數十年來(lái)，醫療保健費用的增長(cháng)速度已經(jīng)快于通脹率，這已不是什么秘密 。一些專(zhuān)家估計，到2025年，醫療保健將占 美國GDP的20%以上。同時(shí)，隨著(zhù)美國醫師短缺的持續增加，醫生正在比以往任何時(shí)候都更加努力地治療患者 。許多醫療專(zhuān)業(yè)人員的日程安排非常緊湊，以至于減少了許多最初追求醫學(xué)的人為因素。
在醫療保健領(lǐng)域，人工智能(AI)似乎令人生畏。在放射科醫生朋友的生日聚會(huì )上，她溫柔地表達了自己的感覺(jué)，即在未來(lái)十年內人工智能將威脅到她的工作。但是，對于大多數醫學(xué)專(zhuān)業(yè)而言，人工智能將是促進(jìn)劑和推動(dòng)劑，而不是威脅。對于A(yíng)I公司來(lái)說(shuō)，幫助而不是替代醫療專(zhuān)業(yè)人員也將是一件好事。
在上一篇文章中，我表達了我不斷看到AI增加價(jià)值的三種方式：速度，成本和準確性。在醫療保健方面，沒(méi)有什么不同。這是AI如何改變醫療保健的三個(gè)示例。
快點(diǎn)
在很少的部門(mén)中，速度比醫療更重要。就 Viz.ai 中風(fēng)檢測平臺而言，每分鐘減少的治療時(shí)間相當于節省190萬(wàn)患者的腦細胞。通常，Viz平臺中的深度學(xué)習算法可以節省幾分鐘，在某些情況下，它們可以節省數小時(shí)的“腦力勞動(dòng)”。在 最近的一項研究中， Viz.ai大大減少了患者的殘疾。平均而言，患者從臥床不起，需要全天候24/7護理，到?jīng)]有幫助就離開(kāi)醫院。
不會(huì )那么貴
隨著(zhù)醫療保健費用持續上漲，節省費用是另一個(gè)主要推動(dòng)力。例如， 雅典娜 利用機器學(xué)習和計算機視覺(jué)技術(shù)來(lái)識別形態(tài)并通過(guò)細微的手指刺血快速表征細胞類(lèi)型。Athelas的首席執行官Tanay Tandon解釋說(shuō)：“通過(guò)減少住院次數，更早地從頻繁的Athelas測試中發(fā)現不良事件以及使患者安全地遵守必要的治療方法，臨床醫生和健康計劃每年可以為每位患者節省數千美元。” 每天，全國各地成千上萬(wàn)的患者使用這項技術(shù)，其中包括積極的抗癌化學(xué)療法，免疫抑制的抗精神病藥和炎性藥物。Athelas除了省錢(qián)外，還使化療患者能夠在舒適的家中獲得重要的結果，從而減少了勞累和住院風(fēng)險(尤其是在大流行期間)。
Suki 是臨床數字助理，使用自然語(yǔ)言處理來(lái)鍵入醫生或抄寫(xiě)員原本必須鍵入的筆記。沒(méi)有醫生會(huì )在醫學(xué)上輸入便箋，而Suki之類(lèi)的工具使醫生能夠專(zhuān)注于患者而不是便箋。Suki首席執行官Punit Soni解釋說(shuō)：“我們幫助平均減少了76%的文檔編制時(shí)間，并且我們最近啟動(dòng)了一個(gè)名為Suki Speech Service的更新語(yǔ)音平臺，該平臺具有一個(gè)新的意圖提取器，該提取器的基準測試準確度為99.5%，這在不論部門(mén)如何，在所有數字助理中的比例最高。” 由于Suki是由軟件而非人為抄寫(xiě)員提供動(dòng)力的，因此它能夠提供更具成本效益的解決方案，從而提高收入和患者治療效果。
更準確
準確性至關(guān)重要，特別是對于那些乏味或無(wú)聊的任務(wù)。2020年開(kāi)始， Google人工智能在某些類(lèi)型的乳腺癌檢測方面可能勝過(guò)醫生 (還記得2020年看起來(lái)如此有希望嗎?)。Health Catalyst首席執行官Dan Burton解釋說(shuō)：“無(wú)論是在單個(gè)患者/人遇到的級別還是在醫療保健領(lǐng)導層的最高級別，AI都可以通過(guò)將信號與噪聲分離并使我們專(zhuān)注于未來(lái)來(lái)提高決策準確性。例如，它可以幫助我們更準確地回答以下問(wèn)題：“最近COVID-19陽(yáng)性檢測的上升是否表明我們需要推遲非緊急程序的信號?””更精確的建?？梢詫е赂髦堑臎Q策醫療保健行業(yè)。例如，隨著(zhù)非緊急醫療服務(wù)的反彈，醫療服務(wù)提供者需要在其自己的Covid-19陽(yáng)性檢測/入院率上升時(shí)發(fā)出警報。
建立繁榮的醫療保健人工智能公司需要協(xié)調一致
速度，成本和準確性的相互作用可以為患者帶來(lái)驚人的成就。但是，僅提高速度，成本或準確性的承諾通常不足以對患者的護理產(chǎn)生有意義的影響。MBA博士Anthony Bertrand博士解釋說(shuō)：“有許多公司試圖出售可將單項測試的診斷準確性提高x%的軟件，尤其是在涉及視覺(jué)診斷或影像學(xué)(例如病理學(xué)或放射學(xué))的領(lǐng)域，只有懷疑論者或專(zhuān)家才能接受。產(chǎn)品的開(kāi)發(fā)必須對臨床工作流程有清晰的理解。為了克服慣性和變更風(fēng)險，還應仔細考慮醫生和雇用它們的組織的經(jīng)濟誘因。”
幸運的是，不斷增加的成本壓力和獎勵，健康結果數據的發(fā)布，捆綁付款之類(lèi)的付款方式的出現以及用于分析的EMR數據的可用性可以幫助加速AI在醫療保健領(lǐng)域的收益。關(guān)鍵是將先進(jìn)技術(shù)與醫療保健行業(yè)的現實(shí)相結合。正如Viz.ai的首席執行官Chris MD的MBA博士MBA所說(shuō)：“正如許多公司現在已經(jīng)意識到算法不是產(chǎn)品一樣，在Viz.ai，我們了解到要在這個(gè)領(lǐng)域建立成功的業(yè)務(wù)，就需要避免技術(shù)決定論。并真正挑戰您的團隊以了解如何提供和支付醫療費用的復雜性;這就是您實(shí)際上如何將產(chǎn)品投放到希望為患者盡力而為的臨床醫生手中的方式。” 最終，這就是為什么除了臨床改進(jìn)外，證明業(yè)務(wù)投資回報率也非常重要的原因。當企業(yè)能夠利用AI改善患者的治療效果，同時(shí)調整醫院的組織激勵措施時(shí)，就可以取得真正的進(jìn)步。
