人工智能正在迅速重塑全球各个行业，它有助于识别模式和趋势，了解客户需求和偏好，并简化运营流程。而在医疗保健领域——患者福祉和生命安全至关重要——AI的进步显得尤为显著。目前有几项令人兴奋的新AI临床试验和研究项目，有望推进疾病的预防、诊断和治疗。
数据开放访问是关键
AI在医疗保健中的应用核心在于大量的数据。尽管围绕AI和生成式AI有很多炒作，但这项技术的有效性取决于可用的数据质量。访问数据源、数据集成（结构化和非结构化数据）及数据治理都是确保AI产生影响的关键因素。这使得我们可以扩展这些解决方案，真正对护理产生积极影响。
例如，许多医疗机构目前正在实施电子病历系统（EPR），作为大规模数字化计划的一部分。这种丰富的组织特定数据，结合在一个集成医疗系统中收集的数据，意味着我们将获得更广泛的数据，从组织需求转向患者需求。
问题是，我们是否知道如何处理这些数据？数据的质量如何？我们是否有足够的数据科学家来分析它们？
EPR系统与AI结合，可以通过自动化数据分析、预测潜在风险、个性化治疗方案和简化行政任务，显著提升医疗服务水平。
推动临床发展
虽然在医疗保健中有许多AI可以发挥作用的用例，但在投入有限的资金和资源进行另一项大型计划之前，我们需要概念验证和研究。
好消息是，DXC Technology正与几家医疗机构合作开展此类工作。例如，DXC与新加坡综合医院（SGH）和国家卫生机构Synapxe合作开发了一种AI系统，用于应对肺炎并对抗日益严重的抗生素耐药性问题。该AI模型通过处理患者的症状数据，帮助区分病毒性和细菌性感染，确保只有在必要时才开具抗生素。
技术能够筛选大量数据以检测感染模式，这对于决定是否需要抗生素至关重要。这个名为“传染病增强智能”的AI系统，基于来自约8,000名SGH患者的数据进行训练，包括临床症状、感染反应、X光片和生命体征。
进一步的研究将评估该AI系统在临床环境中对抗生素使用的影响，未来计划还将涵盖其他常见感染。
参与研究的团队认为，该AI系统可以为每位病例节省医生多达20分钟的时间，并有助于减缓药物耐药性感染的上升。
乳腺癌检测中的AI应用
另一个例子是，我的同事们与加州一家大型医疗集团合作，开展了一项关于早期发现和改进乳腺癌跟踪的概念验证研究。
这项概念验证研究所需资金有限，资源利用率低，因此研究速度更快、成本更低。然而，其重要性在于使用从EPR系统中提取的历史数据，以协助早期发现和诊断乳腺癌。
通过使用历史数据，该概念验证旨在确定AI能否辅助早期发现和诊断乳腺癌，从而显著改善患者预后，成功识别乳腺癌影像学结果中的假阳性和假阴性。
结果表明，由于现有模型得到了现有数据的增强，能够准确预测乳腺癌的结果。该模型对阴性结果的准确率超过96%，对阳性结果的准确率超过70%。
前进中的机遇
尽管AI诞生已有近七十年，但它与医疗保健的合作才刚刚开始——而协作和负责任的实施将塑造这一合作的成果。
记住，全面的患者数据是AI的生命线。这就是为什么医疗机构必须确保他们能够访问患者数据，否则他们可能会错过AI为临床医生、护理人员和患者带来的好处。
(全文结束)
