Как COVID-19 изменил подход индустрии здравоохранения к машинному обучению

Доктор Танудж Гупта, вице-президент Cerner Intelligence, считает, что компании, занимающиеся электронными медицинскими картами, помогают в пяти основных рабочих местах в мире здравоохранения.

Это сбор медицинской информации, быстрое обобщение этой информации, координация ухода, обеспечение возмещения расходов и принятие важных решений.

В свою очередь, он объяснил во время сеанса «вид сверху» HIMSS21 здесь во вторник, что у Cerner есть набор инструментов, которые он предлагает для выполнения этих задач.

Через пять лет или даже через 50, предсказывал Гупта, эти работы еще предстоит выполнить. Но уже, по его словам, «люди просят разные технологии для выполнения этой работы».

На панели, которую модерирует доктор Таха Касс-Хаут из Amazon Web Services, Гупта и другие лидеры отрасли объяснили, как искусственный интеллект и машинное обучение помогают вывести здравоохранение на новый уровень – и как COVID-19 сместил приоритеты для этой технологии. .

До пандемии приоритеты Медицинского центра Университета Раш были типичными для академического медицинского центра, сказал его главный аналитик доктор Бала Хота.

По сути, в мгновение ока, по его словам, вся организация претерпела трансформацию, ориентированную на гибкость.

COVID-19 стал первым случаем, когда весь Rush «жаждал цифр сверху донизу».

«Наша панель мониторинга», отслеживающая эффекты вируса, «стала чем-то распределенным по всей нашей системе», – пояснил он.

Теперь, по его словам, задача состоит в том, чтобы элегантно внести еще больше изменений в персонал, который начинает чувствовать усталость от смены.

«Я думаю, что на уровне системы здравоохранения существует много скептицизма по поводу инноваций, которые выходят слишком далеко за рамки того, на чем мы сейчас находимся», – сказал Хота. По его словам, если технология не готова к развертыванию, на ее внедрение у людей, которые просто хотят заботиться о пациентах, может потребоваться много времени.

«Преодоление этого скептицизма и предоставление зрелых решений нашим поставщикам и нашим системам – это действительно ключ», – продолжил он.

Хота взволнована тем фактом, что инструменты искусственного интеллекта и машинного обучения, которые раньше были индивидуальными решениями, теперь созрели. Rush может создавать прогностические модели, например, чтобы попытаться укрепить свою программу скрининга и связать нуждающихся пациентов с социальными услугами.

Гупта также сказал, что Сернер испытывает большой спрос на машинное обучение.

«Но это не так просто, как разработать модель, бросить ее туда, а затем отпустить», – сказал он. Модели необходимо часто калибровать, что требует времени и ресурсов.

По его словам, за восемь лет поставщик предоставил клиентам «может быть, три или четыре» клинических модели. За последний год, переместив инвестиции и построив необходимую инфраструктуру, они развернули две модели 35 раз.

«Эти цифры кажутся маленькими, но для нас они были большими», – сказал он.

В этом году команда планирует развернуть 10 моделей 350 раз.

«Мы начинаем решать эту проблему развертывания с помощью решений AWS», – сказал он.

Между тем, директор Anthem по данным и аналитике Ашок Ченнуру заявил, что компания по управлению медицинским обслуживанием «приняла ИИ».

«У нас много данных – как структурированных, так и неструктурированных», – продолжил он. «Мы сделали ставку на цифровые технологии и создаем медицинскую платформу … которая действительно использует возможности искусственного интеллекта и позволяет передавать эти данные в виде упреждающих, прогнозирующих и персонализированных аналитических данных».

Что касается будущих вариантов использования, Гупта предсказал, что телездравоохранение и удаленный мониторинг пациентов, вероятно, будут иметь большое значение, особенно когда дело доходит до использования машинного обучения для интерпретации данных, предоставленных пациентами.

Еще одно требование, по его словам, будет связано с прогнозированием.

«Системам здравоохранения необходимо заранее прогнозировать катастрофы, которые сократят предложение как рабочей, так и не связанной с рабочей силой», – сказал Гупта.

«Мы должны быть в состоянии сделать это с достаточной уверенностью. Мы делаем это с землетрясениями, мы делаем это с лесными пожарами, мы делаем это с погодой», – сказал он.