医疗保健领导人如何开始人工智能金博宝官网

合作伙伴内容

此作者帐户是为具有Emerj广告和内容合作客户端的合作伙伴内容。在www.satan-says.com/partnerships上了解更多信息。

医疗保健领导人如何开始人工智能金博宝官网

本文是由Sergii Gorpynich,联合创始人和首席技术官撰写的,由Star,Marry Simpson,Star董事总经理佩里·辛普森和是写的,编辑和发表的与我们的透明相一致Emerj赞助的内容指南。了解有关我们在我们的ei-communustocomationience的信息了解更多信息Emerj广告页面

虽然很容易找到医疗保健AI用例在线,它不清楚哪些应用程序是可行的,这是炒作。在决定AI倡议之前,医疗领导需要考虑其组织的具体数据资产,资源和需求。

在本文中,我们更详细地详细了解高管如何适应AI可能带来业务的变化。

更多关于采用Healthcare行业的AI,下载Emerj-Star白皮书,AI在医疗保健中采用的执行指南

医疗保健高管如何适应AI

没有基本的基础在AI可以做到的以及它是如何工作的,高管无法解决和评估AI机会区域可能是不可能的。

什么高管必须知道

什么可以做些什么

医疗领导人应该了解AI工作背后技术,机器学习和数据科学的关键概念的基础知识,一般来说,数据的关键作用,数据基础设施的重要性以及AI可以且无法解决的问题。

基本用例

一些熟悉医疗保健中的基本AI使用案例可能是一个非常有用的开始。了解先例计算机视觉为了诊断NLP.对于工作流管理,聊天客户服务自动化,以及其他使用情况可以帮助领导通过AI机会的镜头来看待他们的企业,发现已经在其他医疗组织或不同领域的企业中证明了有价值的低悬垂的水果。

为AI项目设定期望

ai不是它。期望“插上”机器学习算法来改善他们的过程的高管是为了粗鲁的觉醒。AI举措涉及确定假设,组织数据,培训算法,并迭代且迅速地测试思想的可行性。

许多领导人已经有一些理解这种差异,许多医疗保健领导者都有一种与他们已经坐在的数据做某事的重要性。其中大多数都承认数据的重要性。他们知道那里有价值。他们已经感到紧急利用这种价值。

一定程度的紧迫性可能是一个良好的开端,但它不会为将AI项目带来生命所需的迭代,测试和实验做好准备领导者。领导者还应了解将数据科学和主题专家团队结合在一起的批判性重要性,而不仅仅是在集体激发AI倡议时,还要了解在最初的飞行员和概念证明期间。

通过了解团队动态,数据要求和必要的迭代/实验时间,高管可以更加自信地选择AI项目,数据科学团队更有可能在整个项目中保留这一行政大通。

克服初始数据障碍

大多数AI项目都需要历史数据集,可用于以机器可读格式培训算法。获取此数据的挑战是,虽然许多企业可能具有现有的历史数据,但很多数据可能不以可访问或有用的机器学习项目可访问或有用的格式。

例如,在医疗保健部门,电子医疗记录(EMR)和电子健康记录(EHR)目前正在用于培训AI算法,AI供应商提供了在各种使用中使用此类患者数据的医院和诊所的解决方案 -案例(从诊断,计费,及以后)。虽然医院被任务要存储这些记录,但通常不会被存储在利用它们训练算法的意图。

这对大型组织的管理团队(包括医院和医疗保健提供者)是什么意思,数据竞争力需要成为基层驱动器,其中企业的整个数据基础设施朝向喂养自学算法。这是一个组织中高管之间的心态变化,更改了更具数据以更具数据为中心的方法。在AI应用程序证明其价值之前,通常不需要进行这种数据大修。我们讨论了在前一篇文章中讨论了在医疗保健中入门的三相方法。

了解时间到价值

执行团队通常不合理,以期望在初始AI项目上立即金融投资回报率。迭代时间,改变数据基础架构,调整团队动态意味着AI是对学习和技术的真正投资,而不是快速的螺栓改进。

通过将AI视为一种关键能力,作为一种新的和重要技能集,高管可以在更广泛更准确的术语中框架AI项目的“ROI”,而不是衡量短期财务回报。虽然一家公司应该以清晰的思想进入一个项目,并以衡量AI申请的成功的方式,但他们应该将AI视为一种学习经验,这将在未来几年中产生竞争优势。

涉及AI Upskilling的阶段

我们认为,企业的管理人员可能对与其特定功能相关的使用情况更感兴趣,而不是大的业务。今天大多数管理级别员工似乎认为AI是一个有用的额外技术来了解,而不是看它是一种追求知识的追随者。这就是我们所谓的AI的出现阶段

在Emerj的最后几年里,我们已经看到了一系列的AI会议和事件,这些会议和事件被企业高管追求,以获得对AI的基本面的语境见解。金宝搏吧这可能是企业高管熟悉AI的必要转换期,以及它可以通过了解最终目的,了解正确的AI策略可能是什么或哪个AI供应商与之合作的目标。

在未来可能会发现大量的商业主管,对AI使用情况有强烈的一般性理解,以及通过该技术可以获得哪些能力。我们称之为采用阶段。

在接下来的两到三年中,我们认为商业领袖应该获得以下对AI的理解水平:

  • UPEN的应用程序是哪些应用程序以及供应商声称的AI产品类型的采用指标以及返回似乎合理。与合适顾问和AI供应商的合作可以帮助加快此过程。
  • 组织现有数据地形和识别哪些用例最适合公司的业务目标。
  • 如何开发和维护具有可扩展性的强大数据基础架构,适合业务需求。
  • 能够沟通整个组织概念级数据科学思想,技术和非技术人员熟悉基本术语和用例。

在第三阶段,我们称之为分散阶段,我们预计业务领导者对一般的AI概念有一个坚定的掌握,更加细致的了解如何应用通过AI解决真正的业务问题,以及一些积极的回报通常以成本,时间或人力努力减少的形式。

为了更好地理解这一阶段,我们使用互联网的类比。类似于互联网提供的能力如何“了解”,今天未来的商业部门几乎常见的普遍性。今天大多数医疗保健企业今天在出现阶段,那些迅速移动技术上(数据科学家)和概念把握的人以及数据(商业领导层)的重要性将能够更快地移动到AI中采用。

寻找AI机会的两种方式

有时,商业领袖可能不确定在哪里开始处理数据并识别可以有效地应用AI来解决业务结果的位置。

在其他情况下,企业可能对他们的焦点领域充满信心,但不确定的是人工智能可能为他们的过程增加价值的地点或者。金博宝官网将AI和数据科学集成到业务计划中有两个潜在的起源点。

从企业结果开始

在某些情况下,企业可能已经从事收集消费者数据可能成为工作流程的一部分的项目。

通过AI获得所获得的能力的商业管理人员可以发现这些潜在的数据“矿山”并尝试确定如何使用AI利用该数据。

让我们说一家公司正在部署智能注射装置,该装置连接到移动应用,允许患者更高效和可靠的家庭注射。如项目可能涉及通过注射装置和连接移动应用程序的患者数据集合到云数据存储中。如果医疗保健公司已经在考虑AI之前已经运行了这个项目,他们正在收集有价值的数据,这些数据可能会用于AI项目,例如预测患者结果。

我们可能会想象另一个涉及医疗费用的例子。医院链可以实施新软件以跟踪付款,随访患者有关计费问题。该医院可以决定在该系统中跟踪的数据可用于更好的预测集合,或者从患者消息传递中收集的数据可用于自定义与相关的计费相关的消息(以及该消息传递的时间)以便提高整体收集率。

这些都是代表性用例,但可能会对数数百个其他示例进行头脑风暴,与几乎任何现有的医疗保健技术或数据倡议有关。通过这种方式,现有的业务目标可以通过查找AI是工作的最佳工具来构建公司内的AI能力。

从数据资产开始

虽然现有的业务计划可能是开始寻找AI机会的好地方,但也可以从数据本身开始。医疗保健领袖通常意识到他们收集的数据的价值,但无法确定如何利用它在组织中带来价值。

As with the process of starting with business initiatives, it’s important for business leaders to have a conceptual understanding of AI’s capabilities, and to be able to foster an interdisciplinary conversation with data scientists (internal or external) and subject-matter experts in order to develop the most fruitful ideas to extract value from existing data.

例如,诊所链可能具有诸如骨科X射线图像或病变和肿瘤的矫形X射线图像或图像的历史记录。医疗机构可​​能会利用此数据来培训计算机视觉算法。例如:

  • 算法可以能够在膝关节的骨科X射线图像上训练(来自各种年龄和活动水平的患者),以便更好地确定特定关节损伤的未来严重程度,或最痛苦的药物可能帮助患者。
  • 在各种员工感染病变上培训的算法可能能够帮助医生确定感染的严重程度,或对药物或治疗进行更明智的决定。

机会也可能以业务数据的形式出现自己。可以使用有关医疗保健预约卷的数据来更好地预测需求,或者更准确地预测人员配置成本。

综上所述

With a clear line of sight on the company’s goals and data assets, leadership teams (and their data science/subject-matter expert task force) can develop an almost unlimited number of potentially valuable AI use-cases in an effort to determine a first application area.

最终,无论是以商业结果还是与数据资产开始,在组织中具有创新文化,特别是在C-Suite和管理团队中对AI项目的成功至关重要。VPS,管理人员和部门内部的其他部门负责人需要了解和沟通组织的其余部分,评估正确的AI战略和技术解决方案,以使其公司的目标前进。

最重要的是开始。

标题图像信用:DataMeer

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
订阅镜像
保持领先于机器学习曲线

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。