物联网  >   智能通信  >  正文

人工智能影响下的医疗服务:数据通信与模式化需求

  

 

  引言 “众所周知,最近几年人工智能的井喷是发展已经逐渐显现出对其他传统产业的深远影响。同样,在医疗器械及医疗保健产业也有着潜力可以挖掘,其成功的关键在于需要大量的准确的数据来对AI进行喂养。”

  人工智能的优势在于可以提供医疗服务准确且快速的判断结果。AI可以使用结构化和非结构化数据来查找数据中的固定模式。此外,AI不仅能够提供可参考的判断结果,同时还能具有远远超出人类想法的能力。

  医疗保健中的人工智能需要不断输入新数据来作为整个系统的支撑。如果没有新数据,模型可能会以无法预测的方式逐渐发生变化。需要新数据,因为趋势可能随时间而变化,需要由模型来解释。因此,为这些AI模型输入新数据至关重要。但是,在医疗保健行业中使用AI所需的数据仍存在一些问题和挑战,那就是我们应该关注所使用的数据的完整性,因为我们越来越依赖于AI模型及其预测,并且这些预测可能会随着时间的推移而恶化。

  数据互通

  一个主要问题是电子健康记录系统(EHR)通常因医院而异。这意味着数据的格式和语义可能与不同的EHR不同,或者相同EHR的不同部署,会导致其结果也变得难以预测,通常来讲诊所和试验的数据并不具有互操作性,并且在进行进一步分析之前,必须收集的数据转换为机器可读的标准形式。结果是在使用数据之前必须对数据进行集成和规范化。这增加了流程的时间和复杂性,但是这个步骤却极其的重要。

  EHR中的数据可能存在不一致和不完整等问题。这在使用从EHR提取的数据对胰腺患者的存活进行的研究中是明显的。在该研究中,数据挖掘揭示了数据的若干问题。例如,52%的患者没有关于疾病阶段的信息,例如肿瘤大小。这意味着大量数据被排除在分析之外。数据也非常不完整。例如,通常不记录诸如化学疗法的医学治疗的持续时间。

  这项研究确实显示了记录数据不足时的问题。不完整的问题可能来自医疗保健提供者或患者,或两者兼而有之。数据准确和完整至关重要,不仅可用于决策和医疗管理,还可用于临床研究中的二次使用。

  隐私与监管

  人工智能在医疗保健方面面临的另一个挑战是,在收集和共享健康数据时必须解决重要的隐私问题。隐私问题具有重大影响,并且可能导致访问数据成为一个困难且耗时的过程。获得常规用于临床试验或研究的数据(包括纵向研究)可能是困难且昂贵的。

  医疗保健数据非常敏感,通常来说,共享数据需要严格的规则和规定,以确保数据不会侵犯个别患者的隐私。各国在使用医疗保健数据方面有不同的法律,用于保障数据的安全和隐私。

  数据的完整

  医疗服务提供者可能由于工作量过多而忽略数据输入的环节,缺乏培训也可能意味着此类提供者无法识别数据的价值。现实情况是,大数据对于拥有一个有效且有用的AI系统至关重要。预计医疗保健领域的大数据和人工智能将增长,到2024年将超过100亿美元。因此,员工不仅应接受有关输入数据和如何正确输入数据的教育和培训,还需要强调数据的相关性和重要性。基于错误和不准确数据的模型将产生错误和有缺陷的结果。由于这些AI模型和结果用于决策和医疗保健管理,因此可能会产生代价高昂的后果。

  数据需要完整,准确,以便在AI系统中使用。这必须发生在每个诊所、医院、实验室或研究中心,因为模型通常必须针对人群或临床指南中的局部变异。AI模型可能很有用,可以提高医生的决策能力,但这种有用性和价值取决于本地数据的完整性。医疗服务提供者对这些数据的巨大价值进行更好的教育可能会鼓励医疗服务提供者认真对待数据。数据对提供良好护理甚至评估疾病趋势至关重要。

  

 

  同样重要的是要意识到自由文本形式的非结构化数据可能与结构化数据一样重要。优秀的自然语言处理工具可以处理非结构化数据的问题。输入系统的数据必须可靠和准确。因此,重要的是引入数据改进计划,以便医疗保健提供者可以依赖已输入系统的数据。

  结论

  将AI纳入医疗保健提供了其他行业无法面对的独特挑战。数据必须准确,可靠和完整,但也具有与其他位置相同的含义,并且随着时间的推移保持高质量。确保AI模型随着时间的推移和本地数据的不断学习对于获得高质量的结果非常重要。隐私同样也是另一个主要问题,可以通过遵循有关数据使用的规定来解决。在构建人工智能系统时,与具有强大医疗保健AI领域专业知识的团队和产品合作非常重要,了解这些挑战并且之前已经成功解决了这些挑战。

上一篇:华电智能股份倾情服务于运营商通信业务

下一篇:容联CTO许志强:AI、5G让通讯更智能、更高效