对人工智能和机器学习在医疗行业的价值和未来的看法发生了很多变化。这个行业正在蓬勃发展。与医疗保健市场中不断增长的区块链技术一样，人工智能和机器学习将需要一些短期预期管理。虽然它们的效用和价值会随着时间的推移而增加，但在现阶段它们并不是解决美国医疗保健系统中许多护理和成本交付问题的灵丹妙药。作者不是AI程序员，不玩Python，也没搭建过机器学习算法。然而，我在医疗保健领域拥有30年的实践经验，在那段时间里，我从事信息技术系统和应用程序的工作，例如从电子病历(EMR)系统收集高质量数据和结果，以及部署基本分析。除此之外，还具有相当广泛的IT背景。去年在区块链技术泛滥的时候，我觉得区块链技术在医疗服务中的安全部署还需要一段时间，因为医疗服务提供系统之间还是存在着巨大的差异，同时也需要大量的输入和有很多变量。使用/部署区块链技术解决特定问题需要使用共识数据集。一般的人工智能技术也是如此。这是否意味着人工智能、机器学习和区块链不会在未来的医疗保健中发挥作用？当然不是。我相信这些技术都会发挥重要作用。然而，尽管各种强大的IT产品层出不穷，但短期内，挑战仍将存在。医疗保健行业需要人工智能、机器学习、区块链和其他尖端技术来改进、协调护理服务，降低“系统”成本和冗余，并帮助确保可重复的护理质量。但很少有技术是完美的，而且随着使用范围和规模的扩大，其中大多数技术都需要时间才能成熟。什么是人工智能？首先，简要阐明人工智能的定义。就像远程医疗一样，人们经常互换使用“远程医疗”和“远程医疗”这两个词，许多人将人工智能与机器学习混淆了。事实上，许多组件都属于人工智能的范畴，包括机器学习。借助人工智能，机器可以模仿人类的认知功能。在这种情况下，人工智能包括机器学习、自然语言处理(NLP)和“推理”。在机器学习技术中，机器没有明确的指令，但可以推断和识别大量数据中的模式。“推理”是信息的存储与可用于演绎的规则相结合。NLP是对人类自然语言的处理、分析、理解和生成。可以教机器学习和识别物体。例如，可以部署编码来识别不同的叶子，每个叶子都有一个数据元素说明符，帮助计算机“学习”叶子的类型。然后，随着时间的推移，计算机可以从枫叶中区分出橡树叶。当然，这只是一个例子。但是除非你告诉计算机这些对象是什么以及如何定义它们，否则它对此一无所知。输入必须正确，编写算法的人必须具备解决手头潜在问题的相关背景知识（例如橡树叶和枫叶之间的区别）。这可能是个问题。主题专家(SME)和数据科学家必须共同合作来描述要解决的问题，确定所需的数据，并训练算法以确保它们的相关性。错误的计算机“训练”和错误的数据输入会导致错误和/或不正确的输出。▲显示这些组件如何在更大的“人工智能保护伞”下生存的图表糟糕的建筑是如何表现出来的？一方面，我们最近发现糟糕的数据输入会导致糟糕的输出。近期多家机构对新冠肺炎做出的各种预测非常不准确，感染率和死亡人数被高估。虽然问题不在于人工智能本身，但肯定是算法、逻辑和数据输入中的缺陷导致了意想不到的不准确结果。同样，错误或错误的输入以及错误的算法会导致错误的输出。值得强调的是，我相信人工智能将在医疗保健服务中发挥越来越重要的作用；这是时间和必要性的问题。关键在于逻辑数据的开发、构建和参数，这必须在科学家和主题专家（例如，临床医生和医疗保健主管）之间进行清楚的沟通。无法清楚描述其需求和输入的主题专家会将程序员引向错误的方向，将结构错误引入算法，有效地阻止机器“学习”正确的响应和输出。因此，高质量的输出不仅需要建立在正确的算法（程序员的工作）之上，还需要正确的输入来赋能机器，帮助它们“学习”如何提供可操作的见解和/或做出正确的决策.决策。企业内的AI失误已经非常严重，如果您部署的心脏AI协议没有内置所有正确的输入和参数，则可能会产生生死攸关的后果。正如我之前提到的，这个问题也在最近的《福布斯》（Forbes.com）文章（《区块链技术可能(最终)会帮助医疗保健行业：但是不要屏住呼吸》，2019年7月号）中讨论过，AI混沌是存在的。“2018年7月，StatNews审查了IBM的内部文件，发现IBM的Watson提供了错误的、有时甚至是危险的癌症治疗建议。”[i][ii]话虽如此，但在短期内，小规模企业用例可能会更容易实施。例如，在医疗保健行业，面临财务下行风险的责任关怀组织(ACO)可以启动一个明确的计划，重点是患者移民。定义/要求的输出可以量化ACO财务风险，确定哪些医生倾向于将转诊作为理所当然的事情，并明确转诊的来源和来源。这种具有明确定义的结果/目标的特定用例是可操作的。可以说，“产出”在医疗保健行业比在小部件制造行业重要得多。此外，根据IDC的一项调查，四分之一的公司报告说他们实施的AI项目的失败率接近50%[iii]。人工智能将推动医疗保健领域取得成功人工智能在医疗保健领域的使用和价值将继续增长。无论是疾病状态的预测分析、企业收入周期的现金流，还是基于价值的护理规划，人工智能都将大有帮助。具体而言，人工智能技术在医疗行业发展的成功因素可能包括但不限于以下几点：合理、定义明确的业务用例（不要试图让自己变胖）业务专家之间的清晰沟通和数据科学家的可扩展性有望产生正确、干净的数据模型，因此，人工智能在医疗保健行业的未来可以说是一片光明。但这项技术的应用是一场马拉松，而不是短跑。
