【.com快译】众所周知，在医疗保健的方方面面，时间一直被认为是最宝贵的部分。即使是几分钟的延迟也可能会导致生命损失。然而，从另一个角度来看，医生平均花在每个病人身上的时间只有15分钟。这显然不足以让他们仔细研究患者的详细信息，包括：相似病例、人口特征和统计信息。近年来，随着AI（人工智能）技术逐渐进入医疗保健领域，以前被认为存在巨大障碍或不太可能实现的诊疗方式变得可行。与此同时，美国90%以上的医院已经从传统的纸质病例系统转向电子记录和诊断。医生可以利用人工智能技术预测、发现和分析各种重大疾病和罕见病例。医学诊断中的人工智能是什么？简而言之，人工智能在医学诊断中的应用是通过自动化、预测等技术和方法辅助医学诊断的过程。通过AI系统，用户可以缩短检查、发现、诊断的时间间隔；医院可以自动快速地挖掘各种病历，并生成相应的治疗结果建议。此外，一些具有预测分析功能的人工智能平台，还可以利用机器学习和先进的算法，发现患者用药的不规律性，甚至可以预测患者的死亡率。根据Frost&Sullivan2016年的一项研究，人工智能在医疗保健领域的应用具有以下特点：预计到2021年，总市值将达到66亿美元。未来两年整体增速将高达40%。医学影像诊断水平将大大提高。医疗成果的转化潜力为30%至40%。潜在的治疗改善成本为50%。人工智能在医学诊断中的重要性首先，对于医生来说，他们和他们的医疗保健组织有机会访问和利用其他医生的集体知识，以及数百万患者的病史。借助人工智能技术及其系统，他们可以根据信息相关性完全自动化地访问这些记录。整个过程只需几秒钟即可完成。当然，这只是AI在医疗诊断领域的众多功能之一。AI就像一个虚拟化的私人助理，可以根据相似的病例和现有的治疗方案，为医生提供各种建议。目前，人工智能虽然还不具备完全替代医生的能力，但已经具备了人类普遍无法实现的数据挖掘、分析、识别模型的能力。人工智能可以与那些经验丰富的医生相辅相成，全面提高医疗诊断过程的效率和质量。总的来说，人工智能在医学诊断中的作用可以概括为：改进诊断。削减开支。模型识别。临床相关、高质量和快速的数据生成。业界对人工智能用于医疗诊断的批评虽然人工智能在医疗诊断方面有很多明显的优势，但人们在应用这项技术时仍然存在各种顾虑甚至批评。其中包括：无论是获取高质量的数据，开发模型进行智能分析，识别相应的特征，训练不同的算法，这些都会涉及到高昂的成本。由于软件的碎片化和多样性，以及电子病历的低效和缺乏全面性，许多医疗机构会发现他们的实施模式与其他组织完全不兼容。这通常会造成弊大于利的情况。出于安全原因，许多系统都与Internet隔离，这使得信息共享和数据访问完全不可能。面对信息孤岛，人工智能只能苦于缺乏必要的训练数据。一些更传统的医护人员会把AI的建议视为对医生专属等级甚至权威的挑战。他们依然会跟随自己的直觉，甚至会因为情绪原因做出相反的判断和决定。如下图所示，根据思科的观点：“在最近的受访者中，54%的医疗机构管理者认为人工智能将在未来五年内在行业中得到广泛采用；36%的患者对AI缺乏信任，30%的临床医生甚至抵制AI的应用。”AI在医学诊断中的潜力通过智能系统和流程，医生和医院可以识别患者的肾功能有失败、心脏病、术后感染和再入院风险的患者。大量的电子健康数据和公共数据库信息可以组合成一个强大的数据源，让AI系统完成复杂的研究几秒钟的工作，然后根据相似病史的流行情况和患者的既往记录建议治疗和药物建议并计算成功的几率。另外，对于某种药物可能对某种药物无效的情况对特定人群，AI系统可以在医生开药时发出警告，甚至揭示药物的风险。同时，AI分析系统还可以o敏锐地捕捉患者过去记录中的异常情况。例如：虽然某患者声称自己从未饮酒，但他的多项检测指标都能显示出他有饮酒的迹象。然后AI系统可以通过综合分析，及时突出地引起医生的注意。如下图所示，按照思科的观点：2018年《肿瘤学年鉴》，有一项研究：他们让卷积神经网络（CNN），一个机器学习（ML）系统，与58位皮肤科医生进行了一场比赛.通过“观察”超过100,000张恶性和良性肿瘤图像，人工智能(AI)系统可以准确检测出95%的黑色素瘤，而人类皮肤科医生只能检测出其中的86%。为了进一步了解人工智能的使用，下表给出了六个最常见的使用人工智能的行业。可见医学诊断在其中占有一席之地。下面详细讨论医疗诊断AI项目实施的十个步骤。第1步：让医疗机构的各个成员熟悉上面讨论的AI的基本功能和好处。这不仅有助于他们对人工智能形成清晰的认识，也有助于他们对人工智能提出合理的要求，产生切合实际的期望。第二步：识别和发现现有医疗诊断流程中的各种“痛点”。考虑分析是否可以通过现有的AI相关技术解决。以需求列表的形式清楚地列出AI可以为组织带来的真正价值。第3步：关注业务重点并进行深入分析，以权衡采用AI创造的价值与所涉及的实施成本。这确保了每项投资与其带来的商业价值直接匹配。第四步：通过向医生、护士、医务人员介绍AI相关技术，让他们参与系统的设计，提出合理化建议。因为他们非常了解业务并深入参与组织的日常运营，所以他们通常能够指出技术人员可能会遗漏的细节。第五步：确定方案，组建AI项目组，招募开发人员，完成编码和测试，试运行系统。在此阶段，为试点项目和后续部署制定明确的时间表对于项目的成功至关重要。第六步：指派专职团队成员负责定期对医疗机构进行用户教育，收集系统部署和运行过程中遇到的问题，督导确保医护人员能够正常使用系统。第七步：对于组织来说，踏入AI系统难免会出现一些不适和不可预见的错误。因此，我们应该根据医生、护士和医务人员的反馈，不断优化系统，根据需要改进算法。第八步：无论是患者相关数据，还是智能算法的信息存储，都是AI系统的重要组成部分。因此，对于每个希望走向人工智能的医疗机构来说，都需要为海量数据存储需求做出充分的安排。第九步：定期与开发者沟通，包括回顾现有的人工智能算法，以及已经采用的数据采集和分析技术。这些通信可以确保部署的人工智能服务满足医务人员的原始需求并体现实际的商业价值。第十步：在开发过程中寻求AI系统与技术实现能力的平衡。这将消除未达到预期的影响并避免人员失望。协助医疗保健组织对遗留系统进行AI改造每个医疗保健组织都需要根据其特定需求评估其现有系统，尤其是那些“遗留”系统。对于旧系统的处置，业界往往采用“迁移”、“现代化”、“改造”等方式。让我们来看看这三者之间的区别：迁移：医疗机构处理遗留系统最简单的一种方法。它涉及将现有系统从一个平台迁移到另一个平台，这是一种保持系统功能和设计不变的相对直接和有效的方法。但是，随着系统性能的提升，相应的迁移成本也会增加很多。现代化：在功能和性能方面直接增强现有系统。这种方法不涉及将遗留系统迁移到其他平台，只涉及本地升级和功能“现代化”。在某种程度上，这是一种妥协。转型：既包括上述迁移活动，也包括伴随现代化而来的升级过程。AI系统项目的实施往往采用这种方式对遗留系统进行彻底改造。也就是说，在我们就地改进一些现有系统的同时，我们正在添加具有AI和机器学习功能的全新平台。人工智能在医学诊断中的未来目前，从人工智能在医学诊断中的应用来看，各种机器学习、智能算法、预测分析、数据自动排序和特征提取的实现，可以在一定程度上给传统方法.该诊断方法赋能并极大地促进了医生治疗患者的效率和效果。原标题：10StepstoExecutionanAITransformationProject，作者：GarronJhonson
