AI在医院设置 - 挑战和趋势

枪阿巴迪奥
《阿凡达》

Millicent是Emerj的作家和研究员,在传统新闻和学术研究中具有职业生涯的背景。

我在医院安顿

本文基于波士顿2017年AI应用峰会会议的介绍,题为“下面的医院环境中的人工智能”(下面嵌入的医院设置)(Slide Deck),由Emerj播客的最新见解和访谈更新了金博宝官网金宝搏吧人工智能机会景观数据。

2017年,最富裕国家花费任何地方从4,246美元到10,224美元的人均没有医疗保健。在美国的情况下,学习表明,行政成本导致了这种高成本的医疗保健。一些医疗保健行业人士认为金博宝官网人工智能可以减少效率低下医院管理的地方在提供护理时。

今天,即使在最发达国家,AI也只有新生的牵引力 - 但该技术表明了诊断,计算机视觉相关任务和一些行政和数据管理相关任务的承诺。医院的人工智能领养落后于人们的预期风险投资被涌入与AI相关的医疗保健公司,以及世界各地的巨大AI医疗保健初创公司。

在本文中,我们将探讨医疗保健AI部署以及现有申请趋势的挑战:

  • AI应用在医院环境中的主要挑战
    • 遵从性和“黑盒”
    • 复杂的利益相关者关系
    • 鸡肉和蛋问题
  • 趋势应用
    • 诊断
    • 医疗操作软件

在本文结束时,我们将讨论医院高管的优先事项应该在未来几年内。

医疗保健领域的人工智能状况

我们轮询了AI供应商高管销售到医疗保健环境中,我们向他们询问了AI在医疗保健中采用的主要原因。我们发现,缺乏AI在医院采用的两个原因是:

  • 购买者不相信应用程序的投资回报率
  • 缺乏技术人才和资源实现AI

我们将在更深入的深度中探讨这些问题:

不清楚ROI

在我们的采访中很清楚,这不仅难以衡量医疗保健(我们衡量到医院的金融储蓄吗?对病人呢?我们是否测量了患者的健康结果?如果是的话,通过什么公制?),但是ROI是什么不同利益相关者不同地测量。支持新的AI诊断软件可能有助于医院CEO降低成本,但它必须是医生愿意使用的东西,并且必须是护士可以训练以理解的东西,并且必须理解并可能理解其对患者结果的影响测量。

银行业或Pharma,采用ai的自上而下的业务决定有机会转变为真正的变化和部署。在医疗保健中,这不太可能。我们在下面的部分探讨了大部分Ai采用挑战的深度深入探讨了这个问题。

人工智能人才稀缺

医院和医疗保健公司无法承担高层AI人才,以帮助他们整合和实施AI技术。虽然制药巨头在研发中挥动数十亿,并且可以从顶级学校招募人才 - 大多数医院或医院网络都无法负担得起 - 或者无法保留 - 顶级数据科学人才。

来自卡内基梅隆或斯坦福的数据科学大师或博士毕业于利润丰厚,潜在令人兴奋(或盛名)的工作机会。Even if hospitals had enough funding to hire top-tier talent, they’d be placing those professionals in an environment what is wholly unprepared for AI transformation – a world with terrible data infrastructure, with very few peers who can speak the language of data science, and with regulations and compliance issues at every turn.

许多顶级毕业生宁愿为亚马逊或谷歌工作少工作(当然,这些都是能够支付最好的工资的公司)只是为了使他们的技能融入行动并与其他极其熟练的同龄人保持敏锐。

AI启动生态系统充满了伪装者

当我们看这些公司的名单时,我们会发现可能只有三分之一的公司在以任何方式利用人工智能。此外,这些公司中只有大约三分之一的公司已经度过了产品或服务“过时”阶段。

这意味着,在8到9家拥有人工智能人才和经验的人工智能公司中,只有不到1家能够以任何有意义的方式产生实际影响。2018年,这些数字更像是十分之一,所以尽管我们看到了人工智能牵引力的总体改善(以及不那么明显的错误人工智能初创公司),但牵引力是缓慢和艰巨的。

ai healthcare启动生态系统仍然是新生

不要相信你的社交媒体饲料。科技媒体通过暗示许多医院延续了AI炒作,这是许多医院正在与AI一起做革命的东西。这是非常不是案例 - 因为我们将在下面的部分中地址的原因。

原始演示幻灯片如下:

AI在医院环境中采用的挑战

假设AI尚未在医院空间中作为科幻电影让您相信,这是不可否认的,它正在从高管中汲取注意力。如果您正在考虑在AI Bandwagon上跳跃,您可能会考虑在医院环境中使用AI应用的三个主要挑战者。

医疗保健 - 挑战(i):合规和“黑匣子”

在现代人工智能的早期,开发人员倾向于将人类的专业知识“烘金博宝官网焙”到一个软件系统中,制定if-then规则,得出预测或解决方案。通过机器学习或深度学习原理,这逐渐转变为“教学”软件的概念,包括建立一系列模式检测节点,并使用标记的示例对它们进行过滤,直到系统可以根据输入预测输出。

在医院环境中,“如果-那么”场景对于用户来说更容易理解,因为它们基于基于既定人类逻辑的演绎推理。例如,如果“如果-那么”方案涉及到根据10位专家对感染症状的共识来诊断一种感染,那么人们就会理解该软件是如何得出特定诊断的。

这是机器学习的“黑匣子”问题- 还有一个也拥有在具有繁重法规或安全问题的其他部门中采用的AI采用。

然而,在相同场景的ML版本中,不容易理解if-then条件。该软件理想地涉及数百万患者的数据,并检测其病史,生活方式,年龄,职业,种族等模式,以提出对特定患者的可能诊断。

医生可能对诊断的准确性有所不同,但即使他们同意它们,他们也无法解释算法如何工作。作为一名医生,很难真正对待人们而不能够在没有进入复杂问题的情况下对他们的诊断提出解释。

这就好比问我,为什么我选择了医疗保健领域的这三个主要摩擦点。我知道,但我不能简单地解释。同样的,如果医生诊断出某人患有癌症,他们不能简单地说,根据我们输入的系统,这似乎是最好的。现在的机器在回答这些问题方面非常差。

诊断软件可能比人类医生正确的次数更多,但机器学习系统将无法向人类展示他们是如何得出某种诊断的。就不会有“黑匣子”。

因此,医生不愿意在不了解他们的逻辑的情况下使用AI系统,即使这些系统可以统计地提供比医生自己更好的诊断。此外,遵守健康保险便携性和问责法等法规(HIPAA)进一步使机器学习具有挑战性,持有患者。

我们寻找黑盒问题的解决方案,并得到了一些实用的观点。Excel VM的Steven Gullans是波士顿地区的一名风险投资者,也是我们采访的几十位投资者之一,他们都是关于人工智能在医疗保健应用中的某些应用。他们相信,就机器学习而言,诊断和治疗的黑盒问题可能不是机器学习首先要解决的领域。

他表示,人工智能可能会更好地用于与诊断或治疗计划无关的应用,例如:

  • 药物发现和发展
  • 管理患者人口/约会
  • 从医院运营收集最佳实践

他指出,必须使AI的根本发展使机器学习可解释,或者AI在医院环境中的作用将受到显着阻碍。我们可能能够在医疗保健操作软件中管理患者人群的患者群体中的更多牵引力,而不是在诊断和治疗中,因为难以迁移到一般不透明的技术的固有问题。像AI一样,包括法规遵从性。

医疗保健——挑战(二):复杂的利益相关者关系

医院环境中的另一个固有挑战是复杂的利益相关者关系。你可能会认为医院就像亚马逊一样属于服务行业,但谈到人工智能对利益相关者的影响时,两者之间很少有相似之处。

例如,当亚马逊实施人工智能来改善产品推荐时,亚马逊会为这项技术付费,让顾客在亚马逊平台上获得更好的体验。这反过来会鼓励消费者在平台上花更多的钱,这对亚马逊的所有团队成员来说都是一件好事。他们会被鼓励使用AI去提高收益和/或利润,即使设置起来有点困难。

另一方面,当医院适用AI技术来改善MRI和CT扫描时,患者甚至可能无法意识到AI正在发挥作用。在患者满意度方面,在AI方面没有上行。即使该技术导致更好的患者结果和更低的成本,现在也没有具体的方法来衡量它。

整合AI技术在医院中还需要医生,护士和医疗技术人员学习使用它,在大多数情况下,可能无法为他们的努力付出代价。此外,他们可能会威胁到威胁AI技术将接管他们的工作,因此他们根本没有动力使用AI。

当机器可以超越人类时,在情况下,有主动阻力是可以理解的。特别是医生可能是情绪敏感的,因为在医学院所花费的时间之后被一台机器所取代。

克服医院采用人工智能的这种阻力,最好的办法是人工智能公司与所有利益相关者达成一致,让他们接受人工智能的理念。这将包括:

  • 提供大规模的基于研究的患者结果改进,以证明具体的投资回报率
  • 将人工智能定位为医生、护士和医疗技术人员一开始就不想做的工作
  • 开发专门的人工智能来补充大城市医院以外的全科医生的技能,因为这将减少威胁

医疗保健 - 挑战(iii):案例研究的鸡蛋和蛋问题

AI是董事会的热门话题,但它也是颠覆性的技术。试图出售的人通常必须提供强有力的证据,即他们在相关场景中销售工作的AI产品或服务。这通常不是问题,因为AI技术在其他行业中如此迅速移动。然而,这一点几乎可以完全停止,一旦他们到达医疗保健行业就会完全停止。

当我们与人工智能公司在医疗保健领域销售的高管交谈时,我们请他们说出他们在让客户关闭业务方面最大的销售困难。问题是医院对尝试新技术有些抵触。

在没有强大案例研究的情况下,医院采用新技术缓慢,以证明他们的工作。不幸的是,对AI技术的案例研究有挑战性,因为医院不愿意抓住他们,因此鸡蛋和蛋问题。即使医院可以说服参加试点项目,它通常需要很长时间才能获得可验证的结果。这个因素化合物在合规性问题上,减缓了一般的行业采用AI。

投资者在这方面也很担心。他们不希望投资公司只是为了等上40年,直到他们得到回报,人工智能公司将很难开发和销售产品,没有资金和案例研究。

为了过去这个摩擦点,AI公司可能希望通过为他们的产品和服务提供非争议功能来集中注意到门口。例如,它可能是商业智能应用,例如预约管理,这些应用程序比诊断技术不太可能满足阻力。

他们还可以开发人工智能来填补小医院的专家角色,减少对医生和护士的威胁,比如图像识别。一旦人工智能成为标准技术的一部分,在医院的其他领域引入变化将变得更加容易。可能需要一段时间才能突破自然保守的医疗保健领域,但这是值得的,

应用趋势

尽管AI公司面临销售到医院环境的挑战,但该空间仍有重要进展。

医疗趋势我:诊断

在我们对在医疗保健领域提高资金的公司的评估,诊断是和大量最受欢迎。值得注意的是,在诊断技术中被开发为作为服务软件(SaaS)的许多承诺。还有值得注意的是,在新的AI应用方面,医疗图像的机器愿景非常常见,可能成为商品。

问题是,这些公司中有多少会提出玩具级的人工智能应用,又有多少会真正利用人工智能,将其叠加到一个人的基因档案和健康历史之上。人们对在图像上使用机器视觉来诊断疾病很感兴趣,但现在这实际上是一个相当不稳定的商业模式。公司必须整合更多的数据,并对这些预测能力进行严格的测试和审查,以便医院真正采用它们。

医疗趋势II:医疗运营软件

医疗运营软件是我们对数百家Healthcare AI公司进行评估的第二个最常见的AI应用。这是我们看到人们筹集大量资金的事情,我愿意在医院环境中获得比诊断技术要更多的牵引力。

原因很简单:它不那么具有威胁性,也不那么复杂。其中一个原因是,它没有受到像HIPAA这样的监管规定的严格审查。另一方面,提高任务(如病人安排和财务收集)的效率在财务和操作上有明显的优势。

例如,基于人工智能的病人日程安排软件可以根据过去几周的病人访问量和急诊活动预测人员配备需求。任何时候地板上都有足够的人。基于人工智能的财务收集软件将能够跟踪和监控患者的付款,安排电子邮件提醒,并提示员工进行后续电话。没有必要让工作人员来确定打电话给谁,从而节省打电话或发送电子邮件的时间。

基于人工智能的医院管理软件前景广阔。我认为,在机器学习方面,我们将在短期内看到比在医院诊断方面更多的牵引力。也就是说,公司开发的这两种顶级人工智能应用绝不常见,即使是在大型研发医院。

采纳或等待?

Ai周围的炒作导致行业的执行情况,以防止他们的同龄人贪婪地采用ai,而且他们落后于此。虽然通过这种理解所了解的AI和长期数字转型愿景的现实理解 - 这并不意味着医疗领导人应该旨在成为“创新者”或“创新者”或“早期采用者”的人工智能。金博宝官网

采用创新生命周期

然而,很少有医院组织拥有R&D预算来处理真正的AI创新 - 只有最大的,最具技术医院都是实际的创新者或早期采用者 - 以及采用的障碍甚至可以困扰这些最前沿的设施。

大多数AI在医疗领域的创新可能完全在医院外部发生,即:

  • 诊断技术将在大学和研究机构开发。医院本身可以提供数据并作为对大学的合作伙伴,但医院很少有数据科学人才或精明,以便为其目的培训独特的AI模型。常见的诊断问题(即检测来自胸部X射线的肺癌)是由可以从许多医疗保健来源汇集数据和专业知识的组织服务,并培训单一算法。每位医院“重新发明轮子”训练计算机视觉系统,以检测骨扫描图像中的发际骨折会是疯狂的。
  • 非医疗保健特定的行政AI使用案例将在其他行业开发。支持人工智能的搜索和发现会话界面。光学字符识别和数据摄入量。这些应用程序正在保险,银行,制造业和其他部门中使用 - 并且在进入更多企业的情况下会变得更加成熟。此外,许多这些“白领自动化”AI使用情况不会在几乎与许多监管问题中都有次数,这可能允许更容易地采用和部署。

智能医疗保健领导人将及时了解更多创新环境的AI发展 - 并旨在找到可以将经过遗传的使用情况转移到医疗保健环境中的供应商和合作伙伴。在早期或晚期AI采用可能是绝大多数医院和医院组织的最佳位置 - 特别是那些没有大规模的研发预算和高数字成熟度的地位。

保持AI曲线的领先地位

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的AI研究和趋势。

感谢您订阅Emerj的“人工智能优势”通讯,请查看您的电子邮件收件箱确认。