2018年03月05日 | 人工智能“落地”医疗保健领域非结构数据是大蛋糕

2018-03-05 来源：前瞻网

作者简介

Paul Clark是Digital Reasoning认知计算公司保健研究的主任，该公司研究一种支持人工智能的解决方案，可以降低风险，抓住机会，拯救生命。在此之前，Paul曾担任健康管理学院的研究与教育副总裁，领导美国领先卫生系统的C-Suite执行委员会的研究议程和教育发展。

人工智能(AI)具有巨大的潜力，可以通过自动化、在重复的认知任务中增加和放大人类劳动来改变医疗保健服务。

然而，就像任何工具一样，如果利用的方法不适当或不完善，它也可能弊大于利。

一旦造成伤害，不仅会影响企业的收益，也会影响组织所服务的病人的生活。

当2018年开始时，我们可以期待更多关于AI价值的对话。

尽管对该技术的大肆宣传是理所应当的，但重要的是，企业应该花时间去理解在投资这种技术时通常会出现的潜在陷阱和常见错误。

与任何新技术一样，成功解决问题的可能性取决于问题的定义、问题的评估、设置的目标以及新工具的执行和管理方式。

为了确保AI解决方案能以正确的方法应用，考虑以下几点：

不要试图用人工智能解决所有问题

虽然机器能够在有效的时间里学习复杂的解决方案，但真正能解决所有挑战的无所不知的认知机器还不存在，而且在短期内都不会出现。

因此，设置人工智能解决问题需要精确的定义；问题必须采用实验或准实验的方法分析离散结构；你不能简单地把机器放开，让它自由探索答案。

应该精心设计可以供人工智能技术学会如何解决问题的“黄金”数据集。

简单地说，你必须以正确的方式、问正确的问题才能得到正确的答案。

花时间去识别问题并分配特定的问题来指导机器学习是非常重要的，而且值得花时间和精力来研究，确保成功。

一个常见的错误是选择一个太大的课题。

人工智能不能在明年治愈癌症，但它可以解决医疗保健企业中创造价值的不连续的问题和过程，包括通过更好、更快和更高质量的医疗服务来拯救生命。

应协调和推动医疗保健价值链

医疗保健提供者和数据科学伙伴必须了解医疗保健价值链，以及数据流和技术基础设施如何影响护理服务。

价值链从患者进入正门之前开始，并包括病人、他们的问诊经历以及与医疗机构成员的互动中积累的所有信息，都存储为本组织的永久剩余数据资产。

这是医疗保健企业首次发现其历史数据的巨大价值——尤其是非结构化数据。

当你理解了结构问题如何影响价值链时，你就会从一个事务处理的视角转变为一种纵向的观点，即机器应用于一些认知问题上的模式、预测和效应，这些问题此前通常由昂贵的人工来处理。

就像绘制病人的问诊过程一样，企业需要将病人的过程数据化，并确定哪些数据是需要手工处理的，确定如何实现现代化。

在此前需要人工阅读、略读和扫描大量非结构化数据(例如，文本、注释、消息、记录等)的环节，机器可以更高效、有效地进行操作。

结果将会产生大量潜在的数据，但企业必须采取步骤，将那些与预期值相对应的数据放入价值链。

例如，一份放射学报告可由多名医生、护士、编码员、登记员和病人护理协调员阅读。

在该报告中设置机器运行分析可以节约每个人的工作，从而在劳动效率和劳动质量中创造出巨大的价值。

与此同时，这项过程也可以视作机器在可能发生错误的情况下的实际风险评估——在这个过程中，机器更容易发现BUG。

格外重视非结构化数据

大多数预测算法都在大量使用结构化数据，而忽略了非结构化数据往往更加丰富、复杂和微妙。

这带来了一个问题，因为处理大量非结构化数据和分析人类语言需要一个强大的自然语言处理分析和数据科学技术。

临床文献和患者自己的叙述反馈可以为疾病预测、恢复、健康行为和其他服务提供很多线索，这些数据也可用于分析生命体征和社会因素。

与其仅仅利用人工智能技术来获取结构化资源，还不如花点时间来解决非结构化数据如何提供新价值的问题。

在许多情况下，这可能会给医疗保健企业带来大量的新机会来优化流程和改善病人护理服务。

更重要的是，它可能会在问题恶化之前，就揭示出系统内存在的重大问题。

许多卫生系统都在讨论“数据货币化”，但很少有人采取行动将其剩余数据转化为有价值的资产。

对于医疗保健企业而言，未来的前景是光明的，新技术将为之创造指数级的飞跃，并与数据科学合作实现真正突破性的创新。

随着医疗保健企业利用人工智能技术，不要让流言掩盖了企业的真正目标。

如果使用得当，人工智能可以带来成功和巨大的投资回报，而此时医疗保健行业亟需创新来创造价值。

2018年03月05日 | 人工智能“落地”医疗保健领域 非结构数据是大蛋糕