没有一种人工智能技术能够解决所有问题，因此系统应优先考虑那些能够带来最大价值和投资回报的技术。By Andy DÃ(C) on October 09, 2024
AI（人工智能）是一个涵盖了多种技术的简短缩写。随着医疗保健组织评估和采用人工智能，关于其具体包含哪些技术存在很多混淆。围绕大型语言模型（如ChatGPT）和生成式AI的关注已经掩盖了其他类型的AI，其中一些技术医疗保健组织可能已经使用多年，甚至没有意识到它们是在使用人工智能。
鉴于医疗保健领域的人工智能支出激增，医疗保健系统了解不同的AI技术、它们的用途以及哪些技术提供最佳价值和投资回报变得尤为重要。系统已经在AI软件上花费了巨额资金。据Gartner预测，医疗保健和生命科学领域的人工智能支出将从2024年的116亿美元增长到2027年的190亿美元，五年复合年增长率为16.6%。这是一笔巨大的资金，如果没有明确知道回报，不值得如此大手笔投入。
AI最好被理解为一系列互补技术和能力的组合，其中一些技术可以自动化手动和重复性的行政任务，而另一些则可以提供深入分析、预测和优化结果的行动方案。以下是可归类为AI的各种技术指南：
- 机器学习：这是AI组合中最成熟的技术，也是大多数系统最熟悉的技术。它使用数据和算法使AI能够模仿人类的学习方式，逐步提高其准确性。通常，机器学习算法用于基于数据模式进行预测或分类。这常用于根据风险对患者进行分层、识别护理缺口、提供个性化医疗以改善患者结果，特别是高风险患者的护理。它还用于自动扫描医学图像，帮助放射科医生提前识别有中风或心脏病发作风险的患者，以便及时干预。
- 深度学习：这是机器学习的一个子集，接近人类推理的能力。它使用多层神经网络（称为深度神经网络）来模拟人类决策。与需要结构化和标记输入数据才能有效的机器学习模型不同，深度学习模型可以从原始、未结构化的数据中做出准确输出。在医疗保健中，最常见的用途之一是图像分析。
- 自然语言处理（NLP）和自然语言生成（NLG）：这利用机器学习使计算机能够理解和用人类语言交流。它使计算机和数字设备能够通过结合计算语言学、统计建模、机器学习和深度学习来识别、理解和生成文本和语音。在医疗保健中，它用于计算机辅助编码，将医疗记录翻译成普通英语，分析健康记录，并在床边/护理点（POC）为医生和护士提供患者图表摘要，以提高生产力。
- 生成式AI/大型语言模型（LLMs）：类似于NLP，这种AI可以根据用户查询创建原始内容，包括文本、图像、视频、音频和软件代码。它可以执行诸如安排预约的在线聊天机器人、分析来自不同来源的患者情绪等任务。在HIMSS 24上展示的一个最具吸引力的生成式AI/LLMs用例是通过运行应用程序的手机无缝捕获护士和临床笔记，将其转换为文本，编辑掉无关内容，并在最终编辑后自动进入Epica的电子健康记录（EHRs）。
还有一些技术通常不被认为是AI，但实际上属于AI范畴。这包括医疗机器人及其子领域：
- 机器人流程自动化（RPA）：也称为软件机器人，它使用智能自动化技术执行重复性任务，如提取数据、填写表格和移动文件，从而解放人类从事其他工作。它还可以用于改进呼叫中心运营，实现客户和患者在多个渠道上的自助服务。
- 机器视觉：这赋予医疗设备“看到”其执行任务的能力，并根据这些输入实时做出决策。它可以帮助识别损伤、解释医学图像、管理药物和做出诊断。这一领域的进步为虚拟现实（VR）和增强现实（AR）铺平了道路，这两种技术在机器人辅助手术中具有巨大潜力。这一领域还包括我们通常认为的医疗机器人——半自主机器，可以递送药物、协助手术和康复、监测患者，甚至作为那些受益于陪伴的人的伴侣。
- 机器人辅助手术：今天用于手术的医疗机器人配备了3D摄像头，可以记录操作过程。视频流到某个地方的计算机屏幕上，帮助外科医生使用手术机器人手臂（如达芬奇手术系统）进行操作，该系统能够实现微创手术，加快患者恢复速度，缩短住院时间，同时确保优越的患者结果。
面对如此迫切的需求和如此有前景的技术，医疗保健组织应该如何决定投资哪种AI？
没有单一的答案。这是一个因每个组织的资源、需求和优先事项而异的个体决策。没有一种AI技术能够解决所有问题，因此系统应优先考虑那些能够带来最大价值和投资回报的技术。组织需要考虑的因素很多，包括技术成本、采用的难易程度、使用该技术的提供者和支付者的潜在抵触情绪、对现有工作流程的干扰、与现有系统的兼容性、潜在节省等。组织还需要权衡是构建还是购买AI技术。构建提供了更大的操作透明度，但可能需要系统缺乏的资源和专业知识。
精心构建最有用和影响力的AI技术组合是组织确保从这一创新中获得最大利益的最佳途径。
当然，任何AI或分析数据计划成功的关键在于所使用的患者/成员/消费者身份数据的质量，这始于身份数据管理（IDM）。错误和缺失的数据或重复数据会干扰AI性能，使得组织难以实现预期的投资回报并从AI举措中创造价值。组织需要高质量的IDM流程和资源，以使其AI投资产生有意义的影响。不确定自己IDM能力的组织应与专家合作，评估、基准测试并增强其运营，以最大化AI技术的回报。
(全文结束)
