由于人口老齡化和遠程醫(yī)療等醫(yī)療服務方法的興起，醫(yī)療機構(gòu)生成的非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)的數(shù)量顯著增加。本文將通過對各種用例的探索，展示醫(yī)療機構(gòu)如何利用人工智能、機器學習和數(shù)據(jù)分析來利用越來越多的可用數(shù)據(jù)，改善患者治療和護理體驗，并提高運營效率。 

用例1：捕獲和分析非結(jié)構(gòu)化數(shù)據(jù) 

醫(yī)療機構(gòu)的非結(jié)構(gòu)化數(shù)據(jù)是指從臨床醫(yī)生手寫處方表到患者呼叫中心日志的任何內(nèi)容。這些信息的數(shù)量正在增加，需要新的方法來捕獲和分析這些數(shù)據(jù)。 

在這方面，Avanade公司全球數(shù)據(jù)和人工智能卓越中心高級總監(jiān)Tripti Sethi提供了一個使用Answer ALS研究項目完成的工作示例。該示例是醫(yī)療機構(gòu)希望利用大數(shù)據(jù)和人工智能來尋找答案和治療方法，其目標是利用云計算、機器學習、大量患者數(shù)據(jù)和強大的交互式數(shù)據(jù)基礎(chǔ)設(shè)施，以幫助確定導致肌萎縮側(cè)索硬化（ALS）的原因并確定潛在的治療方法。 

Answer ALS是由美國約翰斯·霍普金斯大學和羅伯特·帕卡德ALS研究中心與Avanade共同創(chuàng)立和運營的一項革命性研究項目，有1000多名ALS患者參與了該項目的研究。該項目匯集了全球研究中心、行業(yè)領(lǐng)先的科技公司以及世界一流的研究人員。這種全球合作產(chǎn)生的大量非結(jié)構(gòu)化數(shù)據(jù)帶來了挑戰(zhàn)。

研究人員如何有效地利用這些數(shù)據(jù)并獲得洞察力？Tripti解釋稱：“我們利用具有機器學習的強大基礎(chǔ)設(shè)施的云計算模型創(chuàng)建類似于基于Azure的數(shù)據(jù)查詢引擎的東西，能夠在幾小時（而不是過去的幾天和幾周）處理研究查詢。同時研究人員能夠更快地分析更多數(shù)據(jù)，以此作為基礎(chǔ)加快為ALS患者制定成功的治療方案?！?nbsp;

用例2：在醫(yī)療保健供應鏈中利用人工智能和機器學習

在提高患者治療和護理方面，人工智能和機器學習在醫(yī)療保健的未來發(fā)揮著重要作用。  這些先進的分析方法還可用于幫助醫(yī)療機構(gòu)提高效率，并解決供應鏈挑戰(zhàn)等問題，特別是在新冠疫情加劇供應鏈困難的時期。 

Sethi公司是一家大型藥品批發(fā)商，其與Avanade合作改善了他們?nèi)菀壮鲥e且不可靠的庫存跟蹤方法。此前，諸如RFID和藍牙技術(shù)這樣的常見跟蹤技術(shù)作為重量計算傳感器使用，既不可靠又麻煩，導致Sethi公司的利潤率下降。

為了解決這一挑戰(zhàn)，合作團隊將人工智能（特別是計算機視覺和后處理機器學習模型）與連接的攝像頭結(jié)合起來，使計算機節(jié)點邊緣化，攝像頭可以就近實時地連續(xù)監(jiān)測和跟蹤庫存變化，助力藥品批發(fā)商提高利潤率并提高其計費準確性。

用例3：利用高級分析進行診斷和治療

與人工智能和機器學習的重要性類似，高級分析將在未來的醫(yī)療保健中發(fā)揮重要作用，特別是在治療發(fā)現(xiàn)方面，比如可以提高癌癥病例審查的準確性，從而加速了診斷和治療。 

比如，一旦癌癥患者被診斷出來，就需要制定最佳的治療方案，這要求來自不同專業(yè)的醫(yī)生對癌癥病例開展審查和討論，但讓一群醫(yī)生在聚集在一起并不總是那么容易。為了幫助應對這一挑戰(zhàn)，可以啟用助力員工培訓的新的協(xié)作解決方案，并使用數(shù)據(jù)分析為醫(yī)生和護士提供見解，以便他們更好地參與，將自己的見解輸入到治療發(fā)現(xiàn)中。”

Sethi說，“增加這些多樣化的知識有助于確?；颊攉@得最高質(zhì)量的治療和護理，并且醫(yī)院還可以加快診斷和治療時間，從而提高滿意度?！蓖ㄟ^這些用例，每天的工作都在改善治療和護理體驗，并且通常是在患者不知情的情況下進行的，不會對患者治療和護理造成任何干擾。 

克服道德困境 

人工智能驅(qū)動的算法通過觀察數(shù)據(jù)并從中學習來做出預測或產(chǎn)生見解。如果該數(shù)據(jù)有偏差，其結(jié)果也將發(fā)生偏差。克服這種道德困境和偏見需要積累更多樣化的數(shù)據(jù)集，同時還需要訓練人工智能或機器學習算法來分析所有數(shù)據(jù)片段。 

Sethi稱，可以訓練模型查看所有表示的數(shù)據(jù)段，并提高數(shù)據(jù)中代表性較低的群體的重要性。分析人員可以抽取培訓樣本，重新衡量培訓樣本的重要性，放大少數(shù)群體的‘聲音’?！睂τ卺t(yī)生來說，創(chuàng)建可解釋且透明的算法也很重要，他們將能夠理解為什么基于某些數(shù)據(jù)集生成某些見解。

Sethi認為，這引發(fā)了一個更廣泛的問題——醫(yī)療機構(gòu)為何使用人工智能和機器學習？ “我們會接受預測的結(jié)果嗎？或者我們是否從這些見解中學習并確定不同人群中醫(yī)療保健挑戰(zhàn)的根本原因？”

作為道德行動的一個例子，Avanade公司旨在解決道德或負責任的技術(shù)困境，創(chuàng)建了數(shù)字道德框架，并將其應用于人工智能。該框架創(chuàng)建了一個負責任的人工智能清單，無論是關(guān)注數(shù)據(jù)完整性、隱私、偏見還是人類影響。

人工智能在醫(yī)療保健領(lǐng)域的未來發(fā)展 

隨著人工智能加速進入越來越虛擬的運營環(huán)境，將在醫(yī)療保健領(lǐng)域發(fā)揮關(guān)鍵作用。 

新冠疫情加速了向虛擬醫(yī)療的轉(zhuǎn)變，這導致了數(shù)據(jù)爆炸式增長。但是，為了跟上這種增長，還可以做更多的工作來收集見解，并利用人工智能、機器學習和數(shù)據(jù)分析推動有意義的變革。

總之，人工智能和大數(shù)據(jù)分析為更好地治療患者、提高效率以及更準確的治療發(fā)現(xiàn)提供了很多機會，我們需要利用這些先進技術(shù)，同時不要忘記道德、隱私和合規(guī)性的重要性。