人工智能在醫(yī)療保健行業(yè)中的應(yīng)用是一場馬拉松，而不是短跑,。

作者丨Jeff Gorke

編譯丨科技行者

對于人工智能和機器學(xué)習(xí)在醫(yī)療保健行業(yè)的價值和未來的看法已經(jīng)發(fā)生了很多改變,。這個行業(yè)正在蓬勃發(fā)展。與在醫(yī)療保健市場中不斷發(fā)展的區(qū)塊鏈技術(shù)一樣,，人工智能和機器學(xué)習(xí)也需要一些短期期望管理,。雖然它們的效用和價值會隨著時間的推移不斷提高，但是在現(xiàn)在這個階段,，它們還不是解決美國醫(yī)療系統(tǒng)中眾多護理和成本交付問題的靈丹妙藥,。

筆者不是人工智能程序員，不玩Python,，也從來沒有構(gòu)建過機器學(xué)習(xí)算法,。但是，我在醫(yī)療保健領(lǐng)域擁有三十年的實踐經(jīng)驗,，并且在這期間使用過信息技術(shù)系統(tǒng)和應(yīng)用程序,，例如從電子病歷（EMR）系統(tǒng)中收集高質(zhì)量的數(shù)據(jù)和結(jié)果，并且部署基礎(chǔ)分析,。除此之外,，在IT方面也擁有相當(dāng)廣泛的背景。

去年,，當(dāng)區(qū)塊鏈技術(shù)隨意蔓延的時候,，我認(rèn)為在醫(yī)療服務(wù)中要穩(wěn)妥地部署區(qū)塊鏈技術(shù)還需要等上一段時間，這是因為醫(yī)療服務(wù)交付系統(tǒng)之間還存在著巨大的差異,，同時還需要大量的輸入,，存在諸多變數(shù),。使用/部署區(qū)塊鏈技術(shù)解決特定問題需要使用共識數(shù)據(jù)集。通常來說,，人工智能技術(shù)也是一樣的,。這是說人工智能、機器學(xué)習(xí)和區(qū)塊鏈不會在未來的醫(yī)療保健行業(yè)中發(fā)揮作用嗎,？當(dāng)然不是這樣的,。我相信這些技術(shù)都將發(fā)揮重要的作用。

但是,，盡管出現(xiàn)了各種強大的IT產(chǎn)品,，在短期內(nèi)，挑戰(zhàn)仍將繼續(xù)存在,。醫(yī)療保健行業(yè)需要人工智能,、機器學(xué)習(xí)、區(qū)塊鏈和其他尖端技術(shù)改進,、協(xié)調(diào)護理服務(wù),，降低“系統(tǒng)”成本并減少冗余，并且?guī)椭_保提供可重復(fù)的服務(wù)質(zhì)量,。但很少有技術(shù)是完美無缺的,，絕大多數(shù)的技術(shù)都需要時間，才能隨著使用范圍和規(guī)模的增長不斷發(fā)展成熟,。

首先，簡單闡明一下人工智能的定義,。就如同遠(yuǎn)程醫(yī)療一樣,，人們經(jīng)常將“telehealth”和“telemedicine”兩個詞互換使用，很多人也會將人工智能和機器學(xué)習(xí)混為一談,。事實上,，很多組件都屬于人工智能的范疇，包括機器學(xué)習(xí),。憑借人工智能,，機器可以模仿人類的認(rèn)知功能。在這種情況下,，人工智能包含了機器學(xué)習(xí),、自然語言處理（NLP）和“推理”。在機器學(xué)習(xí)技術(shù)中,，機器沒有明確的指令,，但是可以推斷并確定大量數(shù)據(jù)中的模式。

“推理”是與規(guī)則結(jié)合在一起的信息存儲，可以用于演繹,。NLP是自然人類語言的處理,、分析、理解和生成,?？梢越虝C器學(xué)習(xí)和辨別物體。例如,，可以部署編碼來標(biāo)識不同的葉子,，每片葉子都有數(shù)據(jù)元素區(qū)分符,，可幫助計算機“學(xué)習(xí)”葉子的類型,。然后，隨著時間的推移,，計算機可以把橡樹葉從楓樹葉中挑揀出來,。當(dāng)然，這只是個例子,。但是除非你告訴計算機這些物體是什么以及如何對它們進行定義,，否則它對此就一無所知。輸入必須是正確的,，而且編寫算法的人必須具備解決手頭潛在問題的相關(guān)背景知識（例如橡樹葉和楓葉之間的差異）,。

這可能就會是一個麻煩。主題專家（SME）和數(shù)據(jù)科學(xué)家必須通力合作才能描述要解決的問題,，明確所需的數(shù)據(jù),，對算法進行培訓(xùn)以確保它們的相關(guān)性。對計算機糟糕的“訓(xùn)練”和糟糕的數(shù)據(jù)輸入會導(dǎo)致糟糕并且/或者是不正確的輸出,。

▲ 圖中顯示了這些組件如何在更大的“AI保護傘”下生存

不良的構(gòu)造是如何呈現(xiàn)自己的呢,？一方面，我們最近發(fā)現(xiàn)糟糕的數(shù)據(jù)輸入會導(dǎo)致糟糕的輸出,。最近很多機構(gòu)對新冠肺炎所做的各種預(yù)測都非常不準(zhǔn)確,，高估了感染率和死亡人數(shù)。雖然問題不在于人工智能本身,，但是肯定是算法,、邏輯和數(shù)據(jù)輸入存在著缺陷，導(dǎo)致了結(jié)果出乎意料地不準(zhǔn)確,。同樣,，糟糕或錯誤的輸入和糟糕的算法也會導(dǎo)致糟糕的輸出。

需要強調(diào)一下,，事實上我相信人工智能將在醫(yī)療保健服務(wù)中扮演越來越重要的角色,；這是時間和必要性的問題。關(guān)鍵在于邏輯數(shù)據(jù)的開發(fā)、構(gòu)建和參數(shù),，科學(xué)家和主題專家們（例如,，臨床醫(yī)生和醫(yī)療保健主管）必須清楚地進行溝通。無法清晰描述自身需求和輸入的主題專家們將會導(dǎo)致程序員們朝著錯誤的方向前進,，將結(jié)構(gòu)性錯誤代入算法之中,，從而有效地阻止機器“學(xué)習(xí)”正確的響應(yīng)和輸出。因此,，高質(zhì)量的輸出不僅僅需要建立在正確的算法之上（程序員的工作）,，還需要正確的輸入為機器賦能，幫助它們“學(xué)習(xí)”如何提供可行的見解和/或者做出正確的決策,。

人工智能在企業(yè)內(nèi)的失誤已經(jīng)非常嚴(yán)重,，如果你部署了一個沒有內(nèi)置所有正確輸入和參數(shù)的心臟病人工智能協(xié)議，這可能會造成生死攸關(guān)的后果,。正如我之前提到的那樣,，這個問題也在最近的《福布斯》（Forbes.com）文章（《區(qū)塊鏈技術(shù)可能（最終）會幫助醫(yī)療保健行業(yè)：但是不要屏住呼吸》,，2019年7月刊）中討論到,，人工智能混亂是存在的?！霸?018年7月,，StatNews審查了IBM的內(nèi)部文件,，發(fā)現(xiàn)IBM的Watson提供了錯誤的，有時甚至是危險的癌癥治療建議,?！?/span>[i] [ii]

話雖如此，在短期內(nèi),，小規(guī)模的企業(yè)用例可能會被證明更加容易實現(xiàn),。例如，在醫(yī)療保健行業(yè)中,，在財務(wù)方面面臨下行風(fēng)險的責(zé)任制醫(yī)療組織（ACO）可以開啟一個定義明確的項目,，專注于病患遷出。定義/要求的輸出可能是量化的ACO財務(wù)風(fēng)險,，確定哪些醫(yī)生傾向于理所當(dāng)然地轉(zhuǎn)診,，明確轉(zhuǎn)診人員的來源和去向。這樣一個特定的用例,，具有明確定義的結(jié)果/目標(biāo),，因為具備可操作性。

可以說,，在醫(yī)療保健行業(yè)中,，“輸出”比在小部件制造行業(yè)中要重要得多。此外， IDC的一項調(diào)查顯示,，四分之一的公司表示他們實施的人工智能項目中,，失敗率接近50% [iii]。

人工智能在醫(yī)療保健行業(yè)中的使用和價值將會繼續(xù)增長,。無論是針對疾病狀態(tài),、企業(yè)收入周期的現(xiàn)金流或者基于價值的護理計劃的預(yù)測分析，人工智能都將大有用武之地,。

具體來說,，人工智能技術(shù)在醫(yī)療保健行業(yè)中增長的成功因素可能包含但不限于以下幾點：

• 合理、定義清晰的業(yè)務(wù)用例（不要想一口吃成個胖子）
  

• 業(yè)務(wù)專家和數(shù)據(jù)科學(xué)家之間清晰溝通預(yù)期產(chǎn)出
  

• 正確,、干凈的數(shù)據(jù)
  

• 模型的可擴展性
  

所以,，人工智能在醫(yī)療保健行業(yè)中的前景可以說一片光明。但是這種技術(shù)的應(yīng)用是一場馬拉松,，而不是一場短跑,。