ViVE 2024：您的医疗机构准备好采用人工智能了吗？

Artisight 总裁 Stephanie Lahr 博士； Jessica Beegle，健康技术专家、前 Lifepoint 首席信息官； HCA Healthcare 首席信息官 Marty Paslick； 和 CHOC 儿童医院首席情报和创新官 Anthony Chang 博士在洛杉矶 ViVE 2024 上讨论医疗保健组织的人工智能准备情况。

张建议通过向最高管理层或医院领导层展示人工智能可以解决组织中两个最棘手且可解决的问题来获得他们的支持。 领导层需要提供支持，为团队提供成功的机会。 他说，他们还需要降低期望并拥有更长远的愿景。

Beegle 指出，如果组织的数据没有组织且无法访问，那么就不值得拥有该数据。 她强调了进行评估以了解卫生系统的核心基础设施并做好准备的重要性，以便组织能够在新语言模型出现时做好准备和敏捷。

“现在打下坚实的基础确实能让你在该领域取得成功，”她说。

在购买或构建人工智能解决方案时，Chang 建议两者都做。

他说：“当你拥有一个内部团队（无论规模多么小）和现成的解决方案时，就会产生特殊的协同作用。”他解释说，这些现成的解决方案通常没有积极的维护计划，而且内部- 需要内部团队来确保解决方案得到正确维护。

Chang 表示，当出现以下情况时，卫生系统无法承受没有其他资源的后果： 考虑采用人工智能 因为许多组织内部没有数据科学家。 他说，第一步是让最高管理层在考虑未来投资时决定如何前进。

找出在哪里投资资源是关键。 张建议，创建一两个与数据或人工智能相关的职位可能会产生很大的影响。 随后，一旦人工智能工具得到有效实施以支持管理任务，领导层就可以选择不更换决定调动或退休的人员。

“有一些方法可以在不造成恐慌的情况下削减成本，”他说。

发现： 专家解释了如何在医疗保健领域选择正确的人工智能解决方案。

优质人工智能依赖于优质医疗数据

随着组织转向采用人工智能，他们需要确保数据干净且高质量。 在题为“垃圾输入，垃圾输出”的会议上，医疗保健领导者讨论了混乱和不完整的数据可能对人工智能计划产生的影响。

Richard Clarke，高级副总裁兼首席分析官 高马克健康，解释说，提高数据质量的最佳方法是开始将其用于对组织有利的事情，因为这样人们就会更加关心它。 限制因素之一 采用生成式人工智能 是支持这些用例的数据。

“如果你能够在数据中充分体现你想要解决的问题，那么这些工具就会令人惊叹，”克拉克说。 然而，他补充说，很明显，如果没有 完整且高质量的数据，这些工具并不那么有效。

从联邦政府的角度来看，伊丽莎白·迈尔斯（Elisabeth Myers），政策副主任 国家卫生信息技术协调员办公室解释说，对于医疗保健组织来说，了解如何从人工智能之旅一开始就获取有用的数据非常重要。

“我们谈论了很多关于人工智能的话题，随之而来的一件事就是了解人工智能应该擅长什么，以及如何设置它来做到这一点。 没有什么魔杖可以让这些数据变得更好。 我们需要考虑人工智能运行和实现您正在寻找的用例所需的数据，”迈尔斯说。 “你不希望人工智能根据不准确和不完整的数据做出推断， 尤其是当我们开始谈论健康公平时 和差异。”

迈尔斯说，归根结底，这不仅仅是 数据质量，但也收集了细粒度数据 这使卫生系统能够更深入地了解其患者群体。