医疗保健AI采用的瓶颈

每个部门都有机会整合人工智能。随着人工智能将其他行业推向新的收入​​和生产力高度，医疗保健正在走慢路，谨慎行事。

如果拥有大量可能无限的数据可以更好地诊断患者并简化医疗机构的运营通信，为什么该行业不希望采用人工智能?由于行业封装的一切，过渡比大多数人想象的要复杂。

海量数据表面积

电子健康记录(EHR)涵盖无数电子领域，包括保险数据库、医疗记录和放射实验室成像。还有大量医疗笔记尚未数字化，其中包含人工智能可能认为最有洞察力的信息。然而，医疗保健行业的竞争性和机密性使这些数据无法在同一个孤岛中相遇。

链接起来既费时又费钱，而且许多独立的医疗保健机构都不愿意联合起来为机器学习算法提供信息。如果他们交出数据，他们希望得到补偿。

个人识别信息(PII)和受保护的健康信息(PHI)是脆弱的资源。在提供AI数据集时遵守健康隐私法规是一个灰色地带。相反，AI可以始终保持最新的合规性，因此谨慎的信息输入可能有助于它安全地在这条道路上航行。

然而，如果该行业能够克服这一障碍，人工智能数据集就可以了解针对当前每种医疗情况的每种已知治疗方法、处方和补救计划。该行业如何克服这种信息的大规模传播?法规是关键。

医疗保健中的人工智能几乎没有政府基准。在将时间和资源分配给这项工作时，即使是最著名的医院，有了它们也会平息一些担忧。为这些过程制定标准将是监管机构和卫生机构的共同努力。使用预测分析和增强安全性等新人工智能趋势进行试错测试需要时间，但标准将创造凝聚力和动力，同时消除行业担忧。

患者的怀疑

人工智能在行业中的使用还不够多，无法获得足够的患者反馈。在采用AI医疗保健的早期阶段，无法判断患者对提供诊断或康复计划的人工智能有何反应。一些专家认为，将要求人类医生成为这种信息传递的代言人。

尽管人工智能由于其不断更新的数据库而可能比人类医生更准确，但人们还没有热衷于一个技术取代他们的世界。人工智能不会让医生过时——人类的影响总是可以为其决定提供第二意见。

此外，人们将在实施后通知和微调AI以确保效率和准确性——这将克服医疗保健AI被过多数据淹没的相关障碍。人为监督将管理数据缩放和输入，以确保没有虚假、过时或不必要的信息导致决策有偏见或误导。如果医生将此传达给患者，患者可能会感觉更舒服。

研究人员必须增加AI对患者的接触，以衡量反应和信任能力。只有通过互动，他们才能看到潜力——减少等待时间、加快处方开具速度、提高诊断准确性和更平衡的人员配置以最大程度地减少倦怠。这可能特别有益，因为36%的看护者表示他们的工作压力很大。

使用AI削减开销可以促进中低端医院的发展，因为它们可以节省无数美元的开支。这将使他们能够投资于更多的专家员工和更好的设备，以推动他们进入更好的医疗保健的新未来。如果患者看到积极的变化在他们面前展开，这些副作用可能会改变他们的想法。

人工智能决策的未知数

尽管人类知道他们将哪些数据输入人工智能来为决策提供信息，但人工智能可以预测或做出仍然会带来惊喜的假设。程序员和工程师的存在是为了解释技术方面，但人工智能如何连接其数据点之间的点在某种程度上仍然是模糊的。

这个概念被称为可解释性。问题是，如果临床医生无法理解他们是如何找到解决方案的，他们如何与人工智能合作，特别是如果人类从未想过历史上的答案。医疗保健领域的人工智能可以开始建议治疗人们无法解决的疾病。它还可以识别趋势或症状，进行超出人类感知范围的诊断飞跃。

研究人员想要揭示这是如何运作的，以及医疗专业人员如何在保持健康的怀疑态度的同时与AI资源建立牢固的关系。如果人类无法弄清楚人工智能是如何得出不可能的解决方案的，那么机构如何可靠地实施它?进一步的研究将通过阐明AI处理来解决这个瓶颈。

然而，另一种与研究相结合的解决方案是改写人类对人工智能的看法和假设。AI可以做出错误的等效和确定，但它做出准确预测的能力并非没有根据——多年的人类研究和贡献为医疗保健AI提供了信息。一旦这种认识变得常态化，人工智能在健康领域的采用就会变得更加无缝。

医疗保健中对人工智能的抵制

采用像AI这样具有创新性和行业变革性的基础设施将彻底改变卫生从业者对该领域的看法。每一次技术变革都需要积极主动、乐观的讨论，以阐明它将如何使该行业及其患者受益，同时尽可能避免障碍和法律问题。

存在巨大的犹豫是因为没有人愿意遇到潜在的巨大争议和实施人工智能的艰巨努力。然而，如果使用得当，人工智能可以更有效、更准确地将医疗保健带入一个关爱人类的新时代，从而提高全球患者和员工的生活质量。