【51CTO.com快譯】眾所周知，在醫(yī)療保健的各個方面，時間一直被認(rèn)為是最有價值的部分。即使是數(shù)分鐘的延遲也可能會導(dǎo)致生命丟失。然而從另一個角度來說，醫(yī)生花費在每位患者身上的時間卻平均只有15分鐘。這對于他們?nèi)プ屑?xì)研究患者的詳細(xì)信息，包括：類似的病例、人口特征與統(tǒng)計學(xué)信息等方面，顯然是不夠的。

近年來，隨著AI(人工智能)技術(shù)逐步進(jìn)入醫(yī)療保健領(lǐng)域，以前那些被認(rèn)為是巨大障礙或不太可能的診療方法已經(jīng)變得可行。與此同時，美國有超過90%的醫(yī)院已經(jīng)從基于傳統(tǒng)的紙張病例系統(tǒng)，轉(zhuǎn)移到了電子化記錄與診斷方式上。醫(yī)生們可以通過AI技術(shù)來預(yù)測、發(fā)現(xiàn)和分析各種重大疾病和罕見病例。

什么是醫(yī)療診斷中的AI?

簡而言之，醫(yī)療診斷中的AI就是通過自動化和預(yù)測等技術(shù)與方法，協(xié)助醫(yī)療診斷的過程。通過AI系統(tǒng)，用戶可以減少從檢查、到發(fā)現(xiàn)、再到診療之間的時間缺口;醫(yī)院能夠自動化地快速挖掘各種醫(yī)療記錄，并生成相應(yīng)的治療結(jié)果建議。此外，一些具有預(yù)測分析功能的AI平臺，還能夠通過機(jī)器學(xué)習(xí)和高級算法，發(fā)現(xiàn)患者用藥的不規(guī)律性，甚至預(yù)測患者的死亡率。

根據(jù)Frost & Sullivan(譯者注：全球知名市場研究與企業(yè)咨詢公司)在2016年進(jìn)行過的一項研究表明，醫(yī)療保健領(lǐng)域的AI應(yīng)用具有如下特點：

• 預(yù)測到2021年，市場總值將達(dá)到66億美元。
• 未來兩年的總體增長率將高達(dá)40%。
• 醫(yī)學(xué)影像類的診斷水平將大幅改善。
• 醫(yī)療成果的轉(zhuǎn)換潛力為30%到40%。
• 潛在的治療改善成本為50%。

AI在醫(yī)療診斷中的重要性

首先，對于醫(yī)生而言，他們及其所在的醫(yī)療保健組織，有機(jī)會獲取并利用到其他醫(yī)生的集體知識，以及數(shù)百萬條患者的病史記錄。而且有了AI技術(shù)及其系統(tǒng)，他們對于這些記錄的訪問完全可以實現(xiàn)自動化，并且是基于信息相關(guān)性的。整個過程只需要幾秒鐘便可完成。當(dāng)然，這只是AI在醫(yī)療診斷領(lǐng)域的眾多功能中的一項。AI就像一名虛擬化的私人助理，可以根據(jù)相似的病例和既有的治療方案，向醫(yī)生提供多種建議。

目前，雖然AI尚不具備完全取代醫(yī)生的能力，但它已經(jīng)具有了挖掘數(shù)據(jù)，執(zhí)行分析，以及識別模型等人類普遍無法達(dá)到的能力。AI能夠和那些經(jīng)驗豐富的醫(yī)生相得益彰，全面提高醫(yī)療診斷過程的效率與質(zhì)量。

總的說來，AI在醫(yī)療診斷中的作用可以概況為：

• 改善診斷。
• 降低成本。
• 模型識別。
• 臨床相關(guān)，高質(zhì)量和快速度的數(shù)據(jù)生成。

業(yè)界對于醫(yī)療診斷類AI的批評

盡管AI在醫(yī)療診斷方面有著許多明顯的優(yōu)勢，但是人們在應(yīng)用此項技術(shù)時，仍然會產(chǎn)生各種顧慮甚至是批評。其中包括：

• 無論是要訪問高質(zhì)量的數(shù)據(jù)，還是要開發(fā)用于智能分析的模型，識別對應(yīng)的特征，以及訓(xùn)練不同的算法，這些都會涉及到高昂的成本。
• 由于各種軟件的分散性與多樣性，以及電子病歷保存效率不但低下，而且缺乏全面性，許多醫(yī)療機(jī)構(gòu)會發(fā)現(xiàn)自己的實現(xiàn)模型與其他組織完全無法兼容。這往往會造成弊大于利的情況。
• 出于安全性的考慮，許多系統(tǒng)都與互聯(lián)網(wǎng)相隔離，而這就導(dǎo)致了信息共享和數(shù)據(jù)訪問完全無法實現(xiàn)。面對信息孤島，AI只能苦于缺乏必要的訓(xùn)練數(shù)據(jù)。
• 一些較為傳統(tǒng)的醫(yī)療工作者會將AI的建議，視為對于醫(yī)生專用水平、乃至權(quán)威的挑釁。他們?nèi)匀粫駨谋灸?，甚至?xí)鲇诟星樵蜃龀鱿喾吹呐袛嗯c決定。

如下圖所示，根據(jù)思科的觀點：“在近期受訪者中，有54%的醫(yī)療保健組織管理者認(rèn)為在未來的五年內(nèi)，AI會在本行業(yè)內(nèi)被廣泛地采用;36%的患者則對AI缺乏信任，而30%的臨床醫(yī)生甚至對AI的應(yīng)用持有抵觸情緒。”

AI在醫(yī)療診斷中的潛力

通過智能化的系統(tǒng)與流程，醫(yī)生和醫(yī)院能夠及時地識別出那些帶有腎功能衰竭、心臟疾病、手術(shù)后感染、以及二次住院風(fēng)險的患者。

大量的電子健康數(shù)據(jù)與公共數(shù)據(jù)庫信息，可以結(jié)合成為強(qiáng)大數(shù)據(jù)源，讓AI系統(tǒng)能夠在幾秒鐘內(nèi)完成龐雜的研究工作，進(jìn)而根據(jù)相似的病史流行程度，以及患者的過往記錄，提出治療和用藥建議，并且計算出成功的幾率。

此外，針對某種藥物可能對某類人群并無效果的情況，AI系統(tǒng)能夠在醫(yī)生開具處方時，向醫(yī)生提出警告，甚至是藥物風(fēng)險的揭示。同時，AI分析系統(tǒng)還能夠敏銳地捕獲患者以往記錄中的異常情況。例如：某位患者雖然聲稱自己從不飲酒，但是他的諸多檢測指標(biāo)卻都能表明他有過飲酒的跡象，那么AI系統(tǒng)通過綜合分析，就能及時以高亮的方式提請醫(yī)生的注意。

如下圖所示，根據(jù)思科的觀點：在2018年《腫瘤學(xué)年鑒》中，曾有過一項研究：他們讓卷積神經(jīng)網(wǎng)絡(luò)(CNN)--一種機(jī)器學(xué)習(xí)(ML)系統(tǒng)，與58名皮膚科醫(yī)生進(jìn)行了一次較量。通過“觀看”超過100,000張惡性與良性腫瘤的圖像，人工智能(AI)系統(tǒng)可以準(zhǔn)確地檢測出95%的黑色素瘤，而人類皮膚科醫(yī)生只發(fā)現(xiàn)了其中的86%。

為了進(jìn)一步理解AI的用途，下表給出了使用AI最普遍的六大行業(yè)?？梢?，醫(yī)療診斷就占有其中的一席之地。

下面我們具體討論一下醫(yī)療診斷類AI項目落地的十步走。

步驟1：使得醫(yī)療保健機(jī)構(gòu)的各個成員熟悉上面我們所討論到的 AI基本功能和優(yōu)勢。這不但有助于他們對AI形成清晰的認(rèn)識，而且能夠幫助他們對AI提出合理的需求，產(chǎn)生切實的期望。

步驟2：識別和發(fā)現(xiàn)現(xiàn)有醫(yī)療診斷過程中的各類“痛點”?？紤]并分析是否可以通過現(xiàn)有的AI相關(guān)技術(shù)予以解決。通過需求列表的形式，清晰地羅列出AI能給組織帶來的真實價值。

步驟3：專注于業(yè)務(wù)優(yōu)先級，通過深入分析，權(quán)衡采用AI所創(chuàng)造的價值與所涉及到的實施成本之間的關(guān)系。這樣可以確保每一項投資，都能夠直接與其帶來的業(yè)務(wù)價值相匹配。

步驟4：通過向醫(yī)生、護(hù)士、以及醫(yī)療工作人員宣介AI的相關(guān)技術(shù)，讓他們參與系統(tǒng)的設(shè)計，并提出合理化的建議。由于熟悉業(yè)務(wù)，并能夠深度參與本機(jī)構(gòu)的日常運作，他們往往能夠指出技術(shù)人員可能忽略掉的細(xì)節(jié)問題。

步驟5：確定解決方案，組建AI項目團(tuán)隊，招募開發(fā)人員，完成編碼與測試，并試運行該系統(tǒng)。在此階段中，為試點項目和后續(xù)部署建立清晰的時間表，是項目成敗的關(guān)鍵。

步驟6：分配專職的團(tuán)隊成員，負(fù)責(zé)定期對醫(yī)療保健機(jī)構(gòu)進(jìn)行用戶教育，收集系統(tǒng)在部署與運行過程中所碰到的問題，以及督促和確保醫(yī)護(hù)人員能夠定期使用該系統(tǒng)。

步驟7：對于組織而言，一腳跨入AI系統(tǒng)難免會有些不適應(yīng)，以及不可預(yù)見的錯誤。因此，我們應(yīng)當(dāng)根據(jù)醫(yī)生、護(hù)士、以及醫(yī)療工作人員的使用反饋，不斷優(yōu)化系統(tǒng)并按需改進(jìn)算法。

步驟8：無論是患者的相關(guān)數(shù)據(jù)還是智能算法的信息存儲，都是AI系統(tǒng)的重要組成部分。因此，對于每一個希望邁向AI的醫(yī)療機(jī)構(gòu)而言，都需要為大量的數(shù)據(jù)存儲需求做好充分的安排。

步驟9：與開發(fā)人員進(jìn)行定期交流，其中涉及到評審現(xiàn)有的AI算法，以及已經(jīng)采用的數(shù)據(jù)采集與分析技術(shù)。這些溝通能夠確保所部署的AI服務(wù)，符合醫(yī)務(wù)人員的原始需求，并體現(xiàn)實際的業(yè)務(wù)價值。

步驟10：在開發(fā)過程中尋求AI系統(tǒng)和技術(shù)實現(xiàn)能力之間的平衡。這將消除未達(dá)到預(yù)期的效果，而避免人員的失望情緒。

協(xié)助醫(yī)療機(jī)構(gòu)進(jìn)行舊系統(tǒng)的AI轉(zhuǎn)換

每個醫(yī)療保健組織都需要根據(jù)自身的特定需求，對既有的、特別是那些“遺留”的系統(tǒng)進(jìn)行評估。對于老舊系統(tǒng)的處置方式，業(yè)界經(jīng)常會用到“遷移”、“現(xiàn)代化”和“轉(zhuǎn)型”等方式，下面我們來看看三者之間的區(qū)別：

遷移：醫(yī)療機(jī)構(gòu)處置其遺留系統(tǒng)最簡單的一種方式。它涉及到將現(xiàn)有系統(tǒng)從一個平臺遷移到另一個平臺，這是一種在保持系統(tǒng)功能和設(shè)計不變的前提下，比較直接有效的方式。不過，隨著系統(tǒng)性能的提升，其相應(yīng)的遷移成本也會增加不少。

現(xiàn)代化：直接對現(xiàn)有系統(tǒng)進(jìn)行功能與性能等方面的增強(qiáng)。此方法并不涉及將舊的系統(tǒng)遷移到其他平臺，只是進(jìn)行本地升級與功能性的“現(xiàn)代化”。在某種程度上，這是一種折中的方案。

轉(zhuǎn)型：既涉及到上述遷移的活動，又伴隨著現(xiàn)代化的提升過程。AI系統(tǒng)的項目落地常會以這種方法對遺留的系統(tǒng)進(jìn)行全面改造。也就是說，我們一邊原地改進(jìn)既有的某部分系統(tǒng)，一邊大刀闊斧地新增具有AI和機(jī)器學(xué)習(xí)能力的平臺。

醫(yī)療診斷的AI未來

目前，從AI在醫(yī)療診斷的應(yīng)用來看，各種機(jī)器學(xué)習(xí)、智能算法、預(yù)測分析、以及自動化數(shù)據(jù)的分揀與特征提取等技術(shù)實現(xiàn)，都能夠在一定程度上給傳統(tǒng)的診斷方式賦能，并且大幅促進(jìn)了醫(yī)生對患者治療的效率與效果。

原文標(biāo)題：10 Steps to Execute an AI Transformation Project ，作者：Garron Jhonson

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】