麻省理工学院的开放学习副教务长Dimitris Bertsimas表示，《医疗保健中的分析优势》一书“能够以前所未有的方式影响医疗保健行业。这本书概述了我在过去十年中在医疗保健领域的工作及其应用。”Bertsimas与他的两位前博士生合著了这本书。
如果数据能够帮助预测患者的预后、简化医院运营或优化医疗人力资源，将会怎样？一本刚刚出版的新书《医疗保健中的分析优势》展示了这一切已经发生，并且说明了如何扩大其规模。
该书由麻省理工学院的开放学习副教务长Dimitris Bertsimas以及他的两位前学生——牛津大学赛德商学院运营管理副教授Agni Orfanoudaki（2021年博士毕业）和卡内基梅隆大学公共政策和运筹学助理教授Holly Wiberg（2022年博士毕业）共同撰写。这本书提供了关于医疗保健分析领域的实用介绍。
本书的第一部分建立了技术基础，涵盖了机器学习和优化，而第二部分则通过描述性、预测性和规范性分析，展示了涵盖各种临床专业和问题类型的综合案例研究。
作为更广泛系列的一部分，《医疗保健中的分析优势》展示了如何利用数据和模型在医疗保健部门做出更好的决策，而其前身《分析优势》则深入探讨了使用数据构建模型、改善决策并为机构和个人增加价值的科学。
Bertsimas还是麻省理工斯隆管理学院的商业分析副院长和波音全球运营领导者管理学教授，他是MITx上的课程15.071（《分析优势》）的创新者，该课程吸引了数十万在线学习者，并成为该系列书籍的灵感来源。
Bertsimas暂停了他在麻省理工学院开放学习的研究工作，讨论了分析领域如何改变医院提供护理和管理运营的方式，并分享了一些令人惊讶的分析方法已经在医院中使用的例子。
分析领域如何改变医院提供护理和管理运营的方式？
作为一名学者，我一直致力于教育、撰写出版物，并将我们的研究成果应用于实践。因此，我创立了Holistic Hospital Optimization (H2O)，旨在通过机器学习优化医院运营以改善患者护理。我们在麻省理工学院开发了一系列工具，并在全球各地的医院实施了这些工具。
例如，我们管理患者的住院时间及其恶化指数（一种预测患者临床恶化风险的计算机化工具）；我们优化护士调度和医院如何合理分配人力资源；我们还优化手术排程。这是数据分析和AI方法现在被广泛应用的一个开端。我希望这项工作和这本书能够加速这些工具的使用效果。
此外，我和Agni及Holly在哈特福德医院系统讲授了两次九讲课程，在那里我意识到这些通常不在医学院教授的分析方法可以展示给医疗从业者，包括医生、护士和管理人员。
要产生影响，你需要有适当的方法，实施并应用它们，但你也需要教育人们如何使用它们。这与我在开放学习中的角色密切相关，我们的目标是向全球学习者提供教育。事实上，开放学习将于今年秋季推出Universal AI，这是一个动态的在线学习体验，提供全面的人工智能知识，为迅速变化的就业市场准备全球学习者。
有哪些令人惊讶的分析方法在医疗保健中的应用？
通过分析，我们将哈特福德医院的患者住院时间从5.67天减少到5天。我们有一个算法可以预测患者出院的概率，因此医生会优先处理概率最高的患者，准备他们出院。这意味着医院可以治疗更多的患者，同时患者在医院的时间也减少了。
此外，在COVID-19疫情期间，当医院看到护士流动率增加时，我们开发了一个考虑公平性的分析系统，减少了加班成本，给予护士优先班次，从而大幅降低了整体流动率。这只是两个例子，还有许多其他例子表明，分析视角在医疗保健和医学方面产生了实质性的影响。
展望未来，你认为人工智能将如何塑造医疗保健的未来？
以非常显著的方式——我们使用机器学习进行更好的预测，但生成式AI可以解释这些预测。我已经看到了这方面的趋势。正是AI的发展使这一切成为可能，这非常令人兴奋。这对世界也很重要，因为它有能力改善护理并挽救生命。
例如，在哈特福德医院系统的项目中，我们发现一名患者的病情正在恶化，并通过分析预测该患者的情况会进一步恶化。在我们的预测之后，医生对患者进行了更仔细的检查，发现患者处于早期败血症状态，这是一种身体对感染反应不当的危及生命的状况。如果我们没有早些检测到败血症，患者可能会死亡。这实际上挽救了一条生命。
如果要用一两个词来描述《医疗保健中的分析优势》，你会选择什么词，为什么？
这本书是医疗保健的一次阶段性转变，因为它能够以前所未有的方式影响医疗保健行业。这本书真正概述了我在过去十年中在医疗保健领域的工作及其应用。
(全文结束)
