對于人工智能和機器學習在醫(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，人工智能和機器學習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)建過機器學習算法。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方面也擁有相當廣泛的背景。

去年，當區(qū)塊鏈技術(shù)隨意蔓延的時候，我認為在醫(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、機器學習和區(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、機器學習、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。

什么是人工智能？

首先，簡單闡明一下人工智能的定義。就如同遠程醫(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習混為一談。事實上，很多組件都屬于人工智能的范疇，包括機器學習。憑借人工智能，機器可以模仿人類的認知功能。在這種情況下，人工智能包含了機器學習、自然語言處理（NLP）和“推理”。在機器學習技術(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。可以教會機器學習和辨別物體。例如，可以部署編碼來標識不同的葉子，每片葉子都有數(shù)據(jù)元素區(qū)分符，可幫助計算機“學習”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)，對算法進行培訓以確保它們的相關(guān)性。對計算機糟糕的“訓練”和糟糕的數(shù)據(jù)輸入會導致糟糕并且/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，導致了結(jié)果出乎意料地不準確。同樣，糟糕或錯誤的輸入和糟糕的算法也會導致糟糕的輸出。

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“學習”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“學習”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。“在2018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。”[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)方面面臨下行風險的責任制醫(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)風險，確定哪些醫(yī)生傾向于理所當然地轉(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，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]。

人工智能將推動醫(yī)療保健行業(yè)的成功

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。

[iii] 人工智能全球采用趨勢和策略，IDC，2019年7月