Apabila AI generatif memenuhi penjagaan kesihatan

Walaupun ia mengandungi tenaga yang besar, kami masih perlu menganalisis dengan teliti senario aplikasi terbaik untuk mencari platform yang sesuai untuknya. Ini adalah benar terutamanya dalam penjagaan kesihatan - bidang yang dikenali sebagai lambat untuk berubah, di mana sebarang penggunaan tergesa-gesa teknologi baru muncul boleh menimbulkan risiko yang besar. Anda mungkin masih ingat bahawa IBM Watson, yang menarik banyak perhatian dalam beberapa tahun kebelakangan ini, pernah mendakwa dapat mendiagnosis kanser kompleks, tetapi ini sebenarnya tidak berlaku. Akhirnya, Big Blue menjualnya pada harga yang rendah tahun lepas.

Jadi dari segi penjagaan kesihatan, kami juga boleh menggunakan kaedah lima langkah mudah untuk menilai sumbangan yang boleh dibuat oleh AI generatif:

1 Dari perspektif teknologi yang boleh membantu menyelesaikannya Mulakan dengan masalah dan fikirkan AI generatif yang bagus.

2. Cari keseluruhan kawasan di mana masalah ini wujud.

3 Memahami motivasi dan halangan untuk menggunakan AI generatif dalam kes penggunaan teras, termasuk perkara yang orang perlu meninggalkan pendekatan lama sebelum menerima pendekatan baharu.

4. Buat penilaian keutamaan berdasarkan dinamik perniagaan.

5 Pemahaman luas tentang faktor yang diperlukan untuk membina penyelesaian lengkap, termasuk teknologi, perundingan aliran kerja, pendidikan pesakit, dsb.

Untuk menggunakan pendekatan ini pada penjagaan kesihatan, pertama sekali kita perlu jelas tentang perkara yang kita nilai—bukan pembelajaran mendalam yang boleh mentafsirkan pengimejan perubatan atau set data kesihatan populasi. Usaha ini sudah pun dijalankan. Di samping itu, kami tidak mempertimbangkan aplikasi mudah AI dalam senario tertentu, seperti pelantikan diagnostik. Hanya ada satu fokus di sini, AI generatif dan perkhidmatan penjagaan kesihatan yang sedang berkembang.

Pertama sekali, apakah masalah yang boleh diselesaikan oleh AI generatif? Terdapat banyak jawapan, tetapi untuk memastikannya mudah, kita boleh memberi tumpuan kepada empat daripadanya: 1) Mentafsir data tidak berstruktur 2) Mentafsir data dengan cara yang koheren 3) Melibatkan orang dalam perbualan 4) Menjana idea baharu;

Kedua, apakah keseluruhan bidang yang sepadan dengan soalan ini? Bermula daripada empat perkara di atas, kita boleh sepadan dengan contoh berikut:

1) Mentafsir data tidak berstruktur: meringkaskan fakta utama yang dinyatakan dalam penerangan diagnostik dalam rekod perubatan elektronik, memerlukan syarikat insurans perubatan menyediakan pra -kebenaran, dan menyediakan pra-kebenaran dalam corak Ekstrak klinikal daripada data percubaan, seperti mencari persamaan antara hasil yang dilaporkan pesakit atau kegagalan rawatan.

2) Mentafsir data dengan cara yang koheren: Menyediakan perkhidmatan pelanggan, mendiagnosis dan membangunkan pelan rawatan untuk syarikat insurans kesihatan.

3) Libatkan orang dalam perbualan: Tangkap data saringan (cth., adakah pesakit berasa selamat di rumah?) dan berikan terapi bercakap untuk isu kesihatan yang kurang sensitif.

4) Jana idea baharu: Gunakan set data proteomik dan genomik untuk menemui bahan aktif baharu dan beberapa keberkesanan baharu terapi sedia ada.

Ketiga, apakah motivasi dan halangan untuk menerima pakai teknologi baharu. Isu ini berkemungkinan secara langsung menentukan sama ada kes penggunaan tertentu benar-benar boleh dilaksanakan. Contohnya, sehingga AI generatif diluluskan oleh FDA sebagai peranti perubatan, tiada syarikat boleh menggunakan AI untuk menyediakan diagnosis atau pelan rawatan yang jelas untuk pesakit A.S.. Walau bagaimanapun, prospek pasaran mungkin berubah pada masa hadapan. Memandangkan ramai doktor sudah terharu dengan permintaan pesakit, mungkin melonggarkan keperluan kawal selia dengan sewajarnya adalah cara ke hadapan untuk pembangunan mampan. Di samping itu, bahagian analisis ini juga boleh membantu mengenal pasti kawasan yang sesuai untuk inovasi pantas (kawasan yang mempunyai kebergantungan rendah, permintaan tinggi dan risiko rendah/kos penukaran). Sebagai contoh, terapi bercakap yang asalnya dibiayai sendiri kini dijangka akan dilakukan oleh AI.

Keempat, tentukan keutamaan pelaksanaan dalam pasaran berbeza berdasarkan dinamik perniagaan. Isu ini terlalu kompleks untuk dibincangkan secara mendalam dalam artikel ini. Tetapi secara umum, kita boleh membuat pertimbangan berdasarkan faktor seperti ekonomi individu/skala, saluran pasaran, proses jualan dan intensiti persaingan.

Akhir sekali, lihat secara meluas penyelesaian lengkap. Beberapa teknologi baharu berpotensi merevolusikan amalan kerja jangka panjang seperti AI generatif. Sebagai contoh, penggunaan meluas AI generatif mungkin memerlukan latihan pelanggan dan penubuhan ekosistem produk pelengkap. Selain itu, AI generatif juga boleh membantu membezakan produk di pasaran apabila pesaing meniru teknologi perubatan asas tertentu.

Ringkasnya, jika anda berada dalam industri penjagaan kesihatan atau sains hayat, anda juga boleh mencuba pelbagai cara untuk meneroka nilai AI generatif. Dan bukannya hanya bermula dengan teknologi, kami mungkin juga memberi tumpuan kepada cabaran keseluruhan yang dibawa oleh ini dan berfikir secara makroskopik tentang jenis penyelesaian yang kami perlukan. Kemudian kami akan mengkaji kaedah pelaksanaan berdasarkan ini untuk melihat sama ada, sebagai tambahan kepada AI generatif, terdapat sebarang penyelesaian matang dengan ambang yang lebih rendah yang boleh membawa kesan yang serupa.

Dalam bidang penjagaan kesihatan, AI generatif peringkat perusahaan menghadapi lautan biru yang luas. Metodologi lima langkah yang disebutkan tadi sudah cukup untuk menunjukkan peluang kaya yang terkandung di dalamnya. Jadi walaupun dalam industri tradisional konservatif seperti penjagaan kesihatan, perubahan yang mengganggu akan berlaku dengan cepat.

Atas ialah kandungan terperinci Apabila AI generatif memenuhi penjagaan kesihatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!