AI正在改变医疗保健格局，有望提高成本效率、简化工作流程并改善患者治疗效果。然而，成功采用和维护AI的道路远非坦途。
在最近接受《健康科技分析》(Healthtech Analytics)采访时，埃森哲全球健康技术负责人安迪·特鲁斯科特(Andy Truscott)讨论了医疗保健领域AI采用的复杂性。特鲁斯科特的专业知识包括IT组织战略和架构规划，他详细阐述了患者和医疗服务提供者如何看待AI，以及医疗系统在实施和扩展AI工具时面临的挑战。
在特鲁斯科特看来，医疗保健中成功的AI实施需要基于治理和价值的深思熟虑、审慎的方法，而不是屈服于尽快采用的竞赛。
本次访谈经过编辑以提高清晰度和简洁性。
健康科技分析：似乎很容易被供应商关于AI对医疗保健多么伟大的言论所吸引，而且在很多方面确实如此。但这与当今临床医生和患者对医疗保健中AI的感受相符吗？在您看来，AI实施是否真的带来了更好的患者护理、增加了信任等等？
安迪·特鲁斯科特：这很有趣。对患者来说，AI是什么？是我可以触摸到的具体事物吗？是我能感觉到的东西吗？是我直接体验到的东西吗？我对AI的体验可能是某种代理体验——可能是我在浏览医疗系统时与之互动的数字人类，它对我进行分诊——这更直接一些。患者对这种体验的接受程度如何？嗯，我们发现，如果患者能获得更好的护理渠道和更好的护理体验，他们通常相当接受。
但在提供者方面，即实际的医疗保健专业人员，无论是医生、护士还是辅助专业人员，他们的接受程度如何？嗯，目前的接受程度差异很大。
现在，让我们明确一点，医疗保健内部存在劳动力不足的问题。我们没有足够的医疗保健专业人员。因此，使用代理AI和其他AI能力来增强人们如何在更少的时间内做更多的事情是个好主意，但我仍然要负责，不是吗？我们焦点小组讨论得出的一个问题是，没有判例法。对于由代理驱动的良好或不良结果，谁实际负责，没有先例可循。
如果没有任何相关法规或治理，不仅在美国，而且在全球范围内，临床专业人员的接受程度，我认为，总是会有点问题，因为谁对代理承担问责和责任？所以，我认为患者和提供者有着非常不同的观点。这是我目前看到的不同接受维度。但显然，如果我是供应商，我可以用这项技术解决世界上所有的弊病，而这可能真实也可能不真实。
健康科技分析：AI采用无疑正在医疗保健领域迅速增加。您在医疗系统扩展AI工具时看到了哪些关键挑战？
障碍不在于AI的可用性，而在于组织吸收它的准备程度。真正的执行差距在于工作流程整合，而非模型性能。当AI位于工作流程旁边而非内部时，它就会失败。你可以拥有地球上最好的捕鼠器，但除非你有奶酪，否则这真的无关紧要。
数据碎片化仍然是对AI价值的制约。即使使用高级模型，碎片化的数据和不一致的标准采用也会限制影响。
治理滞后于部署速度也是一个问题。组织购买AI的速度快于他们定义验证、监控、升级和退役流程的速度，尤其是对于随时间演变的代理系统。我想到的是，我们现在可以通过使用AI来支持系统构建来构建系统。我们可以更快地按规格构建这些解决方案，而客户业务准备好实际衡量其好坏的速度则慢得多。
我见过很多解决方案四处寻找问题。我认为在规模之前必须有价值。当我观察领先组织时，他们在高摩擦工作流程中明确证明价值。他们建立清晰的KPI、节省的时间、减少的错误和回收的资金，然后，只有在完成这些后，他们才进行扩展。这与全面推广恰恰相反。这是一种有选择的、基于证据的扩展。
健康科技分析：考虑到这些挑战，医疗系统可以采用哪些可行策略来确保企业范围内的AI准备就绪并跟踪价值？
如果我坐在CIO的位置上，我应该从试点转向平台。当我观察各组织时，有无数人员和部门将AI作为点解决方案实施。你必须将它们整合到更少的企业级AI平台中，这些平台具有共享治理、集成和综合指标，这样你才能一致地衡量成功。
定义AI的所有权和问责制。为每个生产AI能力分配业务和临床所有者，而不仅仅是IT赞助商。
投资AI实际可用的互操作性——FHIR API、数据规范化——这些都是你应该做了一段时间的事情，但在21世纪治愈法案(21st Century Cures Act)法规出台之前，这真的不是一个强有力的推动力，它们只能走这么远。但现在有了AI，你需要有那种直接决定AI投资回报率的工作流程集成。
而且，说"好吧，我们会让AI处理数据"非常容易。但这真的非常昂贵。当你在六个月结束时收到你使用的计算费用账单时，你就会发现这一点——让AI去解析所有叙述性病例历史并为每位患者找出真相是非常昂贵的。因此，毫不松懈地衡量价值。你必须从"我们已经部署了AI"转变为"节省的时间、避免的成本、改善的质量"。
而这需要一个完整的运营模式，而人们目前不一定为此做好了准备。
健康科技分析：考虑到市场上AI工具的激增，所有这些工具都承诺强劲的投资回报率，您是否还有其他智慧之言，告诉医疗保健组织如何穿透噪音，以真正创造价值的深思熟虑方式采用AI？
这是关于与结果、风险和信任挂钩的有纪律、有目的的采用。AI是一种能力，而非强制要求。问题不再是"我们可以在哪里使用AI？"而应该是，"AI在哪里能显著改善我们已经关注的工作流程？"
如果该用例不能减少摩擦、成本、风险或临床负担，无论模型多么先进，都不应该部署。
治理也至关重要。作为行业，我们经常将治理视为一系列约束。我们将它视为一系列刹车。我不这样看。我认为治理在这里是一个加速器。我们治理AI不是为了减慢它，而是为了能够安全地扩展它。
你必须认同这一点，因为没有验证、监控和问责，临床医生不会信任它，首席信息安全官(CISO)不会批准它，董事会也不会支持它。治理是将AI从科学项目转变为企业资产的关键。
因此，讨论不应该是关于在各处采用AI。而是关于在能够明显改善结果并且可以自信地进行治理的地方有目的地部署它。赢家不是那些最快采用AI的人，而是那些明智采用AI的人。
吉尔·休斯自2021年以来一直报道健康科技新闻。
【全文结束】
