認清在醫(yī)療保健中實施人工智能（AI）所面臨的挑戰(zhàn)，可以幫助醫(yī)療保健提供者制定適當的策略并以無風險的方式快速實施創(chuàng)新的解決方案。

人工智能正在以多種方式改變醫(yī)療保健。醫(yī)療保健組織正在實施用于機器人手術、護理幫助、準確診斷和精密藥物的AI。實際上，畢馬威會計師事務所（KPMG）進行的一項調查顯示，有53%的高管認為醫(yī)療保健在采用AI方面處于領先地位。

盡管在采用AI方面處于領先地位，但并非所有醫(yī)療保健組織都已實施AI。部署AI解決方案時面臨的挑戰(zhàn)仍使一些醫(yī)療保健組織無法充分利用AI技術。在這種情況下，醫(yī)療保健企業(yè)有必要了解醫(yī)療保健及其解決方案中的AI挑戰(zhàn)。

解決醫(yī)療保健中的人工智能挑戰(zhàn)

要解決醫(yī)療保健中AI實施方面的挑戰(zhàn)，必須意識到這些挑戰(zhàn)。一旦衛(wèi)生組織意識到了挑戰(zhàn)，便可以更好地找到克服挑戰(zhàn)的方法。

收集數據

人工智能系統(tǒng)需要大量數據。并且收集的數據必須來自可靠的來源。從不可靠的來源收集數據可能會對AI解決方案的輸出產生不利影響。

因此，為了獲得準確的輸出，醫(yī)院必須從可靠的來源收集培訓數據。他們可以從患者的歷史和當前病歷中找到可靠的數據，因為醫(yī)療保健中的每個患者都是他們自身的來源。醫(yī)療保健組織還需要為機器學習算法準備準確的數據集。但是數據準備方面的挑戰(zhàn)通常很難克服。

因此，毫不奇怪的是，有96%的組織因為成功實現AI而遇到數據相關的問題阻礙。為了準備精確的數據集，醫(yī)院需要盡早確定所需的結果并相應地準備數據。醫(yī)療保健組織還需要確保數據與構建過程一致。他們可以通過清除數據以使丟失的值最小化并消除不相關的數據來使其數據兼容。

保持合規(guī)

每個患者都是可靠的數據來源。但是，如果這些來源拒絕提供其數據來構建AI系統(tǒng)怎么辦？沒有人希望他們的數據被用于非法目的。為了避免這種情況并在患者之間建立信任，政府和領先的醫(yī)療保健組織制定了每家醫(yī)院都必須遵守的法規(guī)。

例如，通過了《醫(yī)療保健信息攜帶和責任法案》（HIPAA），以強制執(zhí)行機密處理患者數據的標準。另一個例子是《經濟和臨床健康衛(wèi)生信息技術法案》（HITECH），該法案旨在標準化當今數字時代中電子健康記錄（EHR）的維護。這種監(jiān)管行為使患者可以隨意共享其數據，這些數據可用于訓練AI系統(tǒng)。

醫(yī)療保健組織還需要確保收集的數據受到保護，以增強隱私和安全性。但是，在當今世界，我們經常聽到有關網絡安全漏洞的消息，保護數據安全并非易事。這也是醫(yī)療保健組織可以利用區(qū)塊鏈的地方。

AI和區(qū)塊鏈的融合可以共同革新許多行業(yè)，醫(yī)療保健是這些行業(yè)之一。區(qū)塊鏈將確保安全傳輸和存儲患者數據，以增強隱私和安全性。它還將為患者提供透明性，以便他們可以查看其數據的存儲位置和使用方式。

識別應用

大多數企業(yè)可以借助一些機器來進行操作。但是，與大多數企業(yè)不同，醫(yī)療保健組織需要多種工具進行診斷和治療。

例如，存在用于診斷和治療不同醫(yī)療狀況的各種類型的設備，例如呼吸機、掃描儀、X射線機和ECG機。對于醫(yī)療保健組織而言，為物聯網確定合適的應用可能變得很復雜。醫(yī)院必須了解不同機器的復雜性，才能確定正確的應用。他們還需要向供應商咨詢如何輕松、快速地將AI解決方案與特定機器集成。

衛(wèi)生組織需要明智地選擇AI供應商。選擇AI供應商之前，需要考慮多種因素。通用或垂直解決方案，、與目標的一致性以及成本效益等因素會在很大程度上影響AI供應商的選擇。識別合適的用例并根據需要選擇正確的供應商將有助于醫(yī)院構建可輕松與現有設備和工作流程集成的AI解決方案。

消除黑匣子

AI系統(tǒng)主要是模擬人類大腦的運作方式。因此，就像我們的大腦一樣，它們接收輸入并達到輸出。但是，我們不知道人工智能系統(tǒng)是如何得出結論的。我們所知道的就是最終的輸出。而且，如果不了解AI系統(tǒng)是如何得出結論的，那么對其進行改進就變得很困難。

AI系統(tǒng)的這一挑戰(zhàn)被稱為黑匣子問題。解決該問題對于幾乎每個行業(yè)都是必不可少的，但對于醫(yī)療保健而言，至關重要。那是因為它會對醫(yī)療保健行業(yè)產生不利影響。盲目地信任AI解決方案可能會使患者的生命處于危險之中。

例如，根據STAT審查的IBM內部文件，IBM的Watson建議對癌癥患者使用不安全的治療程序。遵守錯誤的建議操作程序可能會使癌癥患者的生命面臨危險。因此，醫(yī)療行業(yè)必須消除AI的黑盒子。

但是，如何消除AI的黑盒子？答案是“通過使用可解釋的AI”。可解釋的AI通過使這些系統(tǒng)具有透明度來幫助研究人員了解AI系統(tǒng)的輸出。它通過事后方法的幫助帶來了透明度，該方法圍繞四個關鍵要素而開發(fā)，即目標、驅動因素、可解釋的族和估計量。

用來解釋AI輸出的最常見方法之一是反向傳播方法。反向傳播是用于前饋神經網絡的監(jiān)督訓練的一種廣泛使用的AI算法。這種可解釋的AI方法的實施將確?；颊吆歪t(yī)生對AI結論的信任。

教育員工和患者

利用AI解決方案可以帶來很多好處，但是使用它們很復雜。對AI的潛力以及如何利用AI的意識不足會導致組織中的技能缺口。醫(yī)療保健組織需要通過對員工進行有關AI系統(tǒng)及其功能的教育來彌合技能差距。醫(yī)院和個人專家可以組織不同部門的培訓課程，以培訓員工如何使用AI系統(tǒng)。

在要治療的患者準備好接受基于AI的治療之前，醫(yī)療保健中的AI實施很難成功。因此，患者還必須意識到AI的潛力，以便他們可以信任基于AI的治療。例如，機器人手術可帶來許多好處，例如住院時間更短、疼痛減輕、疤痕最少以及失血量降低。

但是，由于缺乏意識和信任，患者可能會擔心被AI機器人對其進行操作。醫(yī)療機構應提高人們對機器人手術的益處的認識。他們還可以對患者進行AI機器人手術程序教育，然后再對其進行操作。對患者和員工進行有關AI解決方案的教育將確保增加他們對AI系統(tǒng)的信任。

每個衛(wèi)生組織都希望部署AI系統(tǒng)。成功實施AI解決方案始于制定正確的戰(zhàn)略。但是如何創(chuàng)建呢？這需要要解決上述醫(yī)療保健中的AI挑戰(zhàn)。

對這些挑戰(zhàn)和解決方案的了解將幫助醫(yī)療保健組織針對其特定應用制定適當的策略。當成功實施AI的實例成為人們關注的焦點時，醫(yī)院將更有動力部署和擴展其AI解決方案。