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
|
15天前
|
存储 人工智能 Cloud Native
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
在9月20日2024云栖大会上,阿里云智能集团副总裁,数据库产品事业部负责人,ACM、CCF、IEEE会士(Fellow)李飞飞发表《从数据到智能:Data+AI驱动的云原生数据库》主题演讲。他表示,数据是生成式AI的核心资产,大模型时代的数据管理系统需具备多模处理和实时分析能力。阿里云瑶池将数据+AI全面融合,构建一站式多模数据管理平台,以数据驱动决策与创新,为用户提供像“搭积木”一样易用、好用、高可用的使用体验。
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
|
13天前
|
机器学习/深度学习 人工智能 算法
整合海量公共数据,谷歌开源AI统计学专家DataGemma
【10月更文挑战第28天】谷歌近期开源了DataGemma,一款AI统计学专家工具,旨在帮助用户轻松整合和利用海量公共数据。DataGemma不仅提供便捷的数据访问和处理功能,还具备强大的数据分析能力,支持描述性统计、回归分析和聚类分析等。其开源性质和广泛的数据来源使其成为AI研究和应用的重要工具,有助于加速研究进展和推动数据共享。
43 6
|
6天前
|
人工智能 自然语言处理 关系型数据库
从数据到智能,一站式带你了解 Data+AI 精选解决方案、特惠权益
从 Data+AI 精选解决方案、特惠权益等,一站式带你了解阿里云瑶池数据库经典的AI产品服务与实践。
|
14天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
9天前
|
存储 人工智能 大数据
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
14天前
|
关系型数据库 分布式数据库 数据库
云栖大会|从数据到决策:AI时代数据库如何实现高效数据管理?
在2024云栖大会「海量数据的高效存储与管理」专场,阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
|
22天前
|
人工智能 开发者
通义灵码一周年数据报:你的 AI 编码助手身份标签是什么?
通义灵码一周年数据报,等你来开AI编码身份标签。
47 3
|
28天前
|
机器学习/深度学习 人工智能 算法
"拥抱AI规模化浪潮:从数据到算法,解锁未来无限可能,你准备好迎接这场技术革命了吗?"
【10月更文挑战第14天】本文探讨了AI规模化的重要性和挑战,涵盖数据、算法、算力和应用场景等方面。通过使用Python和TensorFlow的示例代码,展示了如何训练并应用一个基本的AI模型进行图像分类,强调了AI规模化在各行业的广泛应用前景。
29 5
|
2月前
|
存储 人工智能 运维
重磅!阿里云可观测产品家族全新升级,AI +数据双驱动,打造全栈可观测体系
近日,阿里云可观测产品家族正式发布云监控 2.0,隶属产品日志服务 SLS、云监控 CMS、应用实时监控服务 ARMS 迎来重磅升级。
359 18
|
30天前
|
机器学习/深度学习 存储 人工智能
揭秘机器学习背后的神秘力量:如何高效收集数据,让AI更懂你?
【10月更文挑战第12天】在数据驱动的时代,机器学习广泛应用,从智能推荐到自动驾驶。本文以电商平台个性化推荐系统为例,探讨数据收集方法,包括明确数据需求、选择数据来源、编写代码自动化收集、数据清洗与预处理及特征工程,最终完成数据的训练集和测试集划分,为模型训练奠定基础。
42 3

热门文章

最新文章