HIMSS（Healthcare IT News的母公司）的首席科学研究官Anne Snowdon表示，在过去的五到十年，尤其是过去的五年，分析学作为一门学科发生了巨大的变化。随着人工智能的爆发，大型语言模型确实改变了这些高级分析工具为医疗保健提供价值的方式和领域。
因此，更新和升级于2016年首次推出的HIMSS分析成熟度评估模型（AMAM）是一个好时机，该模型作为一个基准框架，帮助医院和卫生系统完善其分析项目和数据治理工作。八年前，八级的AMAM帮助医疗机构跟踪其从0级和1级（碎片化的点解决方案和早期的数据聚合工作）到6级和7级（临床风险干预和预测分析；个性化医疗和规定性分析）对分析技术的使用情况。
像UNC Health Care和Children's Hospital Colorado这样的卫生系统通过该原始模型展示了努力达到并实现7级的价值，在流程效率和患者结果方面都取得了巨大的收益。
现在，随着人工智能和自动化准备改变医疗保健服务的每个角落，评估模型已经从根本上重新构想，并已向全球的卫生系统提供。
本月早些时候在2024年HIMSS亚太健康会议及展览上正式推出的新AMAM不仅是对分析采用的衡量，更是衡量分析、人工智能和数据驱动决策对企业范围内的运营和护理质量的实际影响的一种手段。Snowdon说，对患者结果的强调至关重要。
她说：“这不是‘你有AI吗？’，而是‘作为一个组织或系统，鉴于你的高级成熟度或分析成熟度，你现在能够实现什么？你为谁实现了什么？这与之前的模型有根本的转变。”
新的AMAM旨在衡量分析计划在整个卫生系统中的影响：它们如何影响质量和安全、患者和人群健康、运营和财务绩效等等。它现在关注其他领域，如治理、隐私和安全、分析生命周期，以及培养负责任的分析文化，同时包括实时规定性和预测性分析、自然语言处理和其他高级AI应用的规定。
Snowdon说，AMAM的现代化“不仅是跟上分析技术的快速发展及其潜在价值，还包括潜在风险。当你推进使用或考虑使用像人工智能这样的东西时，你是否有数据、数据质量，以使该AI工具或技术准确？它是否公平？”
她补充说：“模型可以在来自人口中一个大部门的大量数据上进行训练，但对于人口中的另一个部门可能实际上相当有害。例如，在加拿大，我们有很多关于亚洲患者的数据。我们关于原住民社区的数据要少得多。当模型从未在代表他们的数据上进行训练时，AI模型如何为那个原住民社区工作？”
而且，由不良数据引起的偏差和不准确的风险并不是唯一的。Snowdon说，鉴于这些技术的性质，与我们过去看到的相比，人工智能支持的分析的挑战“现在非常不同”。
“从基础设施数据的角度，到患者护理和结果的角度，再到准确性、公平性和数据完整性的角度，风险是多层的，因为AI工具被用于形成决策。这是非常多层的，并且这个模型随着时间的推移推进并支持组织理解随着其分析成熟度的发展而出现的所有风险的变化和水平。”
新AMAM的前几个阶段——与包括基础设施采用模型和旗舰电子病历采用模型在内的其他HIMSS模型一起在近年来进行了改进——专注于帮助参与的卫生系统建立基本的数据治理和质量措施，同时积累数据存储库，建立仪表板和数据可视化方面的专业知识，以支持与组织目标战略一致的决策。
在阶梯的顶部，即6级和7级，医疗机构将使用预测分析来为护理决策提供信息，并将AI和机器学习集成到其分析过程中，提供实时的临床决策支持。他们还将建立监测人群健康结果和建立健康公平计划的系统。
HIMSS指出，AMAM被设计为一个灵活的框架，而不是一个僵化的检查表，旨在跨护理环境使用，帮助卫生系统完善和改进其数据策略和决策制定。
Snowdon说：“这真的是一个推进非常复杂的分析的战略路线图，在这个模型的6级和7级，重点是人工智能。”
她补充说：“我们已经与我们的合作伙伴和非常熟悉AMAM模型的组织广泛测试了这个新的AMAM模型。我们从使用当前AMAM模型的客户那里得到的压倒性反馈是，‘这就是我需要的。它给了我向我的首席执行官和高管展示我们今天在哪里，以及我们需要到达哪里的路线图。’
