QQ在线
企业（yè）微信（xìn）
资（zī）讯
425认清在医疗保健中实（shí）施（shī）人（rén）工智能(AI)所面临的挑战，可以帮助医疗保健提（tí）供者制定（dìng）适当（dāng）的策略并以无风险的方式快速（sù）实施创新的解决方案。
人工（gōng）智能正在以多种方式改（gǎi）变医（yī）疗保健。医疗保健组织正在实施（shī）用于机器人手术（shù）、护理帮助、准确（què）诊断和精（jīng）密（mì）药物的AI。实际上，毕马威会计师事务所(KPMG)进行的一（yī）项调查（chá）显（xiǎn）示，有53%的高管认为医疗保健在采用AI方面处于领（lǐng）先地位。
尽（jìn）管（guǎn）在采用AI方面处于领先地位，但并非所有医疗保（bǎo）健（jiàn）组织都已实施（shī）AI。部署AI解决方案时面临的挑战（zhàn）仍使一（yī）些医疗保健组织（zhī）无法充分利用AI技术。在这种情（qíng）况下，医疗保健企业有（yǒu）必要了解（jiě）医疗（liáo）保健及其解决方案中的AI挑战。
解决医疗保健中的人工智能挑战
要解决医疗保健中（zhōng）AI实施方（fāng）面的（de）挑战，必（bì）须意识到（dào）这些（xiē）挑战（zhàn）。一旦卫生组织意识到了挑战，便可以更好地找到克（kè）服挑战的方（fāng）法。
医疗保健中（zhōng）的5种人工（gōng）智能实施挑战
收集数据
人工智能系（xì）统需要（yào）大量数（shù）据。并且（qiě）收（shōu）集的数据必须来自可靠的来（lái）源。从不可靠的来源收集数据可能会对AI解决（jué）方案（àn）的输出产生不利（lì）影响。
因（yīn）此，为了获得准确的输出，医院（yuàn）必须从可靠的来源收集培训数据。他们可以从患（huàn）者的历史和当前病历中（zhōng）找到可靠的数据，因（yīn）为医疗保健中的每个患者都（dōu）是他们自身（shēn）的来源。医疗保（bǎo）健组织还需要为机器（qì）学习算（suàn）法准（zhǔn）备准确的（de）数据集。但是数据准备方面的挑战通常很难（nán）克服。
因此，毫不奇怪的是，有96%的组织因为成功实现AI而遇到数据相关的问题阻碍。为了准备精确（què）的数（shù）据集，医院（yuàn）需要尽早确定所需的结果（guǒ）并相（xiàng）应（yīng）地准备数据。医（yī）疗保健组（zǔ）织还需要确保数据（jù）与（yǔ）构建（jiàn）过程一致（zhì）。他们可以通过清除数据以使丢失的值最小化并消除不相关的数据来使其数（shù）据兼容。
保持合（hé）规
每（měi）个患（huàn）者都是可靠（kào）的数据来源。但是，如果（guǒ）这（zhè）些来源拒绝提供其数据（jù）来（lái）构建AI系统怎么办（bàn）？没（méi）有人（rén）希望他们的数据被（bèi）用于（yú）非法目的。为了（le）避免这种情况（kuàng）并在患者之（zhī）间建立信任（rèn），政府和领（lǐng）先（xiān）的医疗保健（jiàn）组织制定了每（měi）家医院都必须遵守（shǒu）的（de）法（fǎ）规（guī）。
例如，通过了《医疗保健信（xìn）息携带和责任法案（àn）》(HIPAA)，以强制执（zhí）行机（jī）密处（chù）理患者数据的标准。另一个例子是《经济和临床健康卫生信息技术法案》(HITECH)，该法案旨（zhǐ）在标准化当（dāng）今数字时代中（zhōng）电子健（jiàn）康（kāng）记录(EHR)的维（wéi）护。这种监管行为使患（huàn）者可以（yǐ）随意共享（xiǎng）其数（shù）据，这些数（shù）据可用于训练（liàn）AI系统。
医疗保（bǎo）健（jiàn）组织（zhī）还需要确（què）保收集（jí）的数据（jù）受到（dào）保护，以增强（qiáng）隐（yǐn）私和安（ān）全性。但是，在当今世界，我们经常听（tīng）到有（yǒu）关（guān）网络安全漏洞的消息，保护数（shù）据安（ān）全并非易事。这也是医（yī）疗（liáo）保健组织（zhī）可以利用区块（kuài）链的地方（fāng）。
AI和区块链的融（róng）合可（kě）以（yǐ）共同革新许多行业，医疗保健是这些行（háng）业之一。区块（kuài）链将确保安全传输（shū）和存储患者数据，以（yǐ）增强隐私和安（ān）全性。它还将为患者提供透明性，以（yǐ）便他们可以查看其数据的（de）存（cún）储位置和使用（yòng）方式。
