医院环境中的人工智能——挑战和趋势

枪阿巴迪奥
头像

米莉森特是Emerj的作家和研究员,有着传统新闻和学术研究的职业背景。

AI在医院沉降

本文基于Emerj首席执行官Daniel Faggella在2017年波士顿人工智能应用峰会上发表的题为“医院环境中的人工智能”的演讲,并更新了Emerj播客和访谈的最新见解人工智能机会景观数据。

2017年,最富裕国家花费在人均4246美元到10224美元之间的任何地方都没有医疗保健。以美国为例,学习表明,行政成本导致了这种高成本的医疗保健。医疗保健行业的一些人认为人工智能可以减少低效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。医院人工智能的应用滞后于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部署面临的挑战和现有应用趋势:

  • AI应用在医院环境中的主要挑战
    • 合规和“黑匣子”
    • 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。

医疗保健的AI状态

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:

  • 买家不相信应用程序的ROI
  • 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:

尚不清楚的投资回报率

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。

AI人才的稀缺

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

当我们查看这些公司的任何特定名单时,我们会发现,只有三分之一的人实际上是以任何方式利用AI。此外,这些公司中只有大约三分之一的公司都超过了他们的产品或服务的“过去”阶段。

这意味着8或9个AI公司的才能以无意义的方式具有才能和经验,以任何有意义的方式进行实际牵引力。2018年,这些数字更像是十分之一,因此,虽然我们已经看到了AI牵引的总改善(并且较小的AI初创公司),但牵引力缓慢而艰巨。

人工智能医疗初创生态系统仍处于萌芽阶段

不要相信你的社交媒体消息。科技媒体一直在炒作人工智能,暗示许多医院正在用人工智能做革命性的事情。事实并非如此——原因我们将在下面的章节中讨论。

原始演示文稿下面幻灯片:

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“烘烤”到软件系统中,制定“如果-那么”规则,以得出预测或解决方案。通过机器学习或深度学习原理,这逐渐演变为“教学”软件的概念,其中包括设置一系列模式检测节点,并用标记好的示例过滤它们,直到系统可以根据输入预测输出。

在医院设置中,如果-then场景对用户来说更容易理解,因为它们是基于基于已建立的人类逻辑的演绎推理。例如,如果“如果-那么”方案涉及根据10位专家对感染症状的共识诊断感染,那么人们就会理解该软件是如何做出特定诊断的。

这是机器学习的“黑匣子”问题——这也阻碍了人工智能在其他监管严格或存在安全担忧的行业的应用。

然而,在相同场景的ML版本中,没有容易理解的if-then条件。理想情况下,该软件将获取数百万患者的数据,并检测他们的病史、生活方式、年龄、职业、种族等模式,从而为特定患者提出可能的诊断。

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。

问我为什么要在医疗保健中选择这三个主要摩擦点会是什么样的。我会知道,但我无法简单地解释它。同样,如果医生诊断有癌症的人,他们就不能简单地说,好吧,基于我们进入系统的东西,这似乎是最好的。现在机器在回答这些问题时非常糟糕。

诊断软件可能比人类医生更次,但机器学习系统无法展示他们在某种诊断中到达的人。没有“黑匣子”。

因此,医生不愿在不理解其逻辑的情况下使用人工智能系统,即使这些系统在统计上可以提供比医生自己更好的诊断。此外,遵守《医疗保险携带和责任法案》(HIPAA)进一步使机器学习具有挑战性,持有患者。

我们寻找黑匣子问题的解决方案,我们有一些实用的观点。Excel VM的Steven Gmans是波士顿地区的风险投资者,是我们在医疗保健应用中对某些AI采访的几十名投资者之一。这些是在机器学习方面的信念,诊断和治疗的黑匣子问题可能不是机器学习在公园敲门的第一个领域。

他表示,人工智能可能更好地用于与诊断或治疗规划无关的应用,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,人工智能的基础发展必须让机器学习变得可以解释,否则人工智能在医院中的作用将受到严重阻碍。我们可以看到更多的牵引力在药物发现和开发世界和管理患者群体在医疗操作软件比在诊断和治疗是真的会很难摆脱固有的问题通常不透明的人工智能技术,包括法规遵从性。

医疗保健——挑战(II):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,一家医院就像亚马逊一样,属于服务行业,但就人工智能对利益相关者的影响而言,两者之间几乎没有相似之处。

例如,当亚马逊实现AI以提高产品建议时,亚马逊为客户提供更好的亚马逊平台的技术。这反过来鼓励客户在平台上花更多的钱,这对于所有亚马逊的团队成员来说是一件好事。他们被激活用于使用AI来改善收入和/或利润,即使它有点难以设置。

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。

在机器能胜过人类的情况下,积极抵抗是可以理解的。尤其是医生,在医学院学习了那么长时间之后,可能会对被机器取代感到情绪敏感。

克服医院采用人工智能的这一障碍的最佳方法是,人工智能公司将激励措施与所有利益攸关方结合起来,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
  • 让人工智能做医生、护士和医疗技术人员一开始就不想做的工作
  • 制定专家AI,以补充大城市医院以外的全科医生的技能,因为这会造成较少的威胁

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。

当我们与向医疗保健领域销售产品的人工智能公司高管交谈时,我们请他们说出他们在吸引客户方面遇到的最大销售困难。问题是医院对尝试新技术有些抵触。

在没有强有力的案例研究证明其有效性的情况下,医院采用新技术的速度很慢。不幸的是,人工智能技术的案例研究很难获得,因为医院不愿在这些技术上冒险,这就产生了鸡和蛋的问题。即使可以说服一家医院参与试点项目,也往往需要很长时间才能获得可验证的结果。这个因素加上合规性问题,总体上减缓了行业对人工智能的采用。

投资者对此也是一个很大的关注点。他们不想投资公司只等待40年,直到他们获得回报,艾西公司将在不融资的情况下努力开发和销售产品。

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AI填补较小医院的专家角色,对医生和护士构成威胁,例如图像识别。一旦AI成为标准技术的一部分,就会变得更容易引入医院空间其他地区的变化。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

尽管人工智能公司向医院销售产品面临挑战,但该领域仍有重大进展。

医疗保健趋势I: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将提出AI的Toyish水平应用以及有多少人将真正利用AI在某人的遗传概况和健康历史上。在使用图像视觉上对图像进行诊断疾病有很多兴趣,但现在是一个非常令人震撼的商业模式。公司必须融合更多的数据,并对医院的预测能力进行一些严格的测试和审查,以真正采用它们。

医疗趋势II:医疗运营软件

在我们对数百家医疗人工智能公司的评估中,医疗操作软件是第二大最常见的人工智能应用程序。我们看到人们在这方面筹集了大量资金,我想说,这将在医院环境中获得比诊断技术更大的吸引力。

原因很简单:它的威胁性和复杂性要低得多。一方面,它没有受到HIPAA等法规的严格审查。另一方面,在诸如病人调度和财务收集等任务中,提高效率有明显的财务和操作优势。

例如,基于人工智能的患者调度软件将能够根据过去几周的患者就诊数量和急诊室活动预测人员需求。任何时候都有足够多的人在地板上。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,并促使工作人员进行后续电话。不需要工作人员来决定给谁打电话,节省打电话或发邮件的时间。

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,我们会看到更多的牵引力比我们在诊断在医院在短期内。尽管如此,这两种由公司开发的人工智能应用并不常见,即使在大型研发医院也是如此。

采用还是等待?

围绕人工智能的炒作导致各行各业的高管错误地认为,他们的同行正在贪婪地采用人工智能,而他们正在落后。虽然对人工智能的现实理解——以及由这种理解提供的长期数字转型愿景——很重要,但这并不意味着医疗保健领导者应该以成为人工智能的“创新者”或“早期采用者”为目标。

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:

  • 诊断技术将由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。
  • 非医疗保健特定的管理AI用例将在其他行业开发。启用了AI的搜索和发现会话界面.光学字符识别和数据接收。这些应用程序正在保险、银行、制造和其他部门使用,随着它们进入更多企业,它们将变得更加成熟。此外,这些“白领自动化”人工智能用例中,许多都没有陷入几乎一样多的监管问题,这可能会让采用和部署更容易。

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。

保持在AI曲线的前面

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2万名专注于人工智能的商业领袖,并接收我们每周发布的最新人工智能研究和趋势。

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。