自今年年初以来，健康计划、医疗保健提供商和分析公司利用AI来改变医疗保健的提供方式以及患者如何更积极地参与其中，所有这些都得到了显着改善。如今，人工智能在医疗保健领域的应用无处不在。来自我公司的数字健康情报数据库DamoIntel的数据显示，2020年临床和行政领域的AI用例公告显着增加。对美国前50大医疗保健系统部署的AI/ML应用程序的分析表明，支持AI的解决方案分为多个技术类别：机器学习、自然语言处理(NLP)、类似聊天机器人的对话界面和机器人流程自动化(RPA)。临床和管理领域中与COVID相关的用例也促进了医疗保健领域新技术的发展，例如聊天机器人。专注于在护理点使用人工智能解决方案进行实时干预人工智能支持的护理面临的最大挑战是在护理点提供对临床工作流程的实时洞察。语音识别技术对于较低级别的任务非常有效，例如记录医患会议。然而，它们未能发展成决策支持系统，无法在护理点为诊断和治疗决策提供额外的见解。另一方面，提供实时洞察力的解决方案尚未扩展和广泛采用。一个例子是斯坦福大学与亚马逊合作开发的一款基于智能手表的COVID诊断应用程序，该应用程序分析心率升高和其他异常情况，向疑似感染COVID的患者发送实时警报。遗传学教授兼主席MichaelSnyder博士正在努力推广这一解决方案，旨在为个人层面的健康指标创建一个持续监测框架。他的目标是让任何人都拥有智能手表。亚马逊已经向全球数字健康创新者提供了数百万的云计算积分，用于类似的诊断解决方案。数据协作推动高级实时分析如果今年有一个新趋势，那就是数据协作。Truveta是一个由14个卫生系统组成的联盟，于2月成立，旨在汇集所有成员系统的患者数据，以推动高级分析并改善医疗保健结果。谷歌还宣布了与医疗保健公司的一系列合作伙伴关系，包括MayoClinic、AscensionHealth和Highmark。用例包括但不限于质量指标的数据分析、基准测试和管理报告。除了与谷歌的合作之外，梅奥诊所还与AI初创公司发起了一项新的数据协作计划，目标是远程监控设备的数据。Highmark是宾夕法尼亚州的一项主要健康计划，它与总部位于特拉华州的ChristianaCare建立了10年的合作伙伴关系，以汇集医疗和索赔数据，以期取得更好的结果。预计会有更多的财团作为大型付款人和提供商来汇集他们的数据集，通过高级分析洞察力提高效率。推动AI在医疗保健领域未来发展的其他趋势包括AI应用程序创新的增加、对CMS最终规则的遵守，以及允许患者访问他们的医疗信息并与希望构建新的数字健康产品和服务的开发人员共享这些信息。未来的病房将在护理人员、患者及其家人之间融入由人工智能驱动的卓越数字交互体验。PennMedicine在费城的15亿美元投资就是一个例子。这个拥有500个床位的设施名为ThePavilion，在病房的墙壁上排列着75英尺高的交互式显示器。实体健康服务副总裁JohnDonohue一直密切参与未来病房的技术支持。作为这个正在进行的6年项目的一部分，他正在从事受迪士尼启发的用户体验设计。来自远程监控设备的分析。从家庭监控设备和传感器中摄取和分析大量数据的人工智能应用程序将成为推动医疗保健的下一阶段。随着医疗保健从医院转移到家庭，预计未来将大量投资于分析来自远程传感器和监控设备的数据。亚马逊最近推出的AmazonCare服务除了虚拟护理服务外，还包括家庭护理服务作为整体套餐的一部分。KaiserPermanente和MayoClinic等大型医疗系统也参与其中。他们宣布投资一家专注于家庭护理的科技公司MedicalyHome。患者现在准备好了吗？虽然支持AI的医疗保健技术和计算基础设施已经成熟，但采用AI支持的医疗保健取决于当前医疗保健生态系统中现有人员的不同准备水平，以及对AI支持的医疗保健安全性的担忧，尤其是对于复杂的临床情况。患者也对人工智能支持的护理持怀疑态度：最近的一项研究指出，患者发现聊天机器人具有侵扰性，并且不愿接受机器人的医疗建议。尽管支持AI的应用程序的管理用例可能会在短期内带来更好的投资回报。Centene于2020年收购了医疗保健分析公司Apixio，该公司首席执行官SachinPatel证实，在风险调整等金融业务中，人工智能应用的回报是4至7倍。我公司的研究表明，超过一半的医院继续使用电子健康记录(EHR)系统作为护理点的主要工具。新的、基于云的、支持AI的解决方案继续面临在护理点无缝集成到临床工作流程中的挑战。互操作性问题以及医疗数据的标准化和规范化问题仍然是支持AI的应用程序面临的重大挑战。此外，ICD、SNOMED和FHIR等标准在不断发展，代表着对由主题专家验证的权威代码变更管理和数据标准化解决方案的持续需求。新兴数据源（例如基因组数据）在用于AI应用程序之前需要额外的道德和隐私保护措施。人工智能在医疗保健领域的最后一个问题是缺乏对算法如何在医疗保健领域发挥作用的可见性，许多人工智能应用程序固有的系统性偏见进一步加剧了这一问题。尽管人工智能技术取得了进步，但在一个数据集上训练的算法很难转移到另一个数据集上，尤其是当操作数据和健康的社会决定因素在人口健康风险评估中发挥越来越大的作用时。随着云平台开始成为开发AI解决方案的主要数据存储库，对数据隐私保护的担忧也将推动采用AI工具所需的信任和支持。人工智能在医疗保健领域的一大亮点是人工智能在管理职能中的快速采用。卫生系统管理人员必须主动扩大这些应用程序的范围，以涵盖新的运营领域，包括访问和患者参与，以提高效率和体验质量。临床领导者必须继续谨慎扩展AI应用程序的使用，并专注于不一定能取代人类直觉和判断的操作领域。这方面的一个例子是PennMedicine使用的人工智能优化化疗计划。由于医疗保健领导者希望加速AI的采用，他们还必须仔细权衡开发和部署AI解决方案所涉及的成本和收益。问题总是回到我们可以利用从AI应用程序中获得的洞察力做什么。如果我们不能根据这些见解和信息改变现状，临床领导者必须首先质疑该计划的价值以及产生这些见解所需的努力。关键是投资于我们可以看到成果并以此为基础的领域。我们距离在医疗保健的核心临床方面广泛使用人工智能还有几年的时间。在那之前，我们只是继续前进。
