我们都知道技术是变革的驱动力。与20年前、10年前甚至五年前相比，我们今天在医疗保健行业看到的大部分发展和改进都是技术创新的直接结果。随着技术不断变得更加智能、更快和更可靠，似乎可能性是无穷无尽的。
人工智能（AI），尤其是机器学习（ML），可能会对患者、医生和医学研究人员的医疗保健行业的未来产生巨大影响。例如，根据约翰霍普金斯大学2016年的一项研究，由个人和/或系统层面的错误引起的医疗错误被确定为美国第三大死亡原因。在专注于患者治疗和护理的医疗保健环境中利用人工智能技术可以帮助减少这一数字。然而，要到达那里需要一些工作。在我们看到整个医疗保健行业广泛采用之前，有必要对人工智能技术的好处以及正确整合这些技术的方法进行更多教育。
人工智能能做什么？
今天关于人工智能和机器学习的主要问题之一似乎是最基本的——如何最有效地使用这些技术。作为医生或医疗保健组织，我从我的实践或医院中应用人工智能会得到什么？关键用例有哪些？这项技术最终将如何使我的患者受益？
在基础层面上，人工智能可以作为医生的预筛选工具，在患者就诊之前为他们提供有关患者的关键背景信息。然后，这些技术可以提供增强，作为治疗和诊断的第二意见。
提供分类和诊断数据
我们知道吸烟者和被诊断患有肺癌的人之间存在显着相关性。然而，许多其他因素（职业、化学品暴露、药物、补充剂）可能导致或增加个人患肺癌的风险。
智能虚拟助手，也称为聊天机器人，可用于导航与患者的初始对话，以收集健康史、症状或其他重要信息——理想情况下，在他们踏入医生办公室之前。然后，这些数据可以用作ML模型的输入，该模型为患者提供初始分诊/诊断数据，同时为医生提供总体风险评分或患者可能患肺癌的可能性。研究表明，基于人工智能的分诊结果可与人类医生的准确性相媲美，因此这里有很大的潜力。
ML模型不仅可以为医生提供患者风险评分，还可以识别患者对其评分贡献最大的特定当前和历史特征，例如在其工作环境中暴露于其他致癌物的持续时间或发生率。有时这些相关性对训练有素的专业人员来说是显而易见的，但有时并非如此.AI ML可以帮助发现患者数据中的这些复杂模式，这些模式并不总是容易被人类识别。这是有价值的预筛查信息，可以帮助医生更好地为检查做好准备，简化患者在医院的体验，并减少诊断和/或治疗计划中的人为错误。
人工智能也为医护人员提供救援
AI和ML的另一个越来越重要的用例是对抗医护人员的倦怠甚至自杀风险。医生的自杀率已经是该国最高的之一，并且由于 COVID-19 大流行造成的压力而恶化。虽然这是一个高度敏感的问题，需要深思熟虑的人为干预，但技术也将越来越多地发挥关键作用。
医院现在正在寻求人工智能和机器学习来帮助识别面临负面心理健康影响（疲劳、倦怠、抑郁）风险更大的医护人员，以便他们反过来提供支持。自然语言处理 （NLP） 技术的进步（可以搜索和分析非结构化数据，如医生笔记）为医疗保健组织提供了分析基于电子健康记录 （EHR） 的活动日志和工作负载指标的机会，以识别负面情绪和过度工作的趋势。
增强诊断数据
与制衡系统相比，ML还可以深入研究患者的诊断成像。使用X光片，CT扫描和其他类型的成像，ML方法可以将医生可能不容易检测到的图像中的模式和趋势联系起来，包括疾病的早期迹象和组织或骨骼的退化水平。例如，研究已经确定 COVID-19 会导致肺部出现毛玻璃样混浊 （GGO）。虽然已知许多不同的疾病也会导致这种情况，但COVID-19特有的GGO的存在显示出独特的模式和位置。ML 模型已经过训练，可以使用以前的患者 X 线照片作为基线来识别 COVID-19 的存在，目前的敏感性评分为 .90，准确度约为 91%。
另一个突出的例子涉及患者和医生可能发放的可穿戴设备，以帮助监测他们的诊断。这些设备对于那些管理慢性、退行性疾病（如心脏病或糖尿病）的人来说尤其重要。从这些可穿戴技术收集的数据可以整合到ML算法中，以提供对习惯和趋势的更详细的见解，以及如果给定趋势（例如持续升高的血压水平）持续下去，患者的未来状态。此外，医生可以使用这些数据来识别努力维持健康水平的高风险患者和/或分享指导，以帮助患者在两次检查之间自我管理。
在流程的早期深入了解这些类型的数据点可以帮助医生更快地提供更可靠的治疗响应，同时也有助于降低误诊的风险。当研究表明，美国医院每年估计有40,000至80,000人死于误诊时，这一点尤其重要。
在医疗保健中安全有效地使用 AI
与大多数新技术一样，与人工智能相比，存在一些犹豫和未知数。首先，人工智能并不意味着可以替代医生。相反，该技术应该被用作帮助医生更有效地评估和治疗患者的辅助手段。同样重要的是要注意，这些机器确实有局限性，不会一直100%准确 - 在整个诊断和治疗过程中需要持续的人类参与。
在这种情况下使用时，AI和ML可以为医疗保健行业提供无数的好处。然而，使用它的组织不仅需要知道如何开发人工智能模型，还需要知道如何有效、安全和合乎道德地做到这一点。
虽然Gartner的报告发现，估计到85年，估计有2022%的人工智能项目将失败，但这一估计不一定是特定组织的现实。如此多的人工智能项目失败的原因不一定是由于人工智能流程本身，而是缺乏强大的数据治理、协作和问题定义。成功利用人工智能的组织通常在设计开始时就考虑到一个明确的最终目标，而不是人工智能理想中扮演的角色或它将解决的问题。这种方法允许组织向后工作，指导他们完成有助于实现最终目标的基础组件。
为了有效地开始使用 AI 和 ML 技术，组织还必须具备适当的数据治理和安全性，以最大限度地提高投资回报率。由于 ML 在很大程度上基于概率和统计数据，因此对于医疗机构的基础设施来说，人工智能项目中使用的数据干净可靠至关重要。例如，AI和ML非常有益的一种方式是通过在指定时间内拍摄患者图像来破译趋势。一个常见的挑战是处理成像的位置和方式。角度、定位或成像处理的变化可能导致模型提供不可靠的结果。为了在利用 AI 和 ML 方面获得最高的成功率，组织必须确保他们拥有高质量的数据和定义的流程。这首先要为数据治理和安全性奠定坚实的基础。
下一步是什么？
我们现在从医疗保健行业的AI和ML中看到的只是一个开始。随着这些技术的不断发展和变得更加先进，它们将为医疗保健专业人员和患者提供的见解和能力将真正具有变革性。通过利用这些技术，医疗保健组织不仅将随着时间的推移获得竞争优势，而且还将努力确保患者得到最好的护理。
椰有料原创，作者：小椰子啊，转载请注明出处：http://www.studioyz.com/4159.html
文章评论