認清在醫(yī)療保健中實施人工智能(AI)所面臨的挑戰(zhàn)，可以幫助醫(yī)療保健提供者制定適當?shù)牟呗圆⒁詿o風險的方式快速實施創(chuàng)新的解決方案。

人工智能正在以多種方式改變醫(yī)療保健。醫(yī)療保健組織正在實施用于機器人手術、護理幫助、準確診斷和精密藥物的AI。實際上，畢馬威會計師事務所(KPMG)進行的一項調查顯示，有53%的高管認為醫(yī)療保健在采用AI方面處于領先地位。

盡管在采用AI方面處于領先地位，但并非所有醫(yī)療保健組織都已實施AI。部署AI解決方案時面臨的挑戰(zhàn)仍使一些醫(yī)療保健組織無法充分利用AI技術。在這種情況下，醫(yī)療保健企業(yè)有必要了解醫(yī)療保健及其解決方案中的AI挑戰(zhàn)。

解決醫(yī)療保健中的人工智能挑戰(zhàn)

要解決醫(yī)療保健中AI實施方面的挑戰(zhàn)，必須意識到這些挑戰(zhàn)。一旦衛(wèi)生組織意識到了挑戰(zhàn)，便可以更好地找到克服挑戰(zhàn)的方法。

收集數(shù)據(jù)

人工智能系統(tǒng)需要大量數(shù)據(jù)。并且收集的數(shù)據(jù)必須來自可靠的來源。從不可靠的來源收集數(shù)據(jù)可能會對AI解決方案的輸出產生不利影響。

因此，為了獲得準確的輸出，醫(yī)院必須從可靠的來源收集培訓數(shù)據(jù)。他們可以從患者的歷史和當前病歷中找到可靠的數(shù)據(jù)，因為醫(yī)療保健中的每個患者都是他們自身的來源。醫(yī)療保健組織還需要為機器學習算法準備準確的數(shù)據(jù)集。但是數(shù)據(jù)準備方面的挑戰(zhàn)通常很難克服。

因此，毫不奇怪的是，有96%的組織因為成功實現(xiàn)AI而遇到數(shù)據(jù)相關的問題阻礙。為了準備精確的數(shù)據(jù)集，醫(yī)院需要盡早確定所需的結果并相應地準備數(shù)據(jù)。醫(yī)療保健組織還需要確保數(shù)據(jù)與構建過程一致。他們可以通過清除數(shù)據(jù)以使丟失的值最小化并消除不相關的數(shù)據(jù)來使其數(shù)據(jù)兼容。

保持合規(guī)

每個患者都是可靠的數(shù)據(jù)來源。但是，如果這些來源拒絕提供其數(shù)據(jù)來構建AI系統(tǒng)怎么辦?沒有人希望他們的數(shù)據(jù)被用于非法目的。為了避免這種情況并在患者之間建立信任，政府和領先的醫(yī)療保健組織制定了每家醫(yī)院都必須遵守的法規(guī)。

例如，通過了《醫(yī)療保健信息攜帶和責任法案》(HIPAA)，以強制執(zhí)行機密處理患者數(shù)據(jù)的標準。另一個例子是《經濟和臨床健康衛(wèi)生信息技術法案》(HITECH)，該法案旨在標準化當今數(shù)字時代中電子健康記錄(EHR)的維護。這種監(jiān)管行為使患者可以隨意共享其數(shù)據(jù)，這些數(shù)據(jù)可用于訓練AI系統(tǒng)。

醫(yī)療保健組織還需要確保收集的數(shù)據(jù)受到保護，以增強隱私和安全性。但是，在當今世界，我們經常聽到有關網(wǎng)絡安全漏洞的消息，保護數(shù)據(jù)安全并非易事。這也是醫(yī)療保健組織可以利用區(qū)塊鏈的地方。

AI和區(qū)塊鏈的融合可以共同革新許多行業(yè)，醫(yī)療保健是這些行業(yè)之一。區(qū)塊鏈將確保安全傳輸和存儲患者數(shù)據(jù)，以增強隱私和安全性。它還將為患者提供透明性，以便他們可以查看其數(shù)據(jù)的存儲位置和使用方式。

識別應用

大多數(shù)企業(yè)可以借助一些機器來進行操作。但是，與大多數(shù)企業(yè)不同，醫(yī)療保健組織需要多種工具進行診斷和治療。

例如，存在用于診斷和治療不同醫(yī)療狀況的各種類型的設備，例如呼吸機、掃描儀、X射線機和ECG機。對于醫(yī)療保健組織而言，為物聯(lián)網(wǎng)確定合適的應用可能變得很復雜。醫(yī)院必須了解不同機器的復雜性，才能確定正確的應用。他們還需要向供應商咨詢如何輕松、快速地將AI解決方案與特定機器集成。

衛(wèi)生組織需要明智地選擇AI供應商。選擇AI供應商之前，需要考慮多種因素。通用或垂直解決方案，、與目標的一致性以及成本效益等因素會在很大程度上影響AI供應商的選擇。識別合適的用例并根據(jù)需要選擇正確的供應商將有助于醫(yī)院構建可輕松與現(xiàn)有設備和工作流程集成的AI解決方案。

消除黑匣子

AI系統(tǒng)主要是模擬人類大腦的運作方式。因此，就像我們的大腦一樣，它們接收輸入并達到輸出。但是，我們不知道人工智能系統(tǒng)是如何得出結論的。我們所知道的就是最終的輸出。而且，如果不了解AI系統(tǒng)是如何得出結論的，那么對其進行改進就變得很困難。

AI系統(tǒng)的這一挑戰(zhàn)被稱為黑匣子問題。解決該問題對于幾乎每個行業(yè)都是必不可少的，但對于醫(yī)療保健而言，至關重要。那是因為它會對醫(yī)療保健行業(yè)產生不利影響。盲目地信任AI解決方案可能會使患者的生命處于危險之中。

例如，根據(jù)STAT審查的IBM內部文件，IBM的Watson建議對癌癥患者使用不安全的治療程序。遵守錯誤的建議操作程序可能會使癌癥患者的生命面臨危險。因此，醫(yī)療行業(yè)必須消除AI的黑盒子。

但是，如何消除AI的黑盒子?答案是“通過使用可解釋的AI”。可解釋的AI通過使這些系統(tǒng)具有透明度來幫助研究人員了解AI系統(tǒng)的輸出。它通過事后方法的幫助帶來了透明度，該方法圍繞四個關鍵要素而開發(fā)，即目標、驅動因素、可解釋的族和估計量。

用來解釋AI輸出的最常見方法之一是反向傳播方法。反向傳播是用于前饋神經網(wǎng)絡的監(jiān)督訓練的一種廣泛使用的AI算法。這種可解釋的AI方法的實施將確?；颊吆歪t(yī)生對AI結論的信任。

教育員工和患者

利用AI解決方案可以帶來很多好處，但是使用它們很復雜。對AI的潛力以及如何利用AI的意識不足會導致組織中的技能缺口。醫(yī)療保健組織需要通過對員工進行有關AI系統(tǒng)及其功能的教育來彌合技能差距。醫(yī)院和個人專家可以組織不同部門的培訓課程，以培訓員工如何使用AI系統(tǒng)。

在要治療的患者準備好接受基于AI的治療之前，醫(yī)療保健中的AI實施很難成功。因此，患者還必須意識到AI的潛力，以便他們可以信任基于AI的治療。例如，機器人手術可帶來許多好處，例如住院時間更短、疼痛減輕、疤痕最少以及失血量降低。

但是，由于缺乏意識和信任，患者可能會擔心被AI機器人對其進行操作。醫(yī)療機構應提高人們對機器人手術的益處的認識。他們還可以對患者進行AI機器人手術程序教育，然后再對其進行操作。對患者和員工進行有關AI解決方案的教育將確保增加他們對AI系統(tǒng)的信任。

每個衛(wèi)生組織都希望部署AI系統(tǒng)。成功實施AI解決方案始于制定正確的戰(zhàn)略。但是如何創(chuàng)建呢?這需要要解決上述醫(yī)療保健中的AI挑戰(zhàn)。

對這些挑戰(zhàn)和解決方案的了解將幫助醫(yī)療保健組織針對其特定應用制定適當?shù)牟呗浴．敵晒嵤〢I的實例成為人們關注的焦點時，醫(yī)院將更有動力部署和擴展其AI解決方案。