自今年年初以来，医疗计划、医疗服务提供商和分析公司利用人工智能来改变医疗服务的提供方式，以及患者如何能够更积极地参与到医疗服务中来，都有了明显的提升。

如今，医疗保健领域的人工智能应用已随处可见。来自我公司的数字健康情报数据库DamoIntel的数据表明，2020年，在临床和行政领域，人工智能用例的发布量有了显著上升。对美国50大医疗系统所部署的AI/ML应用程序的分析表明，支持AI的解决方案可分为多个技术类别：机器学习、自然语言处理(NLP)、类似聊天机器人的会话接口以及机器人流程自动化(RPA)。临床和管理领域中与COVID相关的用例也促进了新技术(如聊天机器人)在医疗领域的应用增长。

重点关注于在护理点使用人工智能解决方案的实时干预

AI支持的护理所面临的最大挑战是在护理点提供对临床工作流程的实时洞察。语音识别技术对于较低层次的任务是有效的，例如记录医患会面。然而，他们还没有能够发展成为决策支持系统，无法在诊断和治疗决策的护理点提供额外的见解。

另一方面，能够提供实时洞察的解决方案也尚未达到规模化以及被广泛采用。一个例子是斯坦福大学与Amazon合作开发的基于智能手表的COVID诊断应用程序，该应用程序会通过分析心率升高和其他的异常情况，来向疑似COVID感染的患者发出实时警报。遗传学教授兼主席Michael Snyder博士正在努力推广这一解决方案，其目的是为个人层面的健康指标建立一个持续的监测框架。他的目标是覆盖任何拥有智能手表的人。Amazon已经为全世界的数字健康创新者提供了数以百万计的云计算积分，以用于类似的诊断解决方案。

数据协作推动高级实时分析

如果说今年有一个新趋势的话，那就是数据协作。Truveta是一个由14个医疗系统组成的联盟，于2月份成立，旨在汇集所有成员系统的患者数据，以推动高级分析，改善医疗保健结果。Google也宣布了与医疗保健企业的一系列合作伙伴关系，包括Mayo Clinic，Ascension Health和Highmark。用例包括但不限于质量度量的数据分析、基准测试和管理报告。除了与Google的合作，Mayo Clinic还与AI初创公司启动了新的数据协作计划，目标是来自远程监控设备的数据。Highmark是宾夕法尼亚州的一个主要健康计划，它与特拉华州的Christiana Care建立了为期10年的合作关系，通过汇集医疗和索赔数据，以期取得更好的结果。预计会有更多的财团作为大的支付者和提供商来汇集他们的数据集，通过先进的分析见解来提高效率。

推动AI医疗保健未来发展的其他趋势

在支持人工智能的应用程序中增加创新，遵循CMS最终规则，允许患者访问其医疗信息，并与希望构建新的数字医疗产品和服务的开发人员进行共享。未来的病房将融合在护理人员、患者及其家人之间的由人工智能驱动的优越的数字化互动体验。Penn Medicine在费城的15亿美元投资就是一个例子。这个名为The Pavilion的设施拥有500个床位，病房的墙壁上装有交互式的75英尺监视器。John Donohue，实体医疗服务的副总裁，一直密切参与着这个未来病房的技术支持工作。他将由迪士尼启发的用户体验设计作为了这个正在进行的为期6年项目的一部分。来自远程监控设备的分析。AI驱动的应用程序可以接收和分析来自家庭监控设备和传感器的大量数据，这将是推动医疗保健发展的下一个阶段。随着医疗保健从医院转移到了家庭，预计未来将在分析远程传感器和监控设备的数据方面进行大量投资。Amazon最近推出的Amazon护理服务除了包括虚拟护理服务之外，还包括了家庭护理服务来作为整体套餐的一部分。Kaiser Permanente和Mayo Clinic等大型医疗系统也加入了这场游戏。他们已经宣布投资Medicaly Home，这是一家主要服务于家庭护理的科技公司。

病人现在为此做好准备了吗?

虽然支持人工智能的医疗保健技术和计算基础设施已经成熟，但支持人工智能的医疗保健的采用是由当前医疗保健生态系统中现有人员的不同准备水平以及对支持人工智能的医疗保健安全性的担忧所驱动的，特别是针对复杂的临床状况下。

患者也对AI支持的护理持怀疑态度：最近的一项研究指出，患者们发现聊天机器人具有侵入性，并对是否接受机器人的医疗建议犹豫不决。尽管支持人工智能的应用程序的管理用例可能会在短期内带来更好的投资回报。Centene于2020年收购了医疗分析公司Apixio，该公司的首席执行官Sachin Patel证实，在风险调整等金融业务中，人工智能应用的回报率为4倍至7倍。

我公司的研究表明，超过一半的医院在继续使用电子健康记录(EHR)系统来作为护理点的主要工具。新的、基于云的、支持人工智能的解决方案在无缝集成到医疗点的临床工作流程方面依然面临着挑战。对于支持人工智能的应用程序来说，互操作性问题以及医疗数据的标准化和规范化方面的问题仍然是一个重大挑战。此外，ICD、SNOMED和FHIR等标准也在不断发展，这也代表了对经主题专家验证的权威代码变更管理和数据标准化解决方案的持续需求。新出现的数据来源，如基因组数据，在用于AI应用之前，需要围绕道德和隐私设置额外的防护。

在医疗保健中关于人工智能的最后一个问题是缺乏对算法将如何在医疗保健中工作的可见性，许多人工智能应用中固有的系统性偏见也进一步加剧了这一问题。尽管人工智能技术已经取得了进步，但在一个数据集上训练的算法很难转移到另一个数据集上面，尤其是在操作数据和健康的社会决定因素在人口健康风险评估中作用增加的情况下。随着云平台开始成为了开发人工智能解决方案的主要数据存储库，对数据隐私保护的担忧也将推动人工智能工具采用所需的信任和认同。

人工智能在医疗保健领域的一个亮点是，人工智能在管理功能方面的采用步伐很快。卫生系统的主管必须主动扩大这些应用的范围，以涵盖新的操作领域，包括访问和患者参与，以提高效率和体验质量。临床领导者则必须继续谨慎地扩大人工智能应用的使用，并将注意力集中在不一定要取代人类直觉和判断的操作领域。这方面的一个例子是在Penn Medicine使用的一个人工智能优化化疗计划。

当医疗保健领导者希望加速人工智能的采用时，他们还必须仔细的权衡开发和部署人工智能解决方案所涉及的成本和收益。问题总是会回到我们可以使用从人工智能应用中获得的洞察力来做些什么。如果我们不能根据这些见解和信息来改变现状，临床领导者就必须首先质疑项目的价值和产生这些见解所需的精力。关键是要投资于我们可以看到展示结果的领域，并在此基础上进行建设。我们距离在医疗保健的核心临床方面普遍使用人工智能还有几年的时间。在此之前，我们只是继续向前推进。