人工智能技術(shù)在醫(yī)療保健系統(tǒng)中的應(yīng)用
掃描二維碼
隨時隨地手機(jī)看文章
(文章來源:教育新聞網(wǎng))
人工智能是一種高度復(fù)雜的技術(shù),一旦實(shí)施,就需要進(jìn)行持續(xù)的監(jiān)督,以確保其達(dá)到預(yù)期的效果并確保其以最佳水平運(yùn)行。
使用AI技術(shù)的醫(yī)療保健提供者組織還需要確保自己獲得了最大的收益。換句話說,他們需要優(yōu)化AI,以便技術(shù)能夠滿足其組織的特定需求。我們與六位人工智能專家進(jìn)行了交談,每位專家在醫(yī)療保健部署方面都有豐富的經(jīng)驗(yàn),他們就CIO和其他衛(wèi)生IT工作者如何優(yōu)化其AI系統(tǒng)和方法以最佳地為其提供者組織提供最佳建議。
人工智能醫(yī)學(xué)圖像解釋技術(shù)供應(yīng)商N(yùn)uance Communications的首席技術(shù)官Joe Petro說,優(yōu)化AI取決于對AI的能力的理解并將其應(yīng)用于正確的問題。
他說:“目前有很多炒作,但不幸的是,這些說法有些荒謬?!薄盀榱藘?yōu)化人工智能,我們都需要了解:我們正在嘗試解決的問題;人工智能如何解決問題;AI是否可以增強(qiáng)現(xiàn)有功能?而且,當(dāng)AI沒有幫助時?!崩?,“可追溯性”重要嗎?人工智能有一個眾所周知的“黑匣子限制”-導(dǎo)致神經(jīng)網(wǎng)絡(luò)做出決定或結(jié)論的每個事實(shí)或證據(jù)并不總是眾所周知的。
Petro解釋說:“有時候不可能追溯到導(dǎo)致神經(jīng)網(wǎng)絡(luò)得出結(jié)論的面包屑蹤跡?!薄耙虼?,如果可追溯性是解決方案的要求,那么您可能需要撤退到更傳統(tǒng)的計(jì)算方法,這并不總是一件壞事?!痹搯栴}是否適合AI?此外,對于AI來說,問題是否表現(xiàn)良好且條件適當(dāng)?他說,例如,在解決問題的方法中是否存在重復(fù)的,沒有廣泛變化且本質(zhì)上是確定性的清晰模式。
他舉例說:“例如,如果您將問題交給一系列專家,他們是否都會得出相同的答案?”“如果給人類相同的輸入而不同意答案,那么人工智能可能無法理解數(shù)據(jù),而神經(jīng)網(wǎng)絡(luò)可能會提供與某些專家的觀點(diǎn)不一致的結(jié)果。請放心,AI會找到一個模式–問題是模式是否可重復(fù)且一致?!?/p>
因此,在AI的當(dāng)今世界中,有意地狹義地定義了AI解決的問題,尤其是在醫(yī)療保健領(lǐng)域,從而提高了AI的準(zhǔn)確性和適用性。他建議,選擇正確的問題來解決并縮小問題的范圍,是取得重大成果的關(guān)鍵。他補(bǔ)充說:“此外,培訓(xùn)數(shù)據(jù)必須易于獲得,以創(chuàng)建可靠的AI模型并產(chǎn)生一致的驗(yàn)證結(jié)果?!辈恍业氖牵袝r沒有可用的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。例如,在某些情況下,AI需要標(biāo)記和注釋數(shù)據(jù)。這種標(biāo)記有時不可用。”
放射科醫(yī)生讀取圖像時,他們可能會或可能不會準(zhǔn)確地指出診斷在圖像中的哪個位置。沒有數(shù)據(jù)標(biāo)記使培訓(xùn)有時變得不可能。當(dāng)CDI專家或護(hù)理協(xié)調(diào)員通讀整個案例時,他們很可能不會將提示查詢的所有證據(jù)都反饋給醫(yī)生。
Petro再說:“同樣,沒有數(shù)據(jù)標(biāo)記有時會使培訓(xùn)變得不可能?!币虼?,有人需要返回?cái)?shù)據(jù),并可能添加標(biāo)記和注釋以訓(xùn)練初始模型。標(biāo)記并非總是必需的,但是我們需要認(rèn)識到,所需的數(shù)據(jù)并不總是可用,并且可能需要昂貴的管理費(fèi)用。事實(shí)是,數(shù)據(jù)本質(zhì)上是“新軟件”。沒有正確的數(shù)據(jù),人工智能將無法產(chǎn)生想要的結(jié)果?!?/p>