Лента TH Новости Искусственный интеллект


Аналитика здравоохранения – это проблема. Прикладной ИИ – это решение

∴ 183

Аналитики здравоохранения по-прежнему руководствуются подходом, ориентированным на вопросы. Вопрос в том, какие вопросы? Чем больше данных мы имеем, тем больше проблемных моментов и тем меньше вероятность того, что мы найдем решение проблемы. Даже когда нам удается задавать правильные вопросы, мы должны подтвердить их, а на это нужно время и ресурсы. В связи с этим, мы предлагаем 5 характеристик прикладного ИИ, который помогает решать проблемы в области здравоохранения.

343

Прикладной ИИ уже начал совершенствование вождения автомобиля, снижение издержек и улучшение принятия клинических и финансовых решений в масштабах, как госпиталя, так и в целом в сфере здравоохранения. Прикладной ИИ – это не концепция, а серия интеллектуальных приложений, которые ориентированы на дискретные проблемы здравоохранения от клинических вариаций до состояния здоровья населения. Эти интеллектуальные приложения имеют набор возможностей, которые делают их интеллектуальными. Давайте посмотрим на эти возможности:

Исследование. Интеллектуальные приложения должны поддерживать как неконтролируемое, так и полу управляемое обнаружение. На практике это означает, что интеллектуальное приложение рассматривает все данные и все возможности в пределах этих данных, чтобы обнаружить шаблоны, группы или аномалии, которые ускользают от традиционных подходов. Используя свои собственные системы записей, в том числе ЭМИ, финансовые данные, данные, полученные пациентами, и социально-экономические данные, организации здравоохранения могут автоматически обнаруживать группы пациентов, которые имеют уникальные комбинации характеристик.

Предсказание. Интеллектуальные приложения также должны иметь возможность прогнозировать будущее с высокой точностью. Целостное обнаружение позволяет создавать еще лучшие интеллектуальные модели благодаря беспристрастному созданию групп или идентификации шаблонов. Превосходное предсказание дает организациям здравоохранения предвидение будущих потребностей, затрат, бремени болезней и рисков пациентов.

Обоснование. Интеллектуальное решение должно оправдывать свои прогнозы, открытия и действия прозрачным способом, чтобы операторы чувствовали себя уверенно действуя в соответствии с его рекомендациями. Например, приложение для здравоохранения может выявить дифференцирующие характеристики траекторий риска для пациентов, факторы, которые делают их высокими или низкими рисками, а также описания отдельных факторов, которые приводят к изменению стоимости и качества.

Действие. Интеллектуальная система, которая эффективно не функционирует, со временем станет менее умной. Действующая информация, которая направляет и усиливает принятие людьми решений, делает ИИ частью ежедневных операций. Для того чтобы эти системы обеспечивали оптимальное значение, им нужны люди в цикле, обеспечивающие обратную связь и управление.

Обучение. Интеллектуальные приложения «учатся» улучшать прогнозы с течением времени. По мере того как все больше и больше данных анализируется, технология учится на этих сложных точках данных для улучшения прогнозов с течением времени. Будь то претензии, медицинские записи или социально-экономические данные, ИИ проникает в них для получения более точных персональных прогнозов, которые постоянно улучшаются.

Это лишь верхушка айсберга, которая положит начало улучшенным типам ИИ. Если вы знаете вариант лучше – смело предлагайте его в комментарии.

Филипп Дончев