人工智能在医疗保健中的应用现状——趋势概述

丹尼尔Faggella.
头像

Daniel Faggella是Emerj研究的首脑。丹尼尔呼吁由联合国,世界银行,国际刑警组织和龙头企业,丹尼尔是AI对商业和政府领导者竞争战略影响的全球追捧。

医疗保健中AI应用的状态 - 概述趋势4

本文基于EMERJ(Techemercence)首席执行官的小组讨论丹Faggella.论医疗行业的AI状态。小组成员只是Biothyapeutics首席商务官Carolina Garcia Rizo.(代表医疗保健初创公司)和A.I./Machine的高级经理在拜耳学习凯文华(代表大制药商)。本届会议是应用人工智能大会的一部分金博宝官网引导实验室2018年4月12日在美国旧金山举行。展板的视频如下:

医疗保健行业有一段时间现在已经有一点是人工智能的热点。金博宝官网特别是从AI的潜力中受益,因为它会在每天涉及大量数据。患者信息,医疗历史,诊断结果,医院计费和临床研究只是医疗保健中可用的一些数据来源。

这种巨大的数据池可以训练AI和机器学习来检测模式并提出预测,建议或结论,无论如何。就像现在一样,大部分都没有通过任何类型的处理。

我们从医疗保健公司调查了超过50家高管利用AI显示医疗保健空间中的AI仍然宽阔。有些人认为,到2025年的AI将在医疗保健空间中“无处不在”。样本的人口统计数据在下面的图表中详述:

(参见医疗保健行政协商一致的完整“ml”报告这里

大多数人都知道医疗保健中的AI主要是在试点阶段。然而,大多数人不知道的是,对于任何给定的一百个医疗保健公司的列表,只有1个中只有1次在AI中的必要的学术或门面公司背景甚至与科学做点什么。

那些有一些承诺的人,只有约1人中只有1个有一种有意义的有意义的牵引力。这些公司已成功合作大制药或医院确认他们的合法性。总体而言,医疗保健公司的10个AI中只有约1,在空间中有任何程度的实际牵引力。它看起来有更多的合法性和医疗保健公司,而不是真的。在2或3年内,情况可能不同,但这就是当今医疗保健中的AI。

医疗保健AI采用的困难

该行业乐于接受新的改进方法诊断,病人护理,和金融效率。然而,这些AI医疗保健公司对普遍存在医疗保健的广泛采用的一些重大挑战。

案例研究难题

具有广泛医疗保健的主要摩擦点通过AI是必要说服行业利益相关者对AI和机器学习的积极回报。他们需要更好地了解值得决定购买的价值主张。

说明ROI的最佳方法是尽可能多的案例研究,这提出了一种鸡蛋和蛋类型。AI公司需要更多的案例研究来说服医疗保健行业的决策者,以便在船上获取,但他们需要更多的医疗保健公司进行船上进行案例研究。

以下是将我们的研究表达到医疗保健AI高管的难以销售进入医疗保健行业的困难:

(参见医疗保健行政协商一致的完整“ml”报告这里

黑匣子问题

另一个主要的摩擦点是对机器学习中的深层技术运作缺乏了解。在大多数行业中,只要它带来结果,无法理解系统的工作原理是如何运作的。

然而,在医疗保健中,利益相关者需要了解系统如何提出诊断或建议,因为它将是对患者做出重要决策的基础。

利益相关者复杂性

在医疗保健中采用AI/ML的另一个问题是复杂的利益相关者关系,特别是在医院环境中。在一个制药设置,只需要说服公司的上部梯队关于系统的投资回报率,以关闭交易。但是,在医院,它只是开始与医院高管。

有必要对医生和其他保健专业人员进行有关它的教育,并培训他们如何使用它。也有必要向患者解释他们如何能从中受益。在链的任何一点上,涉众的抵制使得采用它更加困难。

目前的趋势

尽管这些摩擦来源,AI公司在医疗保健中持续发展各个领域的发展系统。根据调查,这些公司专注于诊断SaaS(35%),医院运营效率(24%),用于行为遵守的消费者应用程序(29%),以及医疗设备(11%)等物理产品。完整的图形如下:

(参见医疗保健行政协商一致的完整“ml”报告这里

诊断AI特别受到Healthcare公司的AI,因此在几年内将成为普通。这是一个很好的事情,因为它将使AI更容易接受在其他域中,例如后台效率软件现在正在进行。然而,医疗保健公司的AI必须找到另一种方式来区分自己的竞争对手。

与应用人工智能大会的Pharma公司的两位高管的小组讨论在这个空间中的可能差异化方面提供了一些洞察力。金博宝官网金宝搏吧与Beopharmaceuticals Carolina Garcia Rizo和Bayer高级经理谈过的Beopharmaceutes Carolina Garcia Rizo和Bayer高级经理。

问题1:AI如何以及何地在您的空间中影响主题专家的工作?

Just Biopharmaceuticals Carlina Garcia Rizo
Carolina Garcia Rizo,只是生物制药

Garcia Rizo:所以,在我们的情况下,它实际上是释放了很多时间。因此,当AI是对我们为我们工作的可能性进行了一些评论时,它实际上是相反的,因为它开辟了更多的可能性。人们现在可以专注于他们最能做的事情。重复的工作是由AI拍摄的。

华:在我们的情况下,我们与我们的域名专家密切合作。我们在行业中拥有最好的域名专家。但我们弄清楚我们仍然有空间改善,因为数据量巨大。

因此,我们需要将域专家知识与机器学习模型相结合以获得更好的模型。

问题2:人工智能如何改变现有主题专家所需的工作流程或技能?

A.I./Machine学习Kevin Hua的Tbayer高级经理
贝尔凯文华华

华:管理程序将有一些变化,因为这会以某种方式扰乱现有的业务方式。所以我们的计划是有领域专家继续进行自己的日常工作,然后我们使用机器学习模式来帮助他们证明他们的决定。

如果存在差异,我们的模型可以解释它并解释为什么存在差异,以便我们最终可以确定要使用哪种预测。

问题3:你们的终端用户对你们在人工智能领域努力推进的创新有何反应?在你的经历中,它是如何起作用的?

Garcia Rizo:对我们来说,你必须考虑到这个行业是很受监管的,对吧?所以FDA有强烈的意见。我们得到的一个最大的问题是,“FDA怎么办?”

我们与FDA密切合作。我们在公司的GMP制造工厂阶段1,第2阶段,我们与FDA密切合作。我们正在教他们并与他们合作,这是与FDA有一项非常好的合作。也就是说,我认为有各种各样的客户兴奋,因为他们突然间他们可以说,“很好,我与这家公司合作,是领先的技术,因为它有AI。”

华:我认为这是每个人的常见反应。如果你不了解理论,你往往是持怀疑态度的。我们的客户是内部的,我们有一些更持怀疑态度的人。有些人对新技术更加开放。所以,我认为我们在拜耳拥有最聪明的人,因为如果你看看生命科学公司,我们在行业中拥有最高的博士。因此,如果您解释了技术,他们很容易理解它。此外,当我们构建模型时,我们应该使它解释它,我们应该使它成为可以验证的东西。因此,这些是我们如何让人们接受我们知识的措施类型。

问题4:你什么时候看到政府机构将在医疗保健中与AI滚动?

Garcia Rizo:我认为FDA真的很快就会学习。我真的很自信,我们在最后我们把病人放在中心的时间里,这就是它必须的。And I think that everyone is really working together towards this solution for the patient that is really trying to have better health and to try to cure the disease and hopefully to use machine learning to predict those diseases so they’re not a patient anymore, right?

问题5:您有哪些建议在生命科学中有人在医疗保健方面转向AI的过渡?

Garcia Rizo:永远不要低估您为您的客户的教育权力。我的意思是想想医疗保健。有不同的利益相关者,每个人都采取自己的方式,驾驶自己的力量。所以教育是关键。此外,显示您有积极案例研究的市场,并展示您通过这些案例研究完成的内容。你有什么成就的,如何以及为什么重要?患者的好处是什么?我想我不会强调这一点。当您正在进行一些创新的尖端技术时,教育非常重要。

华:所以在我们的情况下,他们实际上来自高级管理,我们相信技术,我们已经开始了一些新的分析团体。我们正在聘请人们,这是我们展示这些技术如何工作的,如何帮助我们改善我们的日常业务。

标题图像信用:Bootstraabs

保持领先于AI曲线

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”时事通讯:

" 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
subscribe-image
保持在机器学习曲线的前面

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。