【51CTO.com快譯】眾所周知，在醫療保健的各個方面，時間一直被認為是最有價值的部分。即使是數分鐘的延遲也可能會導致生命丟失。然而從另一個角度來說，醫生花費在每位患者身上的時間卻平均只有15分鐘。這對于他們去仔細研究患者的詳細信息，包括：類似的病例、人口特征與統計學信息等方面，顯然是不夠的。

近年來，隨著AI(人工智能)技術逐步進入醫療保健領域，以前那些被認為是巨大障礙或不太可能的診療方法已經變得可行。與此同時，美國有超過90%的醫院已經從基于傳統的紙張病例系統，轉移到了電子化記錄與診斷方式上。醫生們可以通過AI技術來預測、發現和分析各種重大疾病和罕見病例。

什么是醫療診斷中的AI?

簡而言之，醫療診斷中的AI就是通過自動化和預測等技術與方法，協助醫療診斷的過程。通過AI系統，用戶可以減少從檢查、到發現、再到診療之間的時間缺口;醫院能夠自動化地快速挖掘各種醫療記錄，并生成相應的治療結果建議。此外，一些具有預測分析功能的AI平臺，還能夠通過機器學習和高級算法，發現患者用藥的不規律性，甚至預測患者的死亡率。

根據Frost & Sullivan(譯者注：全球知名市場研究與企業咨詢公司)在2016年進行過的一項研究表明，醫療保健領域的AI應用具有如下特點：

• 預測到2021年，市場總值將達到66億美元。
• 未來兩年的總體增長率將高達40%。
• 醫學影像類的診斷水平將大幅改善。
• 醫療成果的轉換潛力為30%到40%。
• 潛在的治療改善成本為50%。

AI在醫療診斷中的重要性

首先，對于醫生而言，他們及其所在的醫療保健組織，有機會獲取并利用到其他醫生的集體知識，以及數百萬條患者的病史記錄。而且有了AI技術及其系統，他們對于這些記錄的訪問完全可以實現自動化，并且是基于信息相關性的。整個過程只需要幾秒鐘便可完成。當然，這只是AI在醫療診斷領域的眾多功能中的一項。AI就像一名虛擬化的私人助理，可以根據相似的病例和既有的治療方案，向醫生提供多種建議。

目前，雖然AI尚不具備完全取代醫生的能力，但它已經具有了挖掘數據，執行分析，以及識別模型等人類普遍無法達到的能力。AI能夠和那些經驗豐富的醫生相得益彰，全面提高醫療診斷過程的效率與質量。

總的說來，AI在醫療診斷中的作用可以概況為：

• 改善診斷。
• 降低成本。
• 模型識別。
• 臨床相關，高質量和快速度的數據生成。

業界對于醫療診斷類AI的批評

盡管AI在醫療診斷方面有著許多明顯的優勢，但是人們在應用此項技術時，仍然會產生各種顧慮甚至是批評。其中包括：

• 無論是要訪問高質量的數據，還是要開發用于智能分析的模型，識別對應的特征，以及訓練不同的算法，這些都會涉及到高昂的成本。
• 由于各種軟件的分散性與多樣性，以及電子病歷保存效率不但低下，而且缺乏全面性，許多醫療機構會發現自己的實現模型與其他組織完全無法兼容。這往往會造成弊大于利的情況。
• 出于安全性的考慮，許多系統都與互聯網相隔離，而這就導致了信息共享和數據訪問完全無法實現。面對信息孤島，AI只能苦于缺乏必要的訓練數據。
• 一些較為傳統的醫療工作者會將AI的建議，視為對于醫生專用水平、乃至權威的挑釁。他們仍然會遵從本能，甚至會出于感情原因做出相反的判斷與決定。

如下圖所示，根據思科的觀點：“在近期受訪者中，有54%的醫療保健組織管理者認為在未來的五年內，AI會在本行業內被廣泛地采用;36%的患者則對AI缺乏信任，而30%的臨床醫生甚至對AI的應用持有抵觸情緒。”

AI在醫療診斷中的潛力

通過智能化的系統與流程，醫生和醫院能夠及時地識別出那些帶有腎功能衰竭、心臟疾病、手術后感染、以及二次住院風險的患者。

大量的電子健康數據與公共數據庫信息，可以結合成為強大數據源，讓AI系統能夠在幾秒鐘內完成龐雜的研究工作，進而根據相似的病史流行程度，以及患者的過往記錄，提出治療和用藥建議，并且計算出成功的幾率。

此外，針對某種藥物可能對某類人群并無效果的情況，AI系統能夠在醫生開具處方時，向醫生提出警告，甚至是藥物風險的揭示。同時，AI分析系統還能夠敏銳地捕獲患者以往記錄中的異常情況。例如：某位患者雖然聲稱自己從不飲酒，但是他的諸多檢測指標卻都能表明他有過飲酒的跡象，那么AI系統通過綜合分析，就能及時以高亮的方式提請醫生的注意。

如下圖所示，根據思科的觀點：在2018年《腫瘤學年鑒》中，曾有過一項研究：他們讓卷積神經網絡(CNN)--一種機器學習(ML)系統，與58名皮膚科醫生進行了一次較量。通過“觀看”超過100,000張惡性與良性腫瘤的圖像，人工智能(AI)系統可以準確地檢測出95%的黑色素瘤，而人類皮膚科醫生只發現了其中的86%。

為了進一步理解AI的用途，下表給出了使用AI最普遍的六大行業。可見，醫療診斷就占有其中的一席之地。

下面我們具體討論一下醫療診斷類AI項目落地的十步走。

步驟1：使得醫療保健機構的各個成員熟悉上面我們所討論到的 AI基本功能和優勢。這不但有助于他們對AI形成清晰的認識，而且能夠幫助他們對AI提出合理的需求，產生切實的期望。

步驟2：識別和發現現有醫療診斷過程中的各類“痛點”。考慮并分析是否可以通過現有的AI相關技術予以解決。通過需求列表的形式，清晰地羅列出AI能給組織帶來的真實價值。

步驟3：專注于業務優先級，通過深入分析，權衡采用AI所創造的價值與所涉及到的實施成本之間的關系。這樣可以確保每一項投資，都能夠直接與其帶來的業務價值相匹配。

步驟4：通過向醫生、護士、以及醫療工作人員宣介AI的相關技術，讓他們參與系統的設計，并提出合理化的建議。由于熟悉業務，并能夠深度參與本機構的日常運作，他們往往能夠指出技術人員可能忽略掉的細節問題。

步驟5：確定解決方案，組建AI項目團隊，招募開發人員，完成編碼與測試，并試運行該系統。在此階段中，為試點項目和后續部署建立清晰的時間表，是項目成敗的關鍵。

步驟6：分配專職的團隊成員，負責定期對醫療保健機構進行用戶教育，收集系統在部署與運行過程中所碰到的問題，以及督促和確保醫護人員能夠定期使用該系統。

步驟7：對于組織而言，一腳跨入AI系統難免會有些不適應，以及不可預見的錯誤。因此，我們應當根據醫生、護士、以及醫療工作人員的使用反饋，不斷優化系統并按需改進算法。

步驟8：無論是患者的相關數據還是智能算法的信息存儲，都是AI系統的重要組成部分。因此，對于每一個希望邁向AI的醫療機構而言，都需要為大量的數據存儲需求做好充分的安排。

步驟9：與開發人員進行定期交流，其中涉及到評審現有的AI算法，以及已經采用的數據采集與分析技術。這些溝通能夠確保所部署的AI服務，符合醫務人員的原始需求，并體現實際的業務價值。

步驟10：在開發過程中尋求AI系統和技術實現能力之間的平衡。這將消除未達到預期的效果，而避免人員的失望情緒。

協助醫療機構進行舊系統的AI轉換

每個醫療保健組織都需要根據自身的特定需求，對既有的、特別是那些“遺留”的系統進行評估。對于老舊系統的處置方式，業界經常會用到“遷移”、“現代化”和“轉型”等方式，下面我們來看看三者之間的區別：

遷移：醫療機構處置其遺留系統最簡單的一種方式。它涉及到將現有系統從一個平臺遷移到另一個平臺，這是一種在保持系統功能和設計不變的前提下，比較直接有效的方式。不過，隨著系統性能的提升，其相應的遷移成本也會增加不少。

現代化：直接對現有系統進行功能與性能等方面的增強。此方法并不涉及將舊的系統遷移到其他平臺，只是進行本地升級與功能性的“現代化”。在某種程度上，這是一種折中的方案。

轉型：既涉及到上述遷移的活動，又伴隨著現代化的提升過程。AI系統的項目落地常會以這種方法對遺留的系統進行全面改造。也就是說，我們一邊原地改進既有的某部分系統，一邊大刀闊斧地新增具有AI和機器學習能力的平臺。

醫療診斷的AI未來

目前，從AI在醫療診斷的應用來看，各種機器學習、智能算法、預測分析、以及自動化數據的分揀與特征提取等技術實現，都能夠在一定程度上給傳統的診斷方式賦能，并且大幅促進了醫生對患者治療的效率與效果。

原文標題：10 Steps to Execute an AI Transformation Project ，作者：Garron Jhonson

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】