由于人口老龄化和远程医疗等医疗服务方式的兴起，医疗机构生成的非结构化和结构化数据量显着增加。本文将探讨各种用例，以展示医疗保健组织如何使用人工智能、机器学习和数据分析来利用不断增加的可用数据量、改善患者治疗和护理体验并提高运营效率。用例1：捕获和分析非结构化数据医疗机构中的非结构化数据是指从临床医生的手写处方表到患者呼叫中心日志的任何内容。这些信息量正在增加，需要新的方法来捕获和分析这些数据。在这方面，Avanade全球数据和人工智能卓越中心高级总监TriptiSethi提供了使用AnswerALS研究项目完成工作的示例。该示例是一家希望使用大数据和人工智能寻找答案和治疗方法的医疗保健组织，其目标是利用云计算、机器学习、大量患者数据和强大的交互式数据基础设施来帮助确定肌萎缩侧索硬化症的原因(ALS)原因并确定潜在的治疗方法。AnswerALS是约翰霍普金斯大学和罗伯特帕卡德ALS研究中心与Avanade共同创立和运营的革命性研究项目，已有1,000多名ALS患者参与了该项目的研究。该计划汇集了全球研究中心、行业领先的技术公司和世界一流的研究人员。这种全球协作产生的大量非结构化数据带来了挑战。研究人员如何有效地使用这些数据并获得见解？Tripti解释说：“我们利用云计算模型和强大的机器学习基础设施来创建类似基于Azure的数据查询引擎，能够在数小时内处理研究查询，而不是过去的几天和几周。与此同时，研究人员将能够更快地分析更多数据，作为加速ALS患者成功治疗计划的基础。”用例2：在医疗保健供应链中利用人工智能和机器学习来提高患者治疗和护理的智能和机器学习在未来的医疗保健中发挥重要作用。这些高级分析还可用于帮助医疗保健组织提高效率并解决供应链挑战等问题，尤其是在COVID-19大流行加剧供应链困难的时候.大型药品批发商SethiCorporation与Avanade合作，改进他们容易出错且不可靠的库存跟踪方法。以前，常用的跟踪技术，如RFID和蓝牙技术用作重量计算传感器，既不可靠又繁琐，导致利润较低Sethi的利润率。为了解决这一挑战，协作团队将人工智能（特别是计算机视觉和后处理机器学习模型）与连接到边缘计算机节点的摄像头相结合。批发商提高利润率并提高计费准确性。用例3：利用高级分析进行诊断和治疗与人工智能和机器学习的重要性类似，高级分析将在未来的医疗保健中发挥重要作用，尤其是在治疗发现方面，例如通过提高癌症病例审查的准确性，从而加快诊断和治疗。例如，一旦诊断出癌症患者，就需要制定最佳治疗方案。这需要来自不同专业的医生对癌症病例进行审查和讨论，但将一群医生聚集在一起并不总是那么容易。为了帮助应对这一挑战，可以启用促进员工培训的新协作解决方案，并且可以使用数据分析为医生和护士提供见解，以便他们能够更好地参与并将自己的见解输入到治疗发现中。“增加这种多样化的知识有助于确保患者获得最高质量的治疗和护理，医院还可以加快诊断和治疗时间，从而提高满意度，”Sethi说。“通过这些用例，每天都在开展工作以改善治疗和护理的体验，通常是在患者不知情的情况下，并且不会对患者的治疗和护理造成任何干扰。通过观察数据并从中学习来克服人工智能算法的道德困境做出预测或产生见解。如果该数据有偏差，其结果也会有偏差。克服此类道德困境和偏差需要积累更多样化的数据集，同时还要训练人工智能或机器学习算法来分析所有数据。对Sethi来说，模型可以被训练来查看所有代表的数据片段，并增加数据中代表不足的群体的重要性。分析师可以获取训练样本并重新加权训练样本的重要性，放大少数群体的‘声音’。”对于医生来说，创建可解释和透明的算法也很重要，这样他们就能理解为什么某些见解是基于某些数据集产生的。根据Sethi的说法，这引出了一个更广泛的问题——为什么医疗机构要使用人工智能和机器学习？“我们会接受预测的结果吗？或者我们是否从这些见解中学习并找出不同人群中医疗保健挑战的根本原因？”作为道德行动的一个例子，Avanade旨在解决道德或负责任的技术困境，创建了数字道德框架并将其应用于人工智能。该框架为负责任的人工智能创建了一个清单，无论是数据完整性、隐私、偏见还是人类影响。人工智能在医疗保健领域的未来随着人工智能加速进入日益虚拟化的操作环境，人工智能将在医疗保健领域发挥关键作用。COVID-19加速了向虚拟医疗保健的转变，这导致了数据的爆炸式增长。但为了跟上这种增长，可以做更多工作来收集洞察力并利用人工智能、机器学习和数据分析来推动有意义的变革。总之，人工智能和大数据分析为更好地治疗患者、提高效率和更准确的治疗发现提供了许多机会，我们需要利用这些先进技术，同时不要忘记道德、隐私和合规的重要性。
