醫療保健 AI：值得關注的三個趨勢

在2019冠狀病毒病大流行、心理健康危機、醫療成本上升和人口老化之間，行業領導者正爭相開發針對醫療保健的人工智慧(AI)應用。一個來自創投市場的訊號是：超過40家新創公司已經籌集了2000萬美元或更多的資金，用於為產業打造人工智慧解決方案。但人工智慧實際上是如何應用於醫療保健的呢?

「2022 年醫療保健AI 調查」對來自全球的300 多名受訪者進行了調查，以更好地了解定義醫療保健AI 的挑戰、成就和用例。這是第二次進行的調查，結果沒有顯著變化，但它們確實指出了一些有趣的趨勢，預示著醫療AI在未來幾年將如何發展。雖然這種演變的某些方面是積極的（人工智慧的民主化），但其他方面卻不那麼令人興奮（存在更大的攻擊面）。

以下是企業需要了解的三個趨勢：

一、使用無程式碼工具的人工智慧的易用性和民主化

Gartner估計，到2025年，70%的企業開發的新應用將使用無程式碼或低程式碼技術(2020年不到25%)。雖然低程式碼能夠簡化程式設計師的工作負載，但不需要資料科學介入的無程式碼解決方案將對企業和其他領域產生最大的影響。

這就是為什麼看到人工智慧使用從技術頭銜到領域專家本身的明顯轉變是令人興奮的。

對於醫療保健行業，這意味著在AI醫療保健調查中，超過一半(61%)的受訪者將臨床醫生視為其目標用戶，其次是醫療保健支付方(45%)和醫療IT公司(38%)。再加上針對醫療保健的人工智慧應用的重大發展和投資，以及開源技術的可用性，這些都預示著更廣泛的行業採用。

對於醫療保健，這意味著超過一半(61%) 的AI in Healthcare 調查受訪者將臨床醫生確定為他們的目標用戶，其次是醫療保健支付者(45%) 和醫療IT公司(38%)。這與醫療保健特定人工智慧應用的重大發展和投資以及開源技術的可用性相結合，表明行業採用更廣泛。

這一點意義重大：將程式碼交給醫療工作者，就像Excel或Photoshop等常用辦公室工具一樣，將改善AI。除了使技術更容易獲得外，它還使結果更準確可靠，因為現在坐在駕駛座上的是醫療專業人員，而不是軟體專業人員。這些變化不是一夜之間發生的，但領域專家作為人工智慧主要用戶的增加是一大步。

二、工具越來越複雜，文字越來越實用

其他令人鼓舞的發現涉及人工智慧工具的進步，以及使用者深入研究特定模型的願望。當被問及他們計劃在 2022 年底之前採用哪些技術時，調查中的技術領導者提到了資料整合 (46%)、BI (44%)、NLP (43%) 和資料註釋(38%)。文字現在是人工智慧應用中最有可能使用的資料類型，對自然語言處理 (NLP) 和資料註釋的重視表明更複雜的人工智慧技術正在興起。  

這些工具可支援重要的活動，如臨床決策支援、藥物發現和醫療政策評估。在經歷了大流行的兩年之後，隨著我們開發新疫苗並發現如何在大規模事件之後更好地支持醫療系統需求，我們清楚地知道在這些領域取得的進展是多麼重要。透過這些例子，也很明顯，醫療產業對AI的使用與其他產業有很大不同，需要不同的方法。

因此，來自成熟組織的技術領導者和受訪者都將醫療保健特定模型和演算法的可用性作為評估本地安裝的軟體庫或SaaS解決方案的最重要需求，這也就不足為奇奇了。從創投領域、市場上現有的資料以及人工智慧用戶的需求來看，特定於醫療保健的模型在未來幾年只會成長。

三、安全問題擔憂與日俱增

隨著人工智慧在過去一年中取得的所有進展，它也開闢了一系列新的攻擊媒介。當被問及受訪者使用哪些類型的軟體來建立他們的人工智慧應用時，最受歡迎的選擇是本地安裝的商業軟體（37%）和開源軟體（35%）。最值得注意的是，與去年的調查相比，雲端服務的使用量下降了

12% (30%)，這很可能是由於對資料共享的隱私問題。 

此外，大多数受访者(53%)选择依赖他们自己的数据来验证模型，而不是第三方或软件供应商的指标。来自成熟组织的受访者(68%)明显倾向于使用内部评估和自己调整模型。此外，在医疗数据处理方面有严格的控制和程序，很明显，人工智能用户希望在可能的情况下保持内部操作。

但无论软件偏好或用户如何验证模型，不断升级的医疗保健安全威胁都可能产生重大影响。虽然其他关键基础设施服务面临挑战，但医疗保健违规的后果超出了声誉和财务损失。数据丢失或篡改医院设备可能是生与死的区别。 

随着开发人员和投资者努力将技术掌握在日常用户手中，人工智能有望实现更显著的增长。但随着人工智能变得更加广泛可用，并且随着模型和工具的改进，安全、可靠和道德将成为关注焦点的重要领域。看看今年这些医疗保健领域的人工智能如何发展，以及这对行业的未来意味着什么，将会很有趣。 

以上是醫療保健 AI：值得關注的三個趨勢的詳細內容。更多資訊請關注PHP中文網其他相關文章！