医疗保健机构在尝试部署人工智能（AI）应用程序时，通常会意识到他们的数据存在问题。
“问题并不总是出在AI输出的不准确性上，”沃尔特斯·克鲁威尔健康咨询公司（Wolters Kluwer Health）的解决方案工程师布赖恩·拉贝尔热（Brian Laberge）说，“有时最初的迹象是微妙的：报告不一致、异常情况无法解释或工作流程中的摩擦。”
通常，这些看似微小的故障其实是更严重问题的征兆。“只有当团队开始跨系统整合数据或为AI做准备时，他们才会遇到我称之为‘地板下危机’的情况，”拉贝尔热说道。“你以为只是换块地毯，结果却发现地板在多个地方已经腐烂了。”
随着越来越多的医疗保健机构开始利用AI的力量，拉贝尔热已经习惯了这种“地板下危机”，即机构很快意识到过去用于编目和存储数据的方式并不适合AI时代。这意味着这些机构必须找到方法来准备和修复其数据基础设施，以充分利用AI提供的效率和洞察力。
HCLTech信息技术服务提供商生命科学与医疗保健行业首席增长官兼全球负责人施里坎特·谢蒂（Shrikanth Shetty）表示，首先要克服的一个障碍是数据“孤岛”。许多存储医疗数据的系统最初被设计为独立运行，使得跨系统获取数据变得困难。然而，AI算法只有在能够访问完整且准确的信息时才能生成可靠的见解。换句话说，AI需要的是自由流动的数据，而不是被困在孤岛中的信息。
简化一切
然而，谢蒂指出，问题不仅仅是壁垒。不同的数据集往往有各自的协议和术语。即使“孤岛”之间可以通信，它们也无法使用同一种语言。“举个简单的例子：患者记录，”他解释道，“如果在多个系统中查看它，由于缺乏统一的命名规范和标准化系统，你可能无法在这些系统之间协调记录。”
谢蒂认为，这个问题源于信息技术（IT）的发展方式。15到20年前，数据存储的目标并不是为AI提供动力。“在那个时候，目标是数字化，”他说。如今，目标已经截然不同。医疗高管不再将信息技术视为简化记录保存的工具，而是将其视为几乎可以简化一切的手段。
尽管医疗行业因其高度监管性质而在技术进步方面享有“迟来者”的声誉，但谢蒂表示，医疗领导者正迅速拥抱AI，因为他们看到了明确的财务收益。“这里的投资回报率（ROI）非常清晰，”他说，“这不是实验。”然而，正如拉贝尔热的“地板下危机”所表明的那样，对AI的热情接纳与实际准备之间的差距仍然很大。健康和技术咨询公司Nordic的一项近期调查结果颇具启发性。今年早些时候，该公司对127名医疗行业高管进行调查后发现，25%的受访者对其所在医疗机构管理数据的治理结构表示“非常”有信心，45%表示“有些”信心。然而，当被问及他们的数据治理是否“完善”时，只有四分之一的受访者给予了肯定回答。Nordic负责转型与创新服务的高级副总裁凯文·埃尔达尔（Kevin Erdal）表示，调查结果揭示了认知与现实之间的脱节。
“虽然许多高管认为他们正在采取正确的步骤来采用AI，但要实现长期成功还需要许多要素，”他在5月的一份新闻稿中说道。
拉贝尔热指出，数据准备不足的后果可能是严重的。他回忆起健康计划在实验室数据不完整或编码不当时可能面临的难题。“例如，在一个试点过程中，我们发现超过30%的数据中，所提供的代码与预期的实验室测试描述不符，”他说。“这种差异可能导致在确保健康指标和类似HEDIS（健康有效性数据和信息集）等措施的准确性方面出现重大问题。”
快速的投资回报
弥合准备度差距并非易事，但也并非不可逾越。拉贝尔热表示，重要的第一步是对组织的所有现有数据源进行编目或审计，以清楚了解当前数据的状态。
“了解这些数据源的准确性和完整性至关重要，”他说。
最终目标是获得所谓的“黄金记录”——一份准确且可以在实体所有IT系统中通用的统一记录。实现这一目标的第一步是就数据存储的标准格式和标准化术语达成一致。谢蒂建议客户不要一次性转换所有数据，而是找出那些他们认为已经有“干净”数据的领域，并找到可以用作实验的AI用例。他表示，这种方法比一开始就进行大规模转型要容易得多。“分阶段进行，看看哪些早期成果容易摘取，哪里可以带来一些早期收益，以及哪里可以取得明确的投资回报率，”他说。
根据谢蒂的说法，有几个领域可以较快地获得投资回报。首先是利用AI优化内部IT流程，也称为“商业转型中的AI”。另一个简单的机会是简化内部流程，例如收入周期管理或为员工提供服务。第三个低垂果实是通过让患者或会员更容易预约或咨询护士等方式改善患者体验。
拉贝尔热表示，公司还可以通过嵌入术语服务器（一种即使使用同义词或替代术语也能帮助捕捉信息的软件）采取主动措施。他说，该服务器可以确保传入数据经过临床验证、正确映射和分类。“这有助于在接收额外数据时启动数据质量改进，”他说。
一些谨慎的态度
医疗保健机构通常对IT创新持谨慎态度的主要原因之一是，医疗技术实施中的错误可能会产生生死攸关的后果。这就是为什么谢蒂表示，大多数医疗保健机构对直接影响患者护理的AI用例仍持谨慎态度。“如果出了问题，那将是巨大的声誉损失，”他说。
谢蒂补充道，患者护理用例也因数据安全和隐私影响而显得敏感。“请记住，医疗记录在暗网上的价值远高于简单的信用卡号码，”他指出。
尽管如此，谢蒂表示，AI正在逐步进入诊所，主要是通过提供指导人类从业者的见解。例如，他说，AI可用于识别再入院风险较高的患者。“你并没有用AI进行实际的临床工作，但你正在利用现有的数据来为医生提供建议，”他说。
谢蒂指出，AI时代的另一个优势是不需要投入巨额资金购买硬件即可起步。大部分所需内容都可以作为服务购买，像HCLTech这样的公司还提供加速AI集成的加速器产品。“它们可以作为服务购买，你可以根据自己的需求进行扩展，”他说。
最终，谢蒂表示，即使一家医疗保健机构尚未准备好全面拥抱AI，清理和对齐数据系统仍然是必要的。“每个人都意识到，内部数据是任何组织拥有的最关键的东西，”他说。
他表示，任何用于修复组织数据基础的投资都将带来长期收益。“这些都是必须完成的事情，”谢蒂说，“这些都是基础性的，而且终将结出硕果——如果不是现在，将来也会如此。”
(全文结束)
