海湾合作委员会各国政府在医疗保健方面的支出正以天文数字的速度增长。根据一份报告，该地区2016年的贸易总额为24亿美元，2021年增长到300多亿美元，预计今年将超过1040亿美元报告来自阿联酋经济部。这在很大程度上可以归因于2019冠状病毒病危机期间数字转型的加速。有明显的信号表明，在未来几年，技术投资将继续在医疗保健投资中占很大一部分。一个估计在接下来的十年中，仅人工智能在海湾合作委员会医院支出中所占的份额就达到30%。
人工智能在医疗保健领域有广泛的应用，其中没有一个涉及机器人医生或机器人护士。连接的医疗设备、可穿戴设备、管理自动化和医疗决策系统中的认知机器支持只是几个例子。但是，尽管人工智能在医疗保健方面有很多用途，但在广泛采用方面仍面临障碍。以下是其中的三个:
信任
虽然这适用于整个行业的人工智能采用，但很容易看出，它在医疗服务领域的应用更加广泛。这种担忧并非没有根据。机器学习模型的好坏取决于训练它们的数据。扭曲的数据导致扭曲的模型和不良的结果。在医疗保健领域，这不仅会导致身体伤害，还会导致护理人数不足或服务不足群体的不公平。
这就是员工培训至关重要的地方。任何大规模采用人工智能的组织都必须经历文化变革，利益相关者必须确保解决方案的设计者、实现者、测试者和用户意识到所有潜在的失误。信任也可以通过透明度来增强，即人工智能系统向所有人公开其逻辑链。今天的许多人工智能工具箱都带有“可解释性”功能和反偏见措施，使训练有素的用户能够在解决方案中建立信任，并使其增加价值。
用例选择
决定从哪里开始使用人工智能，尤其是在关注信任的情况下，可能很棘手。人们会倾向于坚持速战速决，但这可能并不适用于所有组织。一个精心设计和迫切需要的雄心勃勃的项目也同样值得考虑。只要决策者和项目经理能够平衡AI用例的标准度量和基于价值的护理的kpi(众所周知，ROI很难确定)，项目就能产生足够的成果。
一些明显的医疗保健用例包括人员配置和资源规划、医疗索赔账单中的ai辅助编码、患者风险和护理提供模型以及用于改进临床决策支持系统的医疗成像分类。主要的焦点必须是过程效率、生产力、风险管理、基于价值的护理和决策支持。
要记住的主要指针是“谁”、“如何”、“为什么”、“什么”、“在哪里”和“何时”的问题。谁会受益?项目将如何增加价值，如何衡量价值?为什么AI ?成功的好处和失败的后果是什么?数据在哪里;它存在吗?我们什么时候能看到一个原型，一个真实的系统和切实的结果?
数据的可用性和保密性
医疗保健行业并不缺乏数据，但其中很多数据是非结构化的，这带来了更多挑战。全球设备的爆炸式增长保证了越来越多的健康相关数据将唾手可得。这些数据需要被存储起来并形成可用的格式。然后，当人工智能算法最终被释放出来时，监管限制可能会降低其质量，并对可操作见解的交付产生更多障碍。与此同时，网络安全专业人士将需要想出保护数据和使用数据的系统的方法。
GDPR和管理健康数据收集和使用的阿联酋2019年第2号联邦法等隐私标准限制了数据的个性化。使用匿名数据可能会给出不完整或不准确的结果。然而，有了合适的AI平台，可以通过数据沿袭的可见性使合规变得更容易，同时在适当的情况下增加对实时使用的限制，以及匿名和假名。
然而，即使在有大量可用数据的理想情况下，也不能保证成功。例如，计算机视觉需要充分标记的医学成像数据，但这种标记可能是资源密集型的，而且成本高得令人望而却步。这通常会排除使用监督学习的可能性，而监督学习是实现价值的更直接途径。但幸运的是，一些现代AI平台包括协作管理标签系统，允许团队高效地生成大量高质量的标签数据。
治理拯救世界
由于进入的大多数障碍都是基于人的或涉及流程的，所以治理可以帮助克服这些障碍。这将使人工智能在整个地区的医疗机构的技术套件中占有一席之地。应该注意的是，AI治理比数据治理更广泛，它强制执行影响设计、开发和部署的标准化规则、流程和需求。信任是良好治理的自然副产品，隐私和用例的精明选择也是如此。
或许，如今关于人工智能最广为人知的一点是，企业不能指望盲目部署人工智能来填补运营缺口。大多数评估人工智能的决策者都意识到，他们的组织必须改变文化，才能从中获益。但毫无疑问，好处是有的。在一个医疗保健增长正接近平流层比例的地区，人工智能可以成为进步机器中的一个至关重要的齿轮。
------------------------
Maged Mahmoud是Dataiku的公共部门销售主管。
