根據CB Insights的數據，2021年第一季度創(chuàng )下了新的融資記錄，專(zhuān)注于醫療保健AI的初創(chuàng )公司籌集了近25億美元。但這可能與幾年前的興起和對自動(dòng)駕駛汽車(chē)技術(shù)的投資相似，因為基于A(yíng)I的產(chǎn)品和服務(wù)在醫療保健領(lǐng)域的成功實(shí)施可能并非指日可待。
盡管Li和Ng目前都在將AI應用于醫療保健方面的挑戰，但他們相信，在未來(lái)幾年中，他們和他們的同事們仍將處于試驗階段。Ng說(shuō)，進(jìn)展將“比我們在未來(lái)幾年中希望的要慢得多”。Li表示：“我們仍在尋找通往人類(lèi)勝利的道路。”對她而言，采取“以人為本”的方法對于推進(jìn)醫療保健領(lǐng)域AI的發(fā)展水平至關(guān)重要。她鼓勵她的學(xué)生們在醫院里掩蓋臨床醫生，“看到人的一面”，以更好地了解患者和照顧他們的人們，這是成功采用基于A(yíng)I的解決方案的關(guān)鍵。李說(shuō)，這是醫療保健領(lǐng)域的獨特挑戰，他強調了醫療保健非數字化方面(人為因素)的重要性。她說(shuō)：“我們的人類(lèi)行為數據幾乎為零。”
此外，Ng提倡將AI開(kāi)發(fā)從以模型為中心轉變?yōu)橐詳祿橹行?。這包括提高用于訓練AI程序的數據的質(zhì)量，以及構建將數據置于開(kāi)發(fā)人員工作中心所需的工具和流程。當然，數據的質(zhì)量，隱私和可用性在醫療保健環(huán)境中面臨其獨特的挑戰。Ng指出，數據質(zhì)量標準仍然不明確，因此，AI開(kāi)發(fā)人員需要集思廣益解決所有可能出錯的問(wèn)題并相應地分析數據。李認為，最重要的是認識人的責任。“人工智能有偏見(jiàn)”是一個(gè)術(shù)語(yǔ)，它將責任放在機器上，而不是在收集和管理數據的人員身上。對李來(lái)說(shuō)
在回答“尚未解決的醫療保健問(wèn)題是什么?”這一問(wèn)題時(shí)Ng提到了心理健康，診斷和醫療保健的運作方面。李援引每年因醫療錯誤在美國死亡的25萬(wàn)人。AI可以幫助確保正確執行醫療程序，并確保及時(shí)在家中或診所對慢性病患者進(jìn)行護理。“這就是環(huán)境情報的本質(zhì)。”李說(shuō)，擔任醫師和護士助理，可以在錯誤發(fā)生之前及時(shí)發(fā)現它們。
Ng和Li的觀(guān)察得到了最近調查和研究的支持，所有這些都表明了AI在醫療保健領(lǐng)域的新生狀態(tài)：
·美國有90%的醫院制定了AI /自動(dòng)化策略，高于2019年第三季度的53%。但是，據Sage Growth Partners稱(chēng)，只有7%的醫院AI機器人完全投入運營(yíng)。
·自2015年以來(lái)，批準的基于A(yíng)I / ML的醫療設備的數量已大大增加，但目前，“美國或歐洲沒(méi)有針對基于A(yíng)I / ML的醫療設備的特定監管途徑，”《柳葉刀》雜志發(fā)表的一項研究得出結論。
