認清在醫(yī)療保健中實施人工智能（AI）所面臨的挑戰(zhàn)，可以幫助醫(yī)療保健提供者制定適當?shù)牟呗圆⒁詿o風險的方式快速實施創(chuàng)新的解決方案。

人工智能正在以多種方式改變醫(yī)療保健。醫(yī)療保健組織正在實施用于機器人手術(shù)、護理幫助、準確診斷和精密藥物的AI。實際上，畢馬威會計師事務(wù)所（KPMG）進行的一項調(diào)查顯示，有53％的高管認為醫(yī)療保健在采用AI方面處于領(lǐng)先地位。

盡管在采用AI方面處于領(lǐng)先地位，但并非所有醫(yī)療保健組織都已實施AI。部署AI解決方案時面臨的挑戰(zhàn)仍使一些醫(yī)療保健組織無法充分利用AI技術(shù)。在這種情況下，醫(yī)療保健企業(yè)有必要了解醫(yī)療保健及其解決方案中的AI挑戰(zhàn)。

解決醫(yī)療保健中的人工智能挑戰(zhàn)

要解決醫(yī)療保健中AI實施方面的挑戰(zhàn)，必須意識到這些挑戰(zhàn)。一旦衛(wèi)生組織意識到了挑戰(zhàn)，便可以更好地找到克服挑戰(zhàn)的方法。

醫(yī)療保健中的5種人工智能實施挑戰(zhàn)

收集數(shù)據(jù)

人工智能系統(tǒng)需要大量數(shù)據(jù)。并且收集的數(shù)據(jù)必須來自可靠的來源。從不可靠的來源收集數(shù)據(jù)可能會對AI解決方案的輸出產(chǎn)生不利影響。

因此，為了獲得準確的輸出，醫(yī)院必須從可靠的來源收集培訓數(shù)據(jù)。他們可以從患者的歷史和當前病歷中找到可靠的數(shù)據(jù)，因為醫(yī)療保健中的每個患者都是他們自身的來源。醫(yī)療保健組織還需要為機器學習算法準備準確的數(shù)據(jù)集。但是數(shù)據(jù)準備方面的挑戰(zhàn)通常很難克服。

因此，毫不奇怪的是，有96％的組織因為成功實現(xiàn)AI而遇到數(shù)據(jù)相關(guān)的問題阻礙。為了準備精確的數(shù)據(jù)集，醫(yī)院需要盡早確定所需的結(jié)果并相應(yīng)地準備數(shù)據(jù)。醫(yī)療保健組織還需要確保數(shù)據(jù)與構(gòu)建過程一致。他們可以通過清除數(shù)據(jù)以使丟失的值最小化并消除不相關(guān)的數(shù)據(jù)來使其數(shù)據(jù)兼容。

保持合規(guī)

每個患者都是可靠的數(shù)據(jù)來源。但是，如果這些來源拒絕提供其數(shù)據(jù)來構(gòu)建AI系統(tǒng)怎么辦？沒有人希望他們的數(shù)據(jù)被用于非法目的。為了避免這種情況并在患者之間建立信任，政府和領(lǐng)先的醫(yī)療保健組織制定了每家醫(yī)院都必須遵守的法規(guī)。

例如，通過了《醫(yī)療保健信息攜帶和責任法案》（HIPAA），以強制執(zhí)行機密處理患者數(shù)據(jù)的標準。另一個例子是《經(jīng)濟和臨床健康衛(wèi)生信息技術(shù)法案》（HITECH），該法案旨在標準化當今數(shù)字時代中電子健康記錄（EHR）的維護。這種監(jiān)管行為使患者可以隨意共享其數(shù)據(jù)，這些數(shù)據(jù)可用于訓練AI系統(tǒng)。

醫(yī)療保健組織還需要確保收集的數(shù)據(jù)受到保護，以增強隱私和安全性。但是，在當今世界，我們經(jīng)常聽到有關(guān)網(wǎng)絡(luò)安全漏洞的消息，保護數(shù)據(jù)安全并非易事。這也是醫(yī)療保健組織可以利用區(qū)塊鏈的地方。

AI和區(qū)塊鏈的融合可以共同革新許多行業(yè)，醫(yī)療保健是這些行業(yè)之一。區(qū)塊鏈將確保安全傳輸和存儲患者數(shù)據(jù)，以增強隱私和安全性。它還將為患者提供透明性，以便他們可以查看其數(shù)據(jù)的存儲位置和使用方式。