생성 AI가 헬스케어를 만났을 때

엄청난 에너지가 포함되어 있지만 이상적인 플랫폼을 찾기 위해서는 여전히 최고의 애플리케이션 시나리오를 주의 깊게 분석해야 합니다. 변화가 느린 것으로 알려진 의료 분야에서는 특히 그렇습니다. 신흥 기술을 성급하게 배포하면 큰 위험을 초래할 수 있습니다. 최근 몇 년간 많은 주목을 받았던 IBM 왓슨이 한때 복잡한 암을 진단할 수 있다고 주장한 것을 기억하실지 모르지만 실제로는 그렇지 않습니다. 결국 빅블루는 지난해 이 제품을 저렴한 가격에 팔았다.

그러므로 의료 측면에서는 간단한 5단계 방법을 사용하여 생성 AI의 기여도를 평가할 수 있습니다.

1. 기술이 해결하는 데 도움이 될 수 있는 문제부터 시작하여 생성 AI가 무엇을 할 수 있는지 알아보세요. 무엇을 잘해야합니까?

2. 이러한 문제가 있는 전체 영역을 검색해 보세요.

3. 사람들이 새로운 솔루션을 수용하기 전에 포기해야 하는 기존 접근 방식을 포함하여 핵심 사용 사례에서 생성 AI를 사용하는 동기와 장벽을 이해합니다.

4. 비즈니스 역학을 기반으로 우선순위 평가를 수행합니다.

5. 기술, 워크플로우 컨설팅, 환자 교육 등을 포함하여 완전한 솔루션을 구축하는 데 필요한 요소를 광범위하게 이해합니다.

이 방법을 의료 분야에 적용하려면 먼저 평가 대상이 의료 영상이나 인구 건강 데이터 세트를 해석할 수 있는 딥 러닝이 아니라는 점을 분명히 해야 합니다. 이러한 노력은 이미 진행 중입니다. 또한 진단 약속 등 특정 시나리오에 AI를 단순하게 적용하는 것은 고려하지 않고 있습니다. 여기에는 생성 AI와 신흥 의료 서비스라는 단 하나의 초점이 있습니다.

먼저, 생성 AI가 어떤 문제를 해결하는 데 도움이 될 수 있나요? 답변은 많지만 간단하게 설명하기 위해 1) 구조화되지 않은 데이터를 해석합니다. 2) 데이터를 일관된 방식으로 해석합니다. 3) 사람들을 대화에 참여시킵니다. 4) 새로운 아이디어를 생성합니다.

둘째, 이 질문들은 전반적으로 어떤 영역에 해당되나요? 위의 4가지 점을 토대로 다음과 같은 예에 대응할 수 있습니다.

1) 비정형 데이터 해석: 전자의무기록의 진단 내용에 표현된 주요 사실을 요약하고, 의료보험사에 사전 승인을 요구하며, 환자가 보고한 결과나 치료 실패 사이의 공통점을 찾는 등 임상시험 데이터 패턴에서 이를 추출합니다.

2) 일관성 있는 방식으로 데이터 해석: 건강 보험 회사를 위한 고객 서비스 제공, 진단 및 치료 계획 개발.

3) 대화에 사람들 참여시키기: 검사 데이터(예: 환자가 집에서 안전하다고 느끼는가?)를 수집하고 덜 민감한 건강 문제에 대해 대화 요법을 제공합니다.

4) 새로운 아이디어 생성: 단백질체학 및 유전체학 데이터 세트를 사용하여 기존 치료법의 새로운 활성 성분과 몇 가지 새로운 효능을 발견합니다.

셋째, 신기술을 채택하는 동기와 장애물은 무엇입니까? 이 문제는 특정 사용 사례가 실제로 구현될 수 있는지 여부를 직접적으로 결정할 가능성이 높습니다. 예를 들어, 생성 AI가 FDA에서 의료 기기로 승인될 때까지 어떤 회사도 AI를 사용하여 미국 환자에게 명확한 진단이나 치료 계획을 제공할 수 없습니다. 그러나 향후 시장 전망은 바뀔 수도 있다. 많은 임상의가 이미 환자 수요에 압도당하고 있다는 점을 고려하면 규제 요구 사항을 적절하게 완화하는 것이 지속 가능한 개발을 향한 길일 것입니다. 또한 이 분석 부분은 빠른 혁신에 적합한 영역(의존도가 낮고 수요가 높으며 위험/전환 비용이 낮은 영역)을 식별하는 데도 도움이 될 수 있습니다. 예를 들어, 원래 자체 자금으로 이루어졌던 대화 치료는 이제 AI가 수행할 것으로 예상됩니다.

넷째, 비즈니스 역학을 기반으로 다양한 시장에서의 구현 우선순위를 결정합니다. 이 문제는 너무 복잡해서 이 기사에서 깊이 논의할 수 없습니다. 그러나 일반적으로 개인/규모의 경제, 시장 채널, 판매 프로세스 및 경쟁 강도와 같은 요소를 기반으로 판단을 내릴 수 있습니다.

마지막으로 전체 솔루션을 폭넓게 살펴보세요. 생성 AI처럼 장기적인 업무 관행에 혁명을 일으킬 수 있는 잠재력을 지닌 신기술은 거의 없습니다. 예를 들어, 생성 AI를 광범위하게 채택하려면 고객 교육과 보완 제품 생태계 구축이 필요할 수 있습니다. 또한 생성 AI는 경쟁업체가 특정 기본 의료 기술을 모방할 때 시장에서 제품을 차별화하는 데 도움이 될 수도 있습니다.

요컨대, 헬스케어나 생명과학 산업에 종사한다면 생성 AI의 가치를 탐구하기 위해 다양한 방법을 시도해 보는 것이 좋을 것입니다. 그리고 기술만으로 시작하는 대신 이로 인해 발생하는 전반적인 문제에 집중하고 실제로 어떤 종류의 솔루션이 필요한지 생각해 보는 것이 좋습니다. 그런 다음 이를 기반으로 구현 방법을 연구하여 생성 AI 외에도 유사한 효과를 가져올 수 있는 임계값이 낮은 성숙한 솔루션이 있는지 확인합니다.

헬스케어 분야에서는 엔터프라이즈급 생성 AI가 광활한 블루오션을 맞이하고 있습니다. 앞서 언급한 5단계 방법론은 그 안에 담긴 풍부한 기회를 보여주기에 충분합니다. 따라서 의료와 같이 전통적으로 보수적인 산업에서도 파괴적인 변화는 빠르게 일어날 것입니다.

위 내용은 생성 AI가 헬스케어를 만났을 때의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!