1：由随机分配到匹配最合理的医护资源

鉴于卫生系统变得越来越大，具有多个接入点和专业医护人员的复杂结构，将正确的患者与合适的资源连接起来可能很困难。但是，通过利用患者偏好的数据和专业医护人员的信息，AI可以将患者与最合适的护理团队进行匹配。

像聊天机器人这样的工具可以通过自动化患者交互的标准部分将AI集成到操作工作流程中，这非常有价值。

例如，聊天机器人可以将患者分类到正确的服务（例如，远程医疗，紧急护理，初级护理办公室或专家），安排预约，并简化摄入过程。通过患者和摄入人员（或摄入聊天机器人）之间的记录或转录交互，组织可以利用自然语言处理和其他机器学习工具，基于初始自动交互自动创建决策树。

如果自动化患者互动听起来不那么动听，那么就要知道自动化的目标是在过载的医疗系统中尽可能多地处理和帮助患者和护理人员。 Sensely和Buoy Healthcare等公司甚至使用AI根据患者描述或拍摄的症状对患者进行建议诊断。机器学习工具功能强大，而且它们一直在变得越来越强大。

2：了解患者病史和整体健康情况

了解患者在复杂的医疗系统中的病史并计算患者的整体健康情况对于医疗服务提供者而言似乎难以实现。要全面地实现这一目标，需要在CRM系统，患者端，医疗预约工具，电子医疗记录和收费系统之间进行持续的数据聚合。

但是，更重要的是，许多供应商可能不相信在成本和收入难以预测的行业中的整体健康情况计算 -——他们想知道计算整体健康情况是否准确到足够有用？这就是AI的用武之地。

人工智能工具可以帮助您描述不同类型的患者如何通过医疗系统制定更准确的整体健康情况估计。然后，护理提供者可以实时使用这些模型来告知患者预测疾病和管理疾病。

3：评估可取的临床结果的可能性

计算特定患者经过所选用的临床治疗方式后恢复健康的几率需要汇总患者人口统计和参与度以及关键临床数据。如果此数据已被收集，则实施AI解决方案将需要基于这些关键数据点构建算法。

Manifold与一家慢性疾病管理公司合作实施类似的流程。我们开发了预测模型，评估患者达到预期临床结果的可能性，并为每位患者分配“风险评分”。通过将风险评分整合到员工的工作流程和面向消费者的移动应用程序中，我们的客户能够制定更个性化的治疗计划。结果是卓越的运营效率，更好的患者体验以及整体改善的结果。

人工智能在媒体上引起了很多关注，这可以诱使医疗行业的领导者潜入并快速得开始运用，全面地实施人工智能技术。然而，从长远来看，从小规模开始将提供创造持久解决方案所需的牵引力。可访问的成功使用经验增加了医疗组织的动力，当连续几个案例实现时，关键利益相关者将开始注意到人工智能的效用。

本文来源于公众号：医信邦

地址：北京市东城区银河SOHO D区7层50735室