根据NTT Data最近的研究，医疗组织在将生成式人工智能的雄心与战略结合起来方面面临困难。尽管超过80%的医疗组织领导人表示他们有明确的生成式人工智能战略，但只有40%的人认为其生成式人工智能战略与业务战略高度一致。只有54%的受访者将其生成式人工智能能力归类为高性能。
生成式人工智能通过提高患者和提供者的体验质量以及更好的财务结果，正在改善医疗保健。然而，数据安全、隐私、伦理和法规遵从性方面的挑战阻碍了其改进和投资回报率。
这份报告基于来自33个国家的425名医疗组织决策者和影响者的回应。
医疗领域的生成式人工智能：主要发现
约94%的受访者表示，生成式人工智能加速了研发，使新治疗方案更快获得、诊断更准确、预测分析和任务自动化。此外，95%的人认为基于云的解决方案是生成式人工智能技术需求中最具成本效益的选择。
然而，75%的人承认缺乏有效使用生成式人工智能的必要技能，而93%的人正在解决生成式人工智能对员工角色和职责的影响。
NTT Data北美医疗负责人Sundar Srinivasan表示：“为了在医疗保健中实现生成式人工智能的全部潜力，组织必须将该技术与业务战略对齐，开发全面的员工培训，并实施多层次的治理策略，优先考虑人并保持人类的参与。”
医疗领域生成式人工智能的主要成果和挑战
目前生成式人工智能投资的主要成果之一是提高合规性和流程依从性。然而，91%的医疗主管担心隐私泄露和受保护健康信息的潜在滥用。
只有42%的人强烈同意他们现有的网络安全控制措施能有效保护当前的生成式人工智能应用。尽管如此，87%的受访者同意生成式人工智能现有的好处和长期潜力超过了安全和法律风险，59%的人计划在未来两年内进行重大生成式人工智能投资。
在医疗领域快速和负责任地实施生成式人工智能的其他挑战包括过时的技术基础设施和数据准备情况。约91%的人表示传统基础设施影响他们使用生成式人工智能的能力，而44%的人强烈同意他们在数据存储和处理能力上对生成式人工智能工作负载进行了充分投资。只有48%的人评估了其数据和平台对生成式人工智能的准备情况。
【全文结束】
