對(duì)于人工智能和機(jī)器學(xué)習(xí)在醫(yī)療保健行業(yè)的價(jià)值和未來(lái)的看法已經(jīng)發(fā)生了很多改變。這個(gè)行業(yè)正在蓬勃發(fā)展。與在醫(yī)療保健市場(chǎng)中不斷發(fā)展的區(qū)塊鏈技術(shù)一樣，人工智能和機(jī)器學(xué)習(xí)也需要一些短期期望管理。雖然它們的效用和價(jià)值會(huì)隨著時(shí)間的推移不斷提高，但是在現(xiàn)在這個(gè)階段，它們還不是解決美國(guó)醫(yī)療系統(tǒng)中眾多護(hù)理和成本交付問(wèn)題的靈丹妙藥。

[[333901]]

筆者不是人工智能程序員，不玩Python，也從來(lái)沒(méi)有構(gòu)建過(guò)機(jī)器學(xué)習(xí)算法。但是，我在醫(yī)療保健領(lǐng)域擁有三十年的實(shí)踐經(jīng)驗(yàn)，并且在這期間使用過(guò)信息技術(shù)系統(tǒng)和應(yīng)用程序，例如從電子病歷(EMR)系統(tǒng)中收集高質(zhì)量的數(shù)據(jù)和結(jié)果，并且部署基礎(chǔ)分析。除此之外，在IT方面也擁有相當(dāng)廣泛的背景。

去年，當(dāng)區(qū)塊鏈技術(shù)隨意蔓延的時(shí)候，我認(rèn)為在醫(yī)療服務(wù)中要穩(wěn)妥地部署區(qū)塊鏈技術(shù)還需要等上一段時(shí)間，這是因?yàn)獒t(yī)療服務(wù)交付系統(tǒng)之間還存在著巨大的差異，同時(shí)還需要大量的輸入，存在諸多變數(shù)。使用/部署區(qū)塊鏈技術(shù)解決特定問(wèn)題需要使用共識(shí)數(shù)據(jù)集。通常來(lái)說(shuō)，人工智能技術(shù)也是一樣的。這是說(shuō)人工智能、機(jī)器學(xué)習(xí)和區(qū)塊鏈不會(huì)在未來(lái)的醫(yī)療保健行業(yè)中發(fā)揮作用嗎?當(dāng)然不是這樣的。我相信這些技術(shù)都將發(fā)揮重要的作用。

但是，盡管出現(xiàn)了各種強(qiáng)大的IT產(chǎn)品，在短期內(nèi)，挑戰(zhàn)仍將繼續(xù)存在。醫(yī)療保健行業(yè)需要人工智能、機(jī)器學(xué)習(xí)、區(qū)塊鏈和其他尖端技術(shù)改進(jìn)、協(xié)調(diào)護(hù)理服務(wù)，降低“系統(tǒng)”成本并減少冗余，并且?guī)椭_保提供可重復(fù)的服務(wù)質(zhì)量。但很少有技術(shù)是完美無(wú)缺的，絕大多數(shù)的技術(shù)都需要時(shí)間，才能隨著使用范圍和規(guī)模的增長(zhǎng)不斷發(fā)展成熟。

什么是人工智能?

首先，簡(jiǎn)單闡明一下人工智能的定義。就如同遠(yuǎn)程醫(yī)療一樣，人們經(jīng)常將“telehealth”和“telemedicine”兩個(gè)詞互換使用，很多人也會(huì)將人工智能和機(jī)器學(xué)習(xí)混為一談。事實(shí)上，很多組件都屬于人工智能的范疇，包括機(jī)器學(xué)習(xí)。憑借人工智能，機(jī)器可以模仿人類的認(rèn)知功能。在這種情況下，人工智能包含了機(jī)器學(xué)習(xí)、自然語(yǔ)言處理(NLP)和“推理”。在機(jī)器學(xué)習(xí)技術(shù)中，機(jī)器沒(méi)有明確的指令，但是可以推斷并確定大量數(shù)據(jù)中的模式。

“推理”是與規(guī)則結(jié)合在一起的信息存儲(chǔ)，可以用于演繹。NLP是自然人類語(yǔ)言的處理、分析、理解和生成?？梢越虝?huì)機(jī)器學(xué)習(xí)和辨別物體。例如，可以部署編碼來(lái)標(biāo)識(shí)不同的葉子，每片葉子都有數(shù)據(jù)元素區(qū)分符，可幫助計(jì)算機(jī)“學(xué)習(xí)”葉子的類型。然后，隨著時(shí)間的推移，計(jì)算機(jī)可以把橡樹(shù)葉從楓樹(shù)葉中挑揀出來(lái)。當(dāng)然，這只是個(gè)例子。但是除非你告訴計(jì)算機(jī)這些物體是什么以及如何對(duì)它們進(jìn)行定義，否則它對(duì)此就一無(wú)所知。輸入必須是正確的，而且編寫算法的人必須具備解決手頭潛在問(wèn)題的相關(guān)背景知識(shí)(例如橡樹(shù)葉和楓葉之間的差異)。

這可能就會(huì)是一個(gè)麻煩。主題專家(SME)和數(shù)據(jù)科學(xué)家必須通力合作才能描述要解決的問(wèn)題，明確所需的數(shù)據(jù)，對(duì)算法進(jìn)行培訓(xùn)以確保它們的相關(guān)性。對(duì)計(jì)算機(jī)糟糕的“訓(xùn)練”和糟糕的數(shù)據(jù)輸入會(huì)導(dǎo)致糟糕并且/或者是不正確的輸出。

▲ 圖中顯示了這些組件如何在更大的“AI保護(hù)傘”下生存

不良的構(gòu)造是如何呈現(xiàn)自己的呢?一方面，我們最近發(fā)現(xiàn)糟糕的數(shù)據(jù)輸入會(huì)導(dǎo)致糟糕的輸出。最近很多機(jī)構(gòu)對(duì)新冠肺炎所做的各種預(yù)測(cè)都非常不準(zhǔn)確，高估了感染率和死亡人數(shù)。雖然問(wèn)題不在于人工智能本身，但是肯定是算法、邏輯和數(shù)據(jù)輸入存在著缺陷，導(dǎo)致了結(jié)果出乎意料地不準(zhǔn)確。同樣，糟糕或錯(cuò)誤的輸入和糟糕的算法也會(huì)導(dǎo)致糟糕的輸出。

需要強(qiáng)調(diào)一下，事實(shí)上我相信人工智能將在醫(yī)療保健服務(wù)中扮演越來(lái)越重要的角色;這是時(shí)間和必要性的問(wèn)題。關(guān)鍵在于邏輯數(shù)據(jù)的開(kāi)發(fā)、構(gòu)建和參數(shù)，科學(xué)家和主題專家們(例如，臨床醫(yī)生和醫(yī)療保健主管)必須清楚地進(jìn)行溝通。無(wú)法清晰描述自身需求和輸入的主題專家們將會(huì)導(dǎo)致程序員們朝著錯(cuò)誤的方向前進(jìn)，將結(jié)構(gòu)性錯(cuò)誤代入算法之中，從而有效地阻止機(jī)器“學(xué)習(xí)”正確的響應(yīng)和輸出。因此，高質(zhì)量的輸出不僅僅需要建立在正確的算法之上(程序員的工作)，還需要正確的輸入為機(jī)器賦能，幫助它們“學(xué)習(xí)”如何提供可行的見(jiàn)解和/或者做出正確的決策。

人工智能在企業(yè)內(nèi)的失誤已經(jīng)非常嚴(yán)重，如果你部署了一個(gè)沒(méi)有內(nèi)置所有正確輸入和參數(shù)的心臟病人工智能協(xié)議，這可能會(huì)造成生死攸關(guān)的后果。正如我之前提到的那樣，這個(gè)問(wèn)題也在最近的《福布斯》(Forbes.com)文章(《區(qū)塊鏈技術(shù)可能(最終)會(huì)幫助醫(yī)療保健行業(yè)：但是不要屏住呼吸》，2019年7月刊)中討論到，人工智能混亂是存在的。“在2018年7月，StatNews審查了IBM的內(nèi)部文件，發(fā)現(xiàn)IBM的Watson提供了錯(cuò)誤的，有時(shí)甚至是危險(xiǎn)的癌癥治療建議。”[i] [ii]

話雖如此，在短期內(nèi)，小規(guī)模的企業(yè)用例可能會(huì)被證明更加容易實(shí)現(xiàn)。例如，在醫(yī)療保健行業(yè)中，在財(cái)務(wù)方面面臨下行風(fēng)險(xiǎn)的責(zé)任制醫(yī)療組織(ACO)可以開(kāi)啟一個(gè)定義明確的項(xiàng)目，專注于病患遷出。定義/要求的輸出可能是量化的ACO財(cái)務(wù)風(fēng)險(xiǎn)，確定哪些醫(yī)生傾向于理所當(dāng)然地轉(zhuǎn)診，明確轉(zhuǎn)診人員的來(lái)源和去向。這樣一個(gè)特定的用例，具有明確定義的結(jié)果/目標(biāo)，因?yàn)榫邆淇刹僮餍浴?/p>

可以說(shuō)，在醫(yī)療保健行業(yè)中，“輸出”比在小部件制造行業(yè)中要重要得多。此外， IDC的一項(xiàng)調(diào)查顯示，四分之一的公司表示他們實(shí)施的人工智能項(xiàng)目中，失敗率接近50% [iii]。

人工智能將推動(dòng)醫(yī)療保健行業(yè)的成功

人工智能在醫(yī)療保健行業(yè)中的使用和價(jià)值將會(huì)繼續(xù)增長(zhǎng)。無(wú)論是針對(duì)疾病狀態(tài)、企業(yè)收入周期的現(xiàn)金流或者基于價(jià)值的護(hù)理計(jì)劃的預(yù)測(cè)分析，人工智能都將大有用武之地。

具體來(lái)說(shuō)，人工智能技術(shù)在醫(yī)療保健行業(yè)中增長(zhǎng)的成功因素可能包含但不限于以下幾點(diǎn)：

• 合理、定義清晰的業(yè)務(wù)用例(不要想一口吃成個(gè)胖子)
• 業(yè)務(wù)專家和數(shù)據(jù)科學(xué)家之間清晰溝通預(yù)期產(chǎn)出
• 正確、干凈的數(shù)據(jù)
• 模型的可擴(kuò)展性

所以，人工智能在醫(yī)療保健行業(yè)中的前景可以說(shuō)一片光明。但是這種技術(shù)的應(yīng)用是一場(chǎng)馬拉松，而不是一場(chǎng)短跑。