在医疗保健中使用AI:将数据转化为行动

简介: 在医疗保健领域,不乏支持人工智能(AI)好处的统计、调查和行业炒作。人工智能已经在我们的日常生活中发挥了重要作用。医疗保健可能是人工智能对我们日常生活影响最大的领域之一。尽管如此,我们才刚刚开始了解人工智能在医疗服务方面的作用。

Putting-AI-to-Work-in-Healthcare-Turning-Data-into-Action-1068x656_副本.jpg

如今,当大量的数据需要考虑时,人工智能在自动定义和可重复的任务上提供了直接的好处。这使得它在医疗保健领域特别具有吸引力,因为在医疗保健领域,每天都会生成新的数据量,并且会执行许多重复的、定义良好的和例行的任务。人工智能目前可以执行耗时、重复,而且可能容易出现人为错误的人类任务。

尽管安全有效,但医疗领域的AI仍处于起步阶段,但我们开始看到该行业取得了长足的进步。这只是AI已经帮助简化工作流程和改善医疗保健流程的几种方式。

将数据转换为可行的信息

人体产生大量内部数据。收集患者的生命体征,实验室检查结果,书面笔记和影像数据是在护理期间做出良好临床决策的关键因素。将其与其他可能相关的终生健康数据(例如就诊,诊断,处方和自我报告的症状)相结合,然后将这些数据遍及广大人口,这是一项令人头晕的任务。世界上没有足够的医生来尽快分析所生成的所有信息。

当我们与卫生系统会面时,高管关注的第一大领域就是数据。每个人都希望数据能够支持和发展直觉。如果不能用于改善医疗保健或医疗保健交付,收集数据毫无意义。值得庆幸的是,人工智能能够分析大量数据集,以得出专业人士可以用来制定更早和更明智的决策的可行见解。

这些数据集中的某些信号和模式要么对于人眼来说太微妙,要么需要在大量数据中进行表征,才能真正具有代表性和价值。我们仍然无法理解这些模式与未来结果的关系,因为我们无法收集或大规模分析数据,但是这种情况正在改变。

有了足够的训练数据和标签,深度学习就可以识别出人类难以理解的模式。AI允许大量的计算能力来学习成千上万患者的模式。这将使医生能够更快地做出反应,并在严重事件之前解决健康事件。

进入医疗物联网IoMT

以前,只有在ICU中才能连续监视患者。ICU监视器具有许多引线和导线,因此在一般医疗和外科部门以及其他低敏度环境中不可行。在这些环境中,生命体征采集每四个小时左右就被限制一次,直到下一次检查时才发现恶化。只有使用一般的EMR或其他罕见的数据才有可能进行风险分层。

这已经改变了。利用当今的连接选项,舒适地戴在患者手臂上的无线监控设备现在可以以适用于低敏锐环境的方式连续向护理团队提供ICU口径的健康数据。

虽然ICU的患者人数很少,但在诸如普通医疗和外科病房等低敏锐度地区,患者却呈指数增长。因此,仅生成数据不太可能解决问题-医院中没有足够的医生来处理此数量的数据。

这就是AI成为强大盟友的地方。AI提供了对健康数据的即时和连续评估,以识别可能恶化的患者。这样可以更好地利用我们的医疗保健专业人员,他们可以将时间集中在最需要他们的患者身上。

远程病人监控(RPM)设备是医生和护理团队的关键辅助设备。在医院里更快地发现病人的健康状况恶化,有可能大大减少过早出院的病人数量,而在同样的情况下不久又会重新入院。在美国,再住院目前是一个400亿美元的问题。

主动与被动护理家庭中的AI

随着医疗资源变得越来越紧张,并且随着我们的人口老龄化和病情的加剧,医疗服务提供者正在寻求新的模式以允许在家中提供更多的医疗保健。医院正在成为住院时间较短的四级治疗中心,每个卫生系统都希望尽量减少再次住院和昂贵的计划外急诊就诊。

为此,我们必须能够确定哪些患者可以安全地作为门诊患者,哪些患者会发生败血症以及哪些患者不需要治疗。能够以极高的灵敏度和特异性来预测这些结果的AI模型的开发,将完全重塑我们的医疗系统。

远程患者监控设备使患者无需坐病床,就可以享受自己家中的舒适和熟悉的感觉,同时知道有人在照看他们,可以放心。以前,一旦患者离开医院,几乎不可能监测他们的健康。许多患者直到最早的症状开始并且病情恶化后才打电话给医生。

借助RPM,可以从患者那里被动收集生命体征和其他健康数据,并将其发送到云中,如果该人开始不适,则AI模型可以警告相应的医疗保健专业人员。这种管理吞吐量(将信号与噪声分离)的能力是AI的力量。它使医疗保健专业人员将精力集中在最需要关注的患者上,并帮助不需要医疗保健的患者在家中感到越来越安全。 许多患者只需要保证一切都将正常就可以。

通过AI对健康数据的分析(可从这些远程监控设备连续捕获)实现的早期检测功能,使医疗保健专业人员从反应式护理转变为主动式护理。降低医疗保健成本的最佳方法是在较低的敏锐度和较低的成本点进行治疗。这意味着要在急诊室就诊之前和要求再次入院之前对患者进行治疗。

在可预见的将来,人工智能将在提高医疗保健吞吐量,帮助我们将有限的医疗保健资源更好地部署到最需要关注的患者并尽早交付方面发挥重要作用。但是,尽管对AI和IoT的承诺很高,但计算机没有情感。这是计算的力量,也是它的弱点。医疗保健专业人员是医疗保健提供的重要组成部分;他们是将信息转化为行动的人。通常,所需的决定与不做什么有关,许多信息是主观的,只能通过与人的真实接触来获取。

目前,人工智能不可能取代人类的直觉和开箱即用的能力,并能分辨出结果。但是,诸如AI之类的工具将从根本上帮助重塑我们提供医疗保健的方式,并将以经济上可持续的方式改善患者,医生和其他医疗保健专业人员的生活。

尽管已经提高了患者护理水平并改善了临床过程,但该行业才刚刚开始涉足这一领域。


原文链接
相关文章
|
4天前
|
人工智能 监控 安全
数据、AI涌现的年代,迭代数字平台,更需关注安全合规问题
在当下,无论是企业想谋求数字化转型升级,还是想要出海走出去,首先基本上都会对自己的数字体验系统进行重塑,而这其中关于的安全合规问题,也成为了决定企业选择何种技术进行系统迭代更新的关键。
|
4天前
|
人工智能 算法 数据可视化
AI Earth ——开发者模式案例2:Landsat系列影像数据去云
AI Earth ——开发者模式案例2:Landsat系列影像数据去云
44 3
|
4天前
|
机器学习/深度学习 存储 人工智能
为什么AI处理私有数据,需要使用向量数据库
大语言模型通过概率和向量数据库查询来生成高质量内容,当预测概率低于阈值时,利用相似性从本地数据中获取信息,向量数据库通过向量化、表示、查询、搜索和解码等步骤,帮助模型处理未知数据。
|
4天前
|
人工智能 NoSQL atlas
生成式AI入门必读:基本概念、数据挑战与解决方案
许多企业正在选择MongoDB Atlas。其原生向量搜索功能,加上统一的 API 和灵活的文档模型,对于寻求通过 RAG 方法提取专有数据来增强 LLM 的企业来说,是一个有吸引力的选择。
2233 3
|
4天前
|
人工智能 NoSQL atlas
Atlas Vector Search:借助语义搜索和 AI 针对任何类型的数据构建智能应用
一切才刚刚开始,MongoDB 致力于提供优秀的开发者数据平台,助力开发者打造新一代 AI 赋能的应用
2229 2
|
4天前
|
人工智能 NoSQL atlas
Fireworks AI和MongoDB:依托您的数据,借助优质模型,助力您开发高速AI应用
我们欣然宣布MongoDB与 Fireworks AI 正携手合作让客户能够利用生成式人工智能 (AI)更快速、更高效、更安全地开展创新活动
2225 1
|
4天前
|
存储 机器学习/深度学习 人工智能
新一代数据库技术:融合AI的智能数据管理系统
传统数据库管理系统在数据存储和查询方面已经取得了巨大的成就,但随着数据量的不断增长和应用场景的多样化,传统数据库已经难以满足日益增长的需求。本文将介绍一种新一代数据库技术,即融合了人工智能技术的智能数据管理系统。通过结合AI的强大能力,这种系统能够实现更高效的数据管理、更智能的数据分析和更精准的数据预测,为用户带来全新的数据管理体验。
|
4天前
|
人工智能 搜索推荐
【AI 生成式】描述生成式 AI 在医疗保健和药物发现中的应用
【5月更文挑战第4天】【AI 生成式】描述生成式 AI 在医疗保健和药物发现中的应用
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 生成式】如何利用生成式人工智能进行机器学习的数据增强?
【5月更文挑战第4天】【AI 生成式】如何利用生成式人工智能进行机器学习的数据增强?
|
4天前
|
人工智能 NoSQL atlas
生成式AI入门必读:基本概念、数据挑战与解决方案
为了实现这一目标,许多企业正在选择MongoDB Atlas

热门文章

最新文章