HIMSSCAST：数据治理的基本原理 – UNC Health的教训，第3部分

在为期三周的Himscast系列的第三集中，我们再次与UNC Health的系统总监Greg Kuhnen交谈。这次，他的同事Ram Rimal是UNC的数据科学工程经理Ram Rimal的加入。

Kuhnen和Rimal讨论了有效有效地部署人工智能的技巧和最佳实践 – 生成AI，大型语言模型（LLMS），预测模型等。他们讨论了UNC健康如何确保负责采用AI工具以及HIMSS如何 分析成熟度评估模型 在这一旅程中帮助了卫生系统。

谈话要点：

• UNC使用AI的方法和地点，在哪里找到最成功的地方

• 较早胜利的领域和用例

• 自动化的操作和行政用途，与临床应用

• 它如何工作以确保负责采用AI工具

• 其AI项目如何推出并扩大规模

• 一路上学到的早期教训，挑战和成功

• AI用例UNC尚未追求，但正在关注道路

• HIMSS Analytics成熟度评估模型如何侧重于第6阶段的实时数据和预测AI，在此旅程中很有帮助

有关这一集的更多信息：

HIMSSCAST：数据治理的基本原理 – UNC Health的教训，第1部分
HIMSSCAST：数据治理的基本原理 – UNC Health的教训，第2部分
UNC Health Care分享了如何达到高峰分析成熟度
UNC Health具有高级EMR，分析功能的第7阶段
UNC Health的CIO与Epic和Microsoft进行了生成的AI工作
UNC健康首席分析官说，现在需要负责的AI治理
为可持续人工智能治理创造一条途径
在HIMS24 APAC，分析的采用模型成熟度变得更整容
新HIMSS Analytics成熟度评估模型支持智能AI部署