人工智能在临床领域的下四个前沿

作者:澳门微尼斯人娱乐

除了组织中的支持之外,这两个项目的共同点是数据集成。AI从数据开始,数据管理(通过数据治理,清理,ETL,语义协调等)工作为AI算法提供了语义协调数据,模型构建,为进行预测和改进模型奠定了基础。另外,还需要将结果引入医疗保健的工作流程,例如:修改订单集,或向医疗的点对点系统注入洞察力--以实现收益。

一个定义良好的人工智能战略,将有助于了解如何将人工智能添加到当前的IT组合当中。AI可以包含在现有的应用程序当中,也可以与工作流程中的应用程序进行集成。或者,在鲜为人知的以流程中心的方法中,人工智能可以被封装成工作流,而这些工作流将带我们进入下一个前沿领域。

认知计算包括机器学习、神经网络和深度学习技术,可以帮助组织应对大量快速变化的数据。凭借其处理各种统计算法和快速生成新数据新模型的能力,它对于医疗设备、智能手机、活动跟踪器和 EHR 等来源聚合的海量医疗数据转变为能够实现个性化医疗的洞察力。但更重要的是,亚太地区的玩家也在用它来预测健康趋势,检测数据模式(例如,药物对个人或群体影响),或者使不同来源的数据得以共享(例如,创建360度的患者视图)。

持续性数据不仅仅是一种实时数据的新方式;相反,它是一种设计模式,其中实时分析与业务运营相结合,处理当前和历史数据以规定响应事件的行动。

Montefiore卫生系统则采取了一种更基本的方法:开发一个数据湖和基于图形数据库的基础设施,这些基础设施可已支持各种病人的护理用例。它使他们能够实施先进的脓毒症检测工具,以及支持临床决策的工具。对数据管理的投资得到了很好的回报:他们的数据科学家现在能够花70%的时间进行人工智能分析上面,而以前则需要花75%的时间进行数据管理和数据争论。由此产生的基础设施,以病人为中心的分析学习机,成为了为AI分析项目带来规模经济的基础。

通往未来的道路

三、数据驱动医疗保健行业发展

Gartner 研究副总裁 Rita Sallam,数据和分析领导者必须审视这些趋势对业务带来的潜在影响,并相应调整业务模式和运营,否则就有可能失去竞争优势。

人工智能专家,风险投资家,《人工智能超级大国:中国,硅谷和新世界秩序》的作者李开复在其中描绘了一个非常广泛、跨行业、跨地域的人工智能影响观。李博士提出的一个观点认为,中国的优势在于,广泛采用的优质产品可以生成详细的数据宝库,从而使公司能够执行复杂的人工智能,以此生产出更好,被广泛采用的产品。良性循环将会保持下去,在这方面做得好的行业领导者将继续扩大领先优势,从而形成赢家通吃的经济模式。

跨行业的业务流程管理从业人员长期以来一直习惯于将工作流程编写成一系列的任务,并通过完成这些任务以产生工作结果。一个规范化的工作流可以与多个系统和工作人员进行交互,并对其性能进行监视和分析。

在中国,医疗行业很难开发出相对于诺华的 Kymriah 和 Kite Pharma 的 Yescarta 更便宜、更有效的替代品,后者是分别用于治疗急性淋巴细胞白血病和 B 细胞淋巴瘤的 CAR-T 疗法,价格不菲:Kymriah 的市场价格为每种治疗475,000美元, Yescarta 的价格为373,000美元。

「持续型智能代表了数据和分析团队工作的重大变化,」Gartner 研究副总裁丽 Sallam 人文,「分析和 BI团队在 2019 年帮助企业做出更明智的实时决策,这是一个巨大的挑战 - 也是一个巨大的机会。它可以被看作是运营商业智能的终极目标。」

一位PCP医生曾经告诉我,糖尿病患者是最难坚持他们治疗计划的人群之一,因为糖尿病不会立即或强烈地引起疼痛。在IT方面,与之类似的是对技术的投资。你将需要你的电脑,存储,安全,EMR等等,但是你应该做的最低投资是什么,如果有的话,在人工智能等先进技术上的投资也是很难回答的。

在工作流中集成AI

案例5:亚太区块链的发展

Gartner 建议数据和分析领导者与高级业务负责人讨论他们的关键业务优先级,并探索以下主要趋势如何实现这些优先级。

人工智能增强分析

直到最近,常见得BPM工具还很笨重,BPM项目也很昂贵。因此,BPM项目主要是在企业中实现的,并且通常是为了降低复杂后端流程的成本,例如订单的执行和供应链的管理。但是最近,人们对于将BPM用于客户体验和数字转型的兴趣使得BPM走出了幕后。巧合的是,改善客户体验也是AI的主要用例之一。这个交集促使BPM供应商竞相实现了其平台的AI支持。

CAR-T 是一个出现了很多年,但是近几年才被改良使用到临床上的新型细胞疗法。在急性白血病和非霍奇金淋巴瘤的治疗上有着显著的疗效,被认为是最有前景的肿瘤治疗方式之一。正如所有的技术一样,CAR-T技术也经历一个漫长的演化过程,正是在这一系列的演化过程中,CAR-T技术逐渐走向成熟。

数据管理对 CTO 来说是一个持续不断的挑战,但 Bluzelle 首席执行官 Pavel Bains 认为区块链技术可以提供解决方案。

在Accenture的白皮书《人工智能:医疗保健的新神经系统》当中,列出了医疗保健领域的10大人工智能应用,并根据年度效益估计了其近期的价值。排名前三的分别是机器人辅助手术、虚拟护理和行政工作流程协助。在考虑这些宽泛的类别是否应该是你关注的领域,或者增加对它们的投资时,看看其他人在做什么可能是有益的。

总之,一个平衡的、三管齐下的战略将使医疗组织能够在必要时将项目中断的风险降到最低,而不会限制其对当前工作流或现有应用程序的创新能力。在一个消费者的选择、利润率下降和对患者长期健康状况的风险假设带来持续压力的时代,用能力和实践来提升组织,使“人工智能能够封装工作流”,将是一个获得可持续竞争优势的重要机会。

人工智能

由于需要在复杂数据中提出复杂问题,图形分析将在未来几年内增长,这在使用 SQL 查询时并不总是切实可行或甚至可能。

你应该在人工智能上投资什么以及投资多少?根据最近的一些数据、研究和项目,这里有一个最低限度的成功策略。

威彻斯特中心健康网络(WMCHealth)的案例研究是将人工智能添加到现有工作流的一个很好的例子。WMCHealth既使用了EHR的风险模型,也使用了来自Health Catalyst的第三方供应商的预测模型,来实现对出院患者进行优先级排序,以减少再入院的工作量。他们将Health Catalyst的风险评分和EHR数据共同添加到一个仪表盘上,仪表盘上有出院清单,可以用来组织病例经理的工作,并帮助他们对需要参与的患者进行优先排序。综合人工智能的新风险评分有助于识别更多的真实阳性病例,并减少与EHR风险模型或LACE相比的误报率。

这一解决方案的一个关键是制冷,例如医院的制冷设备,使药物保持在低温,以防止它们变坏。通过使用远程传感器,医院还可以减少现场监测温度所需的雇员人数,同时从更可靠的记录中受益,以便进行合规和报告。

趋势 9:区块链(Blockchain)

例如,一家社区医院正在使用无监督机器学习和监督预测,通过识别数千份患者记录中结果最好的患者之间的共性,揭示肺炎的最佳护理途径。这项工作首先使用SQL代码从多个医院系统(AllScripts EHR、企业数据仓库、外科、财务和企业绩效)中提取数据,然后使用FHIR将结果交付到临床差异管理应用程序中。借助于可视化界面揭示的洞察力(例如推荐途径步骤的原因和时间),该项目可以通过修订EHR中的ED和住院治疗顺序来部署的最佳护理途径,该项目也由此获得了足够的支持。这项关于肺炎护理途径的初步工作帮助节省了85万美元的费用。目前,脓毒症、心力衰竭、全髋关节置换术和慢性阻塞性肺病等也已成为了研究的热点。

三管齐下以获得竞争优势

TGA 表示,尽管这些科学发展继续为澳大利亚医疗保健公司带来机遇,但它们也需要一个“现代、适应性强、支持创新”的监管框架。TGA 还表示,它将继续实施监管改革,包括《药品和医疗器械条例专家小组审查》所建议的改革,并提出愿意与国际情况相协调,重新考虑如何处理个性化3D 医疗设备。

处于数据和分析位置的领导人必须审视这些趋势对业务带来的潜在影响,并相应调整业务模式和运营,否则就有可能失去竞争优势。

一旦你有了数据管理,人工智能就有很多机会来作为支持创新的工具,为组织带来更多的投资回报。例如,自然语言处理和人工神经网络的结合可以很容易地在保险验证或预授权中发现遗漏,这样护理团队就可以在遇到某个程序之前就纠正它们。

将关注点转移到客户体验上,增强了BPM在医疗保健方面的相关性。从本质上讲,已编码的工作流是护理团队当前手工执行工作的数字版本。它使得医疗组织能够监控医疗工作的流程,对不利条件做出快速反应,并不断改进流程,渥太华医院的BPM项目就说明了这一点。

近年来,得益于科技的迅猛发展,亚太地区医疗保健行业呈现井喷式的增长。3D打印、人工智能和区块链等新兴技术正越来越多地渗透到医疗保健领域,不断为该行业创造投资、转型、创新等机遇。

Donald 表示,「任何企业的持续生存都将取决于灵活的,以数据为中心的架构,以响应不断变化的速度。」

图片 1

AI封装的工作流

区块链

比如说,数据科学和机器学习平台中的可解释型AI可自动生成模型的解释,用自然语言从准确性、属性、模型统计和特征等方面解释模型。

Montefiore卫生系统则采取了一种更基本的方法:开发一个数据湖和基于图形数据库的基础设施,这些基础设施可已支持各种病人的护理用例。它使他们能够实施先进的脓毒症检测工具,以及支持临床决策的工具。对数据管理的投资得到了很好的回报:他们的数据科学家现在能够花70%的时间进行人工智能分析上面,而以前则需要花75%的时间进行数据管理和数据争论。由此产生的基础设施,以病人为中心的分析学习机,成为了为AI分析项目带来规模经济的基础。

工作流的编码工作也导致产生了一系列新的“业务流程应用程序”,这些“业务流程应用程序”可以通过工作流上下文的表单或某些语音助手与医护人员进行交互。由于这些业务流程应用程序具有工作流程的感知能力,它们可以通过自动化工作流、任务和流程优化来简化工作人员与多个系统的交互,以及它们之间的交互。例如,一个人工智能驱动的、可编码的工作流可以在护理团队、外部测试中心和患者之间实现协调工作的神奇效果,通过一个简单的命令“将患者转到Eastlake进行测试”,通过这样的护理过程,病人可以来到办公室,进行检查,并在合理的时间范围内对下一步进行规划。更不用说在EHR中,你不需要点击就可以将数据输入到适当的屏幕中去。

2018年1月早些时候,日本基因治疗药物开发公司AnGes向日本制药和医疗器械管理局提交了用于治疗阻塞性动脉硬化症和血栓闭塞性脉管炎的HGF基因治疗药物,HGF基因治疗药,将能够产生肝细胞生长因子HGF的基因投放在缺血部位,使其在局部表达HGF蛋白,从而通过促进血管新生来改善缺血状态。作为基于国内大学研究成果的国产基因治疗药,在日本的开发处于领先行列并得到促进。

趋势 10:持久性内存服务器(Persistent Memory Servers)

所以,人工智能策略的最低要求是管理好数据以支持人工智能的探索。该战略的工作成果可以促进许多需要使用数据的项目,为更多的患者带来更好的服务,并实现良性循环。

OptumIQ最近的一项针对主要医疗机构进行的关于医疗人工智能的年度调查显示,未来5年每个组织的平均投资将达到3240万美元。在接受调查的500名医疗行业领袖当中,91%的人相信人工智能将带来投资回报--未来4年,医院高管将获得投资回报,38%的雇主和20%的医疗计划高管甚至认为可以在3年或更短时间内获得投资回报。其中75%的受访者正在积极实施或计划实施人工智能战略。

二、医疗服务注重价值提升

增强型数据管理利用机器学习功能和 AI 引擎来制作数据管理类别,包括数据质量、元数据管理、主数据管理、数据集成以及数据库管理系统自我配置和自我调整。

(来源:企业网D1net)

EHR供应商一直因其应用程序的UI/UX不达标而被指责干扰了患者与供应商之间的关系,而他们正努力通过在应用程序中添加人工智能来实现创新。在文档中使用语音助手和自然语言处理来总结文本笔记就是其中的两个例子。“我们希望能够帮助他们定制系统,选出最有趣的可用信息,以及他们最有可能想要执行的任务,然后将它们放在用户的指尖。这将使临床医生能够有更多的时间与患者在一起,”Epic公司的分析和机器学习部门经理Seth Hain说。人工智能是否能解决EMR的UI/UX问题,目前还没有定论--而以前被盲目承诺过的临床医生也可能不会急于相信人工智能能马上解决他们所有的电子病历问题。

医疗保健行业越来越多地使用底层数据和及机器学习以挖掘大量数据推进临床与研发的进展。面对来自内部和外部的持续、不断增长的数据涌入,医院将依赖认知分析来发现和梳理数据中最重要的节点和趋势,通过对数据进行系统化、结构化的分析向临床医生、患者提出可行的见解。

他还谈道,「数字化业务需要大量复杂且分布式的数据、迅速行动以及持续型智能,这意味着僵化且集中式的架构和工具分崩离析。」

数据管理:你的第一步也是必须做的事

虽然等待现有的应用程序添加人工智能并将AI应用程序或服务集成到工作流中,可以最大限度地减少对当前IT环境的干扰。但它们也大大降低了人工智能改善我们的做事方式和为我们做事的能力。

案例3:澳大利亚人工智能决策支持技术

到 2022 年,定制数据结构配置将主要用作静态基础架构,迫使组织进入新一波的成本控制浪潮,以完全重新设计更动态的数据网格方法。

有了这个,最初的重点就回到了实现数据驱动的计划,并提供洞察力上面--从人工智能、BI(商业智能,如OLAP和数据可视化工具)或人员,到第一线工作人员的指导决策和自动化工作,如果没有这些,对人工智能投资的影响将是有限的。Gartner在其十大战略技术趋势中称之为“增强分析”。“随着数据科学家更多的使用自动化算法来探索假设,增强分析技术代表了数据和分析能力的第三波大浪潮。数据科学和机器学习平台已经改变了企业产生洞察力的方式,”Gartner的副总裁兼研究员David Cearley表示。

图片 2

案例7:CAR-T 临床试验

趋势 4:可解释的 AI(Explainable AI)

在HHS最近发表的一份报告中,JASON(一个独立的科学家和学者组织,50多年来一直为联邦政府提供有关科学和技术问题的建议)的结论是“与之前不同,人工智能应用在健康方面的潜力可能会使这个时代变得不同...”该报告还得出结论:“人工智能正开始在健康和医疗保健领域正在发生的变革中发挥越来越大的作用,尤其是在临床环境当中。目前,存在的机会及其局限性还正在探索当之中,这意味着创新者和一些早期采用者都正在努力,而是否投资则取决于你想在采用曲线上扮演什么样的角色。”

上述的OptumIQ调查显示,人工智能投资的主要领域是自动化业务流程(行政操作或客户服务),占43%,而欺诈、浪费和滥用检测则占到36%。此外,最受期待的前两项好处是提高效率和更准确的诊断。三分之一的受访者还希望改善患者体验并降低人均护理成本。自动化业务流程,特别是改进的患者体验,为利用以流程为中心的方法提供了理由,因为该方法的重点便是客户/患者的体验。

据腾讯官方数据,“腾讯觅影”已与国内100多家三甲医院达成合作,通过共建人工智能联合医学实验室的形式,推进AI在医疗领域的研究与应用。截至2018年7月,“腾讯觅影”已累计辅助医生阅读医学影像超1亿张,服务90余万患者,提示风险病变13万例。

趋势 6:数据结构(Data Fabric)

使用人工智能来对已编码的工作流进行操作,从本质上来讲是将工作流包含在其预测模型当中,这不仅可以自动化工作流及其任务,还可以对工作流进行修改,从而不断改进流程。这种以流程为中心的方法的独特之处在于,随着时间的推移,随着人工智能开始考虑我们做事的方式,并试图为我们做事,工作流将会变得越来越更智能。

东南亚其他几个市场也在这一领域大举投资,该领域是目前工业4.0技术最广泛应用的部分。在整个亚太地区,预计与物联网有关的支出将从2015年的16.8亿美元增长到2020年的约75.3亿美元。

分析复杂的数据组合并使组织中的每个人都可以访问分析的需求将推动更广泛的采用,使分析工具将如同搜索界面或与虚拟助手的对话一样简单。

随着医疗机构争相采用人工智能,在人工智能战略中纳入以流程为中心的方法是十分必要的,这可能也是一个获得可持续竞争优势的重要机会。

中国

到 2022 年,图形处理和图形数据库管理系统的应用将以每年 100%的速度增长。

包含AI的应用程序

例如,日本政府实行了一系列改革,包括建立一个综合社区保健系统,将保健、长期医疗、住房以统一的方式提供生计支持服务,使日本的老年人能够在当地社区而不是医院得到持续的优质护理。事实上,许多部门的利益相关方,特别是在该区域拥有先进卫生系统的利益相关方正在倡导将卫生保健的模式“打破常规”,转变为注重人口整体健康的积极预防模式,而不是采取临时性和基于交易的治疗方法。

它提供决策自动化或决策支持。持续型智能利用多种技术,比如增强型分析、事件流处理、优化、业务规则管理和机器学习。

然而,医疗保健行业缺少同样能够推动其他行业采用以流程为中心的方法的一个关键因素:工作流通常涉及的具有广泛可用性的API。尽管最近的低代码BPM工具通过与Salesforce.com、Dropbox、谷歌等应用程序的拖放集成,极大地简化了工作流编码,但这种便利性在医疗保健领域却受到了限制。不过,多年来,像AllScripts和Athenahealth这样的EHR供应商以及其他的一些公司都公开了API来访问他们的数据。Redox和Sansoro Health等公司也推出了自己的专有API,利用HL7 v2和FHIR等标准来保护医疗保健组织和开发人员免受集成多个系统所带来的复杂性。

认知计算

最近两天里,2 月 18 日-19 日,在悉尼举行的 Gartner 数据与分析峰会上,增强型数据分析和可解释的人工智能成为焦点。

在医疗工作流程中应用人工智能的另一个例子是Beth Israel Deaconess医疗中心使用了Amazon SageMaker上的TensorFlow用以扫描术前文档包,以便识别同意书并将其插入到相应的电子医疗记录当中。如果缺少同意书,该工具就会向EHR发送通知,并触发后续的工作流程操作。

在2017年6月召开的美国临床肿瘤学会年会上,南京传奇凭借在CAR-T领域的突破性进展成为黑马,其针对多发性骨髓瘤自主研发的细胞疗法,可使该病的客观缓解率达到100%。市场各方也陆续感受到全球和国内市场、政策环境变化为CAR-T疗法释放的红利。

图形分析是一组分析技术,可帮助企业探索交易,流程和员工等实体之间的关系。

在新加坡,政府推出了几项对医疗制造业有直接影响的关键政策举措,包括3D 打印、手术机器人和物联网的工业应用程序。新加坡未来经济委员会认为,高端制造业对新加坡来说是个关键的增长点之一。

到 2022 年,超过一半的重要新业务系统将采用持续性智能,使用实时上下文数据来改善决策。

该报告主要内容为

区块链和分布式账本技术的核心价值主张是在不受信任的参与者网络中提供去中心化的信任。区块链对于数据分析的潜在影响很大,尤其是对利用参与者关系和交互的那些企业的影响。

截至2018年1月,中国共有153项 CAR-T 研究,仅比美国少33项。海南是中国的旅游度假岛,也是该地区医疗旅游的自由贸易区,创新细胞治疗公司开发的一种类似的治疗方式已经在市场上销售,每种治疗的价格为人民币490,000元。未来三年,中国 CAR-T 治疗的价格预计将继续下降到低于人民币100,000元。

它可以自动执行许多手动任务,为技术水平较低的用户提供使用数据的机会。它还有助于高技能的技术资源专注于更多的增值任务。

图片 3

增强型数据管理将元数据由仅用于审计、沿袭和报告变成支持动态系统。元数据正在从被动变为主动,并且正在成为所有 AI / ML 的主要驱动因素。

本文由威尼斯人科技发布,转载请注明来源

关键词: 微尼斯人娱乐