Quand l’IA générative rencontre la santé

Bien qu'il contienne une énergie énorme, nous devons encore analyser soigneusement les meilleurs scénarios d'application pour lui trouver une plateforme idéale. Cela est particulièrement vrai dans le domaine de la santé, un domaine connu pour sa lenteur à évoluer, où tout déploiement précipité de technologies émergentes peut présenter d’énormes risques. Vous vous souvenez peut-être qu'IBM Watson, qui a beaucoup retenu l'attention ces dernières années, prétendait autrefois être capable de diagnostiquer des cancers complexes, mais ce n'est pas vraiment le cas. Finalement, Big Blue l’a vendu à bas prix l’année dernière.

Donc, en termes de soins de santé, autant utiliser une méthode simple en cinq étapes pour évaluer la contribution que l'IA générative peut apporter :

1 Commencez par les problèmes que la technologie peut aider à résoudre et déterminez ce que l'IA générative peut faire. De quoi bien faire.

2. Recherchez la zone globale où ces problèmes existent.

3. Comprendre les motivations et les obstacles à l'utilisation de l'IA générative dans les cas d'utilisation principaux, y compris les anciennes approches que les gens doivent abandonner avant d'adopter de nouvelles solutions.

4. Évaluez les priorités en fonction de la dynamique de l'entreprise.

5. Comprendre globalement les facteurs nécessaires à la création d'une solution complète, y compris la technologie, le conseil en matière de flux de travail, l'éducation des patients, etc.

Pour appliquer cette méthode au domaine de la santé, il faut d'abord préciser que l'objet de notre évaluation n'est pas l'apprentissage profond capable d'interpréter l'imagerie médicale ou des ensembles de données sur la santé des populations. Ces efforts sont déjà en cours. De plus, nous n’envisageons pas de simples applications de l’IA dans des scénarios spécifiques, tels que des rendez-vous de diagnostic. Il n’y a qu’un seul objectif ici : l’IA générative et les services de santé émergents.

Tout d’abord, quels problèmes l’IA générative peut-elle aider à résoudre ? Il existe de nombreuses réponses, mais pour faire simple, nous pouvons nous concentrer sur quatre d'entre elles : 1) Interpréter les données non structurées ; 2) Interpréter les données de manière cohérente ; 3) Engager les gens dans une conversation ; 4) Générer de nouvelles idées ;

Deuxièmement, à quels domaines globaux correspondent ces questions ? À partir des quatre points ci-dessus, nous pouvons correspondre aux exemples suivants :

1) Interpréter les données non structurées : résumer les faits clés exprimés dans la description du diagnostic dans le dossier médical électronique, exiger de la compagnie d'assurance maladie qu'elle fournisse une pré-autorisation, et l'extraire des données des essais cliniques. Modèles, tels que la découverte de points communs entre les résultats rapportés par les patients ou l'échec du traitement.

2) Interpréter les données de manière cohérente : Assurer le service client, diagnostiquer et élaborer des plans de traitement pour les compagnies d'assurance maladie.

3) Engagez les gens dans la conversation : capturez les données de dépistage (par exemple, le patient se sent-il en sécurité à la maison ?) et proposez une thérapie par la parole pour les problèmes de santé moins sensibles.

4) Générez de nouvelles idées : utilisez des ensembles de données protéomiques et génomiques pour découvrir de nouveaux ingrédients actifs et une nouvelle efficacité des thérapies existantes.

Troisièmement, quels sont les motivations et les obstacles à l'adoption de nouvelles technologies. Ce problème est susceptible de déterminer directement si certains cas d’utilisation peuvent réellement être mis en œuvre. Par exemple, jusqu’à ce que l’IA générative soit approuvée par la FDA en tant que dispositif médical, aucune entreprise ne peut utiliser l’IA pour fournir un diagnostic clair ou un plan de traitement aux patients américains. Toutefois, les perspectives du marché pourraient changer à l’avenir. Étant donné que de nombreux cliniciens sont déjà submergés par la demande des patients, un assouplissement approprié des exigences réglementaires constitue peut-être la voie à suivre pour le développement durable. En outre, cette partie de l’analyse peut également aider à identifier les domaines propices à une innovation rapide (zones présentant de faibles dépendances, une forte demande et de faibles risques/coûts de changement). Par exemple, la thérapie par la parole, initialement autofinancée, devrait désormais être réalisée par l’IA.

Quatrièmement, déterminez la priorité de mise en œuvre sur différents marchés en fonction de la dynamique commerciale. Cette question est trop complexe pour être abordée en profondeur dans cet article. Mais en général, nous pouvons porter des jugements basés sur des facteurs tels que les économies individuelles/d’échelle, les canaux de marché, les processus de vente et l’intensité de la concurrence.

Enfin, jetez un œil à la solution complète. Peu de nouvelles technologies ont le potentiel de révolutionner les pratiques de travail à long terme comme l’IA générative. Par exemple, l’adoption généralisée de l’IA générative peut nécessiter une formation des clients et la mise en place d’un écosystème de produits complémentaires. En outre, l’IA générative peut également contribuer à différencier les produits sur le marché lorsque les concurrents imitent certaines technologies médicales sous-jacentes.

En bref, si vous travaillez dans le secteur de la santé ou des sciences de la vie, autant essayer différentes manières d'explorer la valeur de l'IA générative. Et au lieu de commencer par la seule technologie, autant nous concentrer sur les défis globaux qu’elle engendre et réfléchir de manière macroscopique au type de solutions dont nous avons réellement besoin. Nous étudierons ensuite les méthodes de mise en œuvre basées sur celles-ci pour voir s'il existe, en plus de l'IA générative, des solutions matures avec des seuils plus bas qui peuvent apporter des effets similaires.

Dans le domaine de la santé, l’IA générative au niveau des entreprises est confrontée à un vaste océan bleu. La méthodologie en cinq étapes mentionnée précédemment suffit à montrer les riches opportunités qu’elle contient. Ainsi, même dans un secteur traditionnellement conservateur comme celui de la santé, des changements perturbateurs se produiront rapidement.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!