QQ在线
企业微信
资讯
426认（rèn）清在医（yī）疗（liáo）保健中实施人工智（zhì）能(AI)所面（miàn）临（lín）的挑战，可以帮助（zhù）医疗保健提供者制定适（shì）当的策略并以（yǐ）无风险的（de）方式快速实（shí）施创新的解决方案（àn）。
人（rén）工智能正在以多种方式改变医疗（liáo）保健。医（yī）疗保健（jiàn）组织正（zhèng）在实施用（yòng）于机器人（rén）手术、护（hù）理帮助、准确（què）诊断和（hé）精密药（yào）物的AI。实际上，毕马威会（huì）计师事务所(KPMG)进行的一项调查显示，有53%的高管认为医（yī）疗保健在采（cǎi）用AI方面处（chù）于（yú）领先地位。
尽管在采用（yòng）AI方面处于领先地位，但并非所有（yǒu）医疗保健组织都已实（shí）施AI。部署AI解决方案时（shí）面临的挑战仍使一些医（yī）疗保健组织（zhī）无法充分利用AI技术。在（zài）这种情况下，医（yī）疗保健企业有必要了解医疗保健及其解决方案中（zhōng）的AI挑（tiāo）战。
解决医（yī）疗（liáo）保健中（zhōng）的人工智能挑战（zhàn）
要解决医疗保（bǎo）健中（zhōng）AI实施方面的挑战（zhàn），必须意（yì）识到（dào）这些（xiē）挑战。一旦卫生组织意识到了挑（tiāo）战，便可（kě）以更（gèng）好地找到克服（fú）挑（tiāo）战的方法（fǎ）。
医疗（liáo）保健中的（de）5种（zhǒng）人（rén）工智能实施挑战
收集数据
人工智（zhì）能系（xì）统需要大量数据。并且收集的（de）数据必须来（lái）自（zì）可（kě）靠的（de）来源。从不（bú）可靠的来源收集数据可能会对AI解（jiě）决方（fāng）案的输出（chū）产生不利影响。
因此，为（wéi）了（le）获（huò）得准确的输（shū）出，医（yī）院（yuàn）必须从可靠的（de）来源收集培训数据。他（tā）们可以从（cóng）患（huàn）者的历史和当（dāng）前病（bìng）历中找到可靠的数据，因为医疗保（bǎo）健（jiàn）中的每（měi）个患（huàn）者（zhě）都是（shì）他们自身的来源。医（yī）疗保健组织还需要为机器学习（xí）算法准备准确的数（shù）据集（jí）。但是数据准（zhǔn）备方面的挑战通常很难克服。
因此（cǐ），毫（háo）不奇怪的是（shì），有96%的组织（zhī）因（yīn）为（wéi）成功实现AI而遇到数据相关的问（wèn）题阻碍。为了准备精确的数据集，医（yī）院需要尽（jìn）早确定所（suǒ）需的结果并相应地准备数（shù）据。医（yī）疗保健组（zǔ）织（zhī）还（hái）需要确保数据与构建过（guò）程一（yī）致。他们可以通（tōng）过清（qīng）除数据以使丢失的值最小化（huà）并消除不（bú）相（xiàng）关（guān）的（de）数据来使其数据兼容（róng）。
保持合规
每个患（huàn）者都是可靠的数据来（lái）源。但是，如果这些来源拒绝（jué）提供其（qí）数据来构（gòu）建AI系统怎么办？没有（yǒu）人希望他们的数据（jù）被用于非法目（mù）的。为了（le）避免这种情况并在（zài）患（huàn）者之（zhī）间建立信任，政府（fǔ）和领先的医疗保健组织制定了每家医院都必须（xū）遵守的法（fǎ）规。
例如，通过了《医（yī）疗保（bǎo）健信息携（xié）带和责任法案》(HIPAA)，以（yǐ）强制执（zhí）行机密处理（lǐ）患（huàn）者数据的标（biāo）准。另一个例子是《经济和临床（chuáng）健康卫生信息技（jì）术（shù）法案》(HITECH)，该法（fǎ）案旨在标准化当今数字（zì）时代中电子健康记（jì）录(EHR)的维护。这种（zhǒng）监管行为使患者可以随意共（gòng）享（xiǎng）其数（shù）据，这些数（shù）据（jù）可用于（yú）训练AI系统。
医疗（liáo）保健（jiàn）组（zǔ）织还需要确保收集的（de）数（shù）据（jù）受到保护（hù），以增强隐私和安（ān）全（quán）性。但是，在当今世界，我（wǒ）们（men）经常听（tīng）到有关网络安全漏洞的（de）消息，保护数据安全并非（fēi）易事。这也是医疗保健组织可以利用区块链（liàn）的地方。
AI和区块链的融合可以共同革新许多行业，医疗（liáo）保健是这些（xiē）行业之一。区块（kuài）链将确保安（ān）全传输和存储患者数据，以增强隐私（sī）和安（ān）全性。它（tā）还将（jiāng）为患者提供透明性（xìng），以（yǐ）便（biàn）他（tā）们可（kě）以（yǐ）查看其数据的存储位置和使用方式。
