在英格蘭東南部，一批服務于50萬人的醫(yī)院正在為出院的患者配備一個具有Wi-Fi功能的臂帶，可以遠程監(jiān)測一些生命體征，如呼吸頻率、含氧水平、脈搏、血壓和體溫。
作為國家衛(wèi)生服務試點計劃的一部分，該項目現在采用人工智能實時分析所有患者的數據，醫(yī)院再入院率下降了，急診室就診次數也減少了。更重要的是，開銷高昂的家庭出診需求下降了22％。從長遠來看，堅持治療計劃的人數增加到96％，而行業(yè)平均水平則為50％。
人工智能試點的目標是哈佛商學院教授和Innosight聯合創(chuàng)始人克里斯·克里斯滕森稱之為“消費無力（Nonconsumption）”的概念。它指的是那些消費者有所求，但是目前尚無實惠且方便的解決方案的機會領域。
例如，英國在涉及達特福德和格拉夫舍姆醫(yī)院的試點之前，完成患者家庭監(jiān)測需要派遣醫(yī)院工作人員每周前往患者家中作檢查，路上往返時間長達90分鐘。但是，隨著算法持續(xù)不斷地搜索數據中的警告信號，并立即向患者和專業(yè)人員發(fā)出警報，從而誕生了一種新的功能：向患者適時提供醫(yī)療保健服務，甚至在患者自己意識到有這種需求之前。
人工智能的最大優(yōu)點在于，可以用接近零的邊際成本進行準確的預測，理所當然地激起了人們將AI技術應用到醫(yī)療健康的幾乎所有領域巨大的興趣。但并非人工智能在醫(yī)療保健中的所有應用都能獲得同等的收益。此外，很少應用能夠在戰(zhàn)略上恰當地回應困擾幾乎所有健康醫(yī)療系統(tǒng)的最大問題：患者分散和利潤壓力。
以醫(yī)學成像AI工具為例，醫(yī)院在未來四年內預計每年將在此項目上花費20億美元。準確診斷從癌癥到白內障的一系列疾病是一項復雜的任務，難以量化但通常會產生重大后果。然而，該任務目前通常是大型工作流程的一部分，且由受過廣泛訓練、高度專業(yè)化的醫(yī)生執(zhí)行，而這些醫(yī)生是世界上最聰明的那部分人。
這些醫(yī)生可能需要一些額外的幫助，但是現在這個問題已經解決了。這些因素使得疾病診斷成為AI很難產生創(chuàng)造性變革的一個領域。因此，人工智能在這種環(huán)境中的應用，即使對患者的治療結果有益，也不可能從根本上改善醫(yī)療保健的實施方式，也不可能在短期內大幅降低成本。
然而，一些正在尋求醫(yī)護分散化實施的領先的醫(yī)療組織，通過部署AI技術可以做到一些以前從沒做到的事情。例如，消費者每天都會做出各種各樣的非緊急的關于健康的決定。這些決定并不值得資深臨床醫(yī)生去關注，但最終在確定患者健康方面發(fā)揮著重要作用，并最終影響醫(yī)療保健的成本。
根據世界衛(wèi)生組織的數據，和個人健康和生活質量息息相關的因素中有60％與選擇的生活方式有關，包括遵循正確服用血壓藥物的處方、鍛煉和減壓等。在AI驅動模型的幫助下，現在可以根據患者生命體征的變化，在患者整個日常過程中為其提供干預和提醒。
在家庭進行健康監(jiān)測本身并不新鮮。包括Partners Healthcare、United Healthcare和Johns Hopkins醫(yī)學院在內的一些領先機構正在開展一些活躍的項目和試點研究，并取得了積極成果。但這些嘗試尚未利用人工智能來實時地做出更好的判斷和建議。由于涉及了大量數據，機器學習算法特別適合于針對大量人群來擴展該任務的執(zhí)行。畢竟，是通過大量的數據來讓算法更加智能，從而支撐AI技術。
例如，通過部署人工智能，NHS計劃不僅能夠在英國推廣，而且還能夠延伸到國際市場。Current Health是該計劃中使用的患者監(jiān)測設備的制造商，由風險資本支持，該公司最近獲得了美國食品和藥物管理局的批準，允許其在美國試行該系統(tǒng)，目前正在紐約的西奈山醫(yī)院進行測試。這是為減少患者再入院率所作的努力的一部分，而再入院率的問題每年使美國醫(yī)院損失約400億美元。
麻省理工學院和MGH已經開發(fā)出一種深度學習模型，可以識別患者未來是否有可能患上乳腺癌。此AI系統(tǒng)學習了60,000名既往患者的數據，允許醫(yī)生用個性化方式來篩查乳腺癌篩，本質上為每位患者創(chuàng)建詳細的風險概況。
總而言之，這三條經驗與針對“消費無力”問題的解決方案相結合，有望為如何有效操控AI技術提供一條清晰的道路，特別是目前AI已經被過度熱炒。從長遠來看，我們認為人工智能的變革性收益之一是它將加深醫(yī)療服務提供者與患者之間的關系。例如，英國的試點中，病人獲得了更頻繁的主動檢查，這在以前從未發(fā)生過。在新興的以消費者為中心的醫(yī)療保健市場中，這對改善治療結果和提升客戶忠誠度都有好處。
下載文檔
