人工智能技術(shù)在醫(yī)療保健系統(tǒng)中的應(yīng)用

（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>