<small id='Gb9Sg'></small> <noframes id='ImCA6EG'>

  • <tfoot id='6mgUB1'></tfoot>

      <legend id='157Y'><style id='jD4BZFgpaN'><dir id='407N5FcRDP'><q id='qkU0tRpEuf'></q></dir></style></legend>
      <i id='7ieIWB'><tr id='T0E8sYj'><dt id='k9KAe'><q id='s4GcqBI2R'><span id='is1aSDV'><b id='O84DefU'><form id='fGVB2z'><ins id='xZOgq'></ins><ul id='TD6PAfH9W'></ul><sub id='jevItnNf'></sub></form><legend id='u5rJGmxR4k'></legend><bdo id='qKwS'><pre id='hLgOM'><center id='7gpAFS6'></center></pre></bdo></b><th id='w87yAWYqv'></th></span></q></dt></tr></i><div id='eBJ3x1SI'><tfoot id='eLfSRma7OH'></tfoot><dl id='bkjcJO'><fieldset id='PX6MQDm8'></fieldset></dl></div>

          <bdo id='ET3LcMusb9'></bdo><ul id='s5viJ4deO'></ul>

          1. <li id='Ez3glq'></li>
            登陆

            1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新

            admin 2019-05-18 215人围观 ,发现0个评论

            更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)

            医疗保健利益相关者大都参加了人工智能,但该作业要取得成功有必要战胜数据整合的应战。

            很快,人工智能将成为医疗保健数据剖析范畴最受欢迎的论题。

            好像就在一瞬,人工智能在支撑成像剖析、临床决议方案支撑、运营功率和前进患者预定成功率方面取得了惊人的前进。

            人工智能算法现在能够辨认出异常状况并提出主张,一同能到达与人类确诊精确度恰当的比率处理问题——在某些状况下,人工智能关于杂乱的深度学习和神经网络的研讨才干超越了本就占少量的优异的临床医师。

            在每年一度的HIMSS展览会上,人工智能从不确认的别致事物变成了展会上的遭到重视的事1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新物。

            HIMSS是评价作业老练度最重要的大会之一,而人工智能在曩昔12个月里的确火了起来。

            在2018年的会议上,EHR供货商和大数据专家向持置疑态度的观众介绍了人工智能和回答了人工智能将会对他们的曩昔和现在形成的消极影响即立异将改动人类的决议方案办法。

            供货商们想尽全部办法来缓减人们对机器人医师、医疗相关供给者大规模裁人和患者与医疗安排之间联系将变得愈加机械化的忧虑,尽力将人工智能定位为消除糟蹋、推动社会持续改进的发动机,而不是作业末日的征兆。

            从那时起,首要的处理方案供给商加入了监管安排的队伍,将人工智能作为一种竞赛优势和必然趋势加以推行,呼吁企业承受机器学习将成为日子中的一部分的实际。

            终究他们取得了巨大的成功。

            在HIMSS18上,供货商只要说他们开发了一款具有机器学习才干的新产品,就能招引十分多充溢好奇心的的人到他们的展位前进行咨询和了解。

            2019年,与会者对杂乱的数学入神不已。

            相反,他们期望对人工智能的出资,未来能够让他们沿着剖析老练度曲线,从追溯性描绘性剖析,进入洞悉性的剖析范畴:经过数据剖析及时提出可行的办法来进行干涉或许的作业,然后阻挠未来作业的发作。

            关于那些火急期望能协助供给者掌握机器学习的供货商来说,大众言论的改变起着活跃的效果。

            尽管对人工智能的争议正在完毕,但在人工智能真实能被许多投入运营前,还面对着另一个应战:人工智能在实际国际被有用运用之前,需求运用许多洁净、完好、及时的数据进行学习、训练和验证。

            发明一个活动的、可拜访的数据聚合环境能让人工智能取得高速展开,这意味着需求全面修订从根底设施规划到商业事例中信息同享的服务。

            跟着人工智能在社会展开中的价值呈现改变,企业更乐意去处理其在展开中面对的应战,但在供给者集体能够将其真实能运用于相应的场景前,该作业仍有许多作业要做。

            大数据拼图

            Optum技能副总裁马克•莫尔希(Mark Morsch)表明,医疗保健安排已进入人工智能和高档剖析的要害性一年。Optum与付费方和供给商协作一同研讨怎样处理和取得相应的数据。

            他说:“咱们以为2019年是人工智能被选用和持续老练的重要一年。它的展开十分敏捷,特别是在深度学习和自然语言处理(NLP)范畴。”

            “我当然看到越来越多的安排从确诊和描绘性的层面提高到更具猜测性和标准性的层面,这十分1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新令人兴奋。人们开端意识到将人工智能运用于实践的应战和机遇。”

            EHR巨子Epic Sy1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新stems的剖析和机器学习主管塞斯•海恩(Seth Hain)也看到了相似的展开。

            他在承受HealthITAnalytics.com采访时表明:“对人工智能的炒作正在降温,人们开端真实的拥抱它。许多客户开端组成团队和流程,将机器学习整合到他们在展开事务中。”

            Seth Hain, Epic Systems的AI/ML主管

            来历:Xtelligent媒体

            “很快乐能看到这种改变,全部相关方都能能够开端更深化地优化临床作业流程,并将机器学习作为东西集的一部分来前进安排运营功率。”

            KPMG咨询服务事务负责人Bharat Rao博士弥补道,核算才干的前进让数据科学家能够改进他们运用的办法,并在机器学习逐步老练的根底上加以扩展。

            机器学习研讨博士Rao说:“人工智能在成像剖析等方面现已具有20多年的经历,并且现在现已做得很好。”

            “数据科学并不是真实的新技能——重要的是咱们要知道咱们现已具有多年的相关技能经历,并且咱们信赖它会起效果。技能终究并1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新不是真实的问题。”

            “真实的问题在于医疗安排是否现已做好了预备,咱们看到了这种改变。该作业对事物外表的描绘性问题有较好的掌握,但人工智能的全面愿景是解锁未被很优点理的非结构化数据中的价值,并将其与结构化信息整合,以取得猜测性而非追溯性判别。可是现在的最难的问题是要把全部的数据都会集在一个当地才干完结。”

            在医疗保健范畴,数据竖井无处不在,打破数据拜访的妨碍,一同仍坚持隐私和安全准则,是一个巨大的应战。

            五年多来,互通作性一向是HIMSS大会的一个重要的主题,尽管近年来,人们的爱好现已从数据竖井转向安排怎样处理这些数据。

            这个论题在2019年被再次提上日程,CMS发布了一份全面的路线图旨在冲击各安排之间有意图的信息阻拦,并鼓舞各相关方更广泛地同享参加的患者、人口健康办理和质量改进方面的数据。

            供货商们遍及拥护这一新蛀牙怎么办规则,特别当他们理解敞开的数据交换环境是AI成功的至关重要的要素。

            戴尔EMC Global Healthcare首席技能官戴维•戴蒙德(David Dimond)

            来历:Xtelligent媒体

            戴尔EMC全球医疗事务首席技能官、出色工程师David Dimond指出,假如能树立无空隙的纵向记载患者病况的才干,关于创立精确且可操作的AI模型至关重要。

            Dimond说:“用AI剖析一组特定的数据没有多大用途,除非你能树立一套健康记载,并对这个人的健康状况进行纵向查询剖析。当一个人的数据没有被悉数整合在一一同,你怎样才干全面了解一个人呢?假如你的记载有缝隙,你开发的AI会有多大用途?”

            他着重:“数据聚合将成为安排当时的首要任务。”

            “咱们有太多的片段数据被运用到不同的人工智能产品,企业也没有相应的战略能将全部的数据整合到一同去完善他们想完结的作业。”

            处理碎片化数据国际的杂乱性

            医疗保健范畴关于患者碎片化数据的忧虑早已成为陈词滥调的作业。企业一向知道假如想在大数据环境中取得成功,就有必要需求改进数据存储和仓储体系结构。

            2017年,埃森哲(Accenture)的一项查询发现,超越80%的医疗作业高管已开端着手创立一个会集的数据渠道,以支撑人工智能方案。

            82%的受访者以为,现代健康信息范畴的优异领导者将取决于他们怎样规划出较好的能进行大规模信息剖析的无缝、互操作环境。

            可是,与大多数健康IT项目相同,处理这个问题说起来简单做起来难。全部好像都与曩昔惯例的健康体系各走各路。

            巴拉特拉奥博士,毕马威会计师事务所负责人

            来历:Xtelligent媒体

            曩昔的医疗体系、EHR决议方案、从下而上处理完好性数据所需的时刻和金钱的缺少,以及潜在相关数据源的混合,这些都添加了开发这些无竖井生态体系的难度。

            Dimond说:“咱们有几十种不同的临床级和顾客级设备、运用程序和东西,它们发作的数据或许都十分有价值,但许多设备都将数据发送到不同的当地。”

            “有些数据你知道在哪里,但大多数你不知道,由于它现存在某个特定的专有的云体系内。”

            “咱们一向在议论消费级设备和物联网设备对咱们了解诊所外发作的作业的了解有多大协助,但假如咱们无法取得这些数据来协助咱们进行决议方案。”

            即便部分已知数据在理论上是可拜访的,可是原始数据的紊乱、不标准和多样性使得它并不契合大多数安排所需的高档数据办法。

            Optum的Morsch说:“医疗记载中的大部分数据都对错结构化的,特别是当你查看传真和运用图表检索输出时,数据会十分紊乱。咱们称它为‘纸巾卷’——这仅仅一堆巨大的数据量乃至包含为患者制造的全部文件。”

            需求选用多层机器学习技能,才干让数据能被二次运用。首要,您有必要对数据进行辨认收拾,因而您有必要运转光学字符辨认(OCR)算法,例如,将PDF图画转换为可核算文本。然后,你有必要运用NLP从中提取有意义的元素,或许辨认出你正在寻觅的方式。”

            关于安排来说,单独将非结构化数据的数据进行结构化的第一层作业应战性就十分大,这也是阻止了许多供货商进一步推动他们的人工智能方案的原因。

            “怎样能够弥合这样的距离——然后对数据成果进行更有意义的处理——是判别技能供给商实力的重要依据,这也应该是客户在规划项目时有必要考虑的问题。”

            关于Optum将NLP与深度学习相结合,能够协助其Case Advisor软件的用户简化图表审理流程。

            Morsch解说说:“有如此多的数据需求查看,供货商不得不有挑选性地查看他们需求的内容。尽管这并不能让一个安排能全面了解他们的临床组合,或许添加任何收入。”

            “深度学习本质上能够为你查看每一个事例,然后它能够辨认出某些特别事例,这些事例或许是人类专家进行额定查看的最佳挑选。”它支撑恰当的自动化,并且能够转换成可用于编码和收拾出契合要求的事例的进程。但首要你有必要有数据。”

            Hain认可每个安排都需求一个强壮的技能协作同伴来协助他们推动人工智能来取得可衡量的成果。

            他说“有思维的机器学习的要害应战之一是技能组合还没有彻底到位。这不是传统安排所能承当的人物。因而,运用咱们的经历协助他们学习怎样树立有用的团队是咱们重视的要点。”

            Hain表明Epic正在构建机器学习模型库以便利供货商能够选用这些模型来满意他们的特定需求,然后降低了有必要在内部具有许多数据资源的门槛。

            “需求了解当时的作业流程,找出改进作业流程的机遇,然后开端将机器学习运用到处理这些问题上。”

            “但为了成功,他们有必要环绕这个问题拟定一个切实可行的结构。你不能为了AI而具有AI。当它为终究用户带来可衡量的优点时,无论是临床医师仍是患者都会认可它,并在医疗下流发作影响。”

            KPMG健康与政府处理方案部分负责人拉里•伯内特(Larry Burnett)表明,将灵敏、有用的安排战略、聚合的数据和人工智能算法结合起来,能够协助安排处理医疗保健体系的杂乱性问题,而不是被问题所吞没。

            他断语,“让机器学习是一件令人兴奋的作业,由于它能够将数千个变量集成到一个核算中。”

            毕马威(KPMG)负责人拉里•伯内特(Larry Burnett)

            来历:Xtelligent媒体

            例如,Scheduling是一个很好的运用程序。曩昔许多患者周末有必要呆在医院,由于他们在周五时无法预定上导尿管实验室查看,或由于医院机器服务时刻被排得太满而无法做超声心动图。”

            “假如医师迟到或撤销预定,患者的确诊时刻将会变得不确认且无法展开,需求运用正确的设备,或许护理人手缺少……任何一种状况都或许导致患者的确诊呈现严峻的延误。”

            Burnett说,机器学习十分杂乱,能够考虑到全部变量,它能够为人员配备、日程安排或重新分配资源供给有用的主张。

            “人类无法像人工智能那样有用地优化这些事物。人工智能十分擅长于研讨全部或许影响护理的要素,并敏捷辨认出可变性和调整医疗的机遇。”

            “你需求在正确的当地取得全部这些数据才干完结人工智能的有用性。一旦汇总了全部信息,人工智能能削减资源糟蹋和保证得到高质量成果的或许性就很大。”

            数据聚合开发技能根底

            关于供给商能否持续获取所需求的数据,他们需求优先拟定出根底数据架构战略,在维护隐私和安全的一同能进行数据聚合。

            HIMSS18的与会者简直花了整整一周的时刻专心于僚机诶怎样运用云存储和云核算来支撑下一代数据剖析,这一点会贯穿2019年的整个会议。

            KPMG的Rao说:“我在HIMSS作业了20年,上一年第一次看到的云核算让我兴奋不已。并且本年出资者对云核算的爱好越来越大,首要是以下多个原因:

            “首要,云服务在咱们日常日子中随处可见,这些数据终究都将被运用于医疗范畴。其次,由于企业都期望进入人工智能范畴,他们意识到云服务是完结所需数据聚合的最佳办法,所以他们都乐意将可用的根底架构数据放在这儿。”

            云服务供给商一向在医疗作业推行其人工智能功用,而不是只局限于存储功用。

            来自谷歌和亚马逊网络服务(Amazon Web Services)等公司的预制机器学习模型和东西包,招引着更多的企业加快重视云核算这项技能,并在置疑的进程能渐渐承受和信赖该技能。

            实际上,医疗作业拥抱云核算的进程与其承受人工智能的进程并没有太大的不同

            这两项技能在起步阶段,各安排都难以承受它们,在数据的运用即怎样保证数据的安全和用户的隐私给利益相关者敲响了警钟,并且现在这两项技能正在敏捷被人们承受,成为作业展开的趋势。

            云核算和人工智能都要求安排能对这两项技能在处理无法控制的变量中具有必定的决心。

            两者都要求安排致力于全体战略规划,而不仅仅是多选用一项新技能。因而,根据云核算的办法一般成为专家对人工智能开发的首选主张。

            “你全部的数据都需求放到某个当地。很有或许,这全部都不会发作在同一个当地——作业便是这样。但你需求环绕你所做的作业拟定一个商业战略,这样即便数据终究坐落不同的当地,也能够将他们整合在一同被运用。”

            “假如企业想要展开人工智能,那么它需求考虑怎样结合云存储和云核算。假如企业从一开端就将云核算构建到数据聚合和互操作性模型中,那么企业将变得愈加强壮,并且能够将支撑机器学习模型所需的各类数据调集在一同。”

            Rao还以为,尽管安排能够在内部体系整合好他们的数据,但在不久的将来,云服务将成为支撑人工智能最重要的底层技能。

            “任何想真实运用人工智能的安排的人都有必要集成云服务,”

            “首要,不论人们会怎样想,但我以为它更安全。我乐意信赖一家在安全协议上投入数十亿美元的公司的安全性,也不肯信赖我自己,这是必定的。”

            “其次,人工智能的各项才干的提高速度远远超越了我个人的才干。尽管我能够树立一个与亚马逊、谷歌或微软恰当的数据中心,但它或许会在6个月内过期。两年后,它将落后整整于新一代人。跟上这种令人难以置信的改变速度并不是我的任务——我既没有预算,也没有追逐的时刻。”

            云核算为单个安排供给了将数据聚合到单个方位的才干——或许在多个方位轻松地链接在一同——但它也为多个安排供给了协作开发和验证机器学习模型的机遇。

            Mark Morsc1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新h, Optum技能副总裁

            来历:Xtelligent媒体

            跟着各安排开端寻求从杂乱人群中发掘出多方面数据集的价值,学术集体和作业同伴之间的联系正在变得越来越严密。微软、谷歌和亚马逊都发布了根据FHIR的东西、API和数据同享渠道,以支撑不同体系之间进行健康和科学性的协作。

            关于Epic体系,单1号平台下载安装-当人工智能逐渐老练,健康医疗将更专心于数据整合 | 硅谷最新个存储库中聚合选用Epic承载的Cosmos数据库的办法,这是EHR公司运用机器学习支撑根据依据的实践的全体愿景的一部分。

            Hain说:“规模化对人工智能十分重要。你需求必定的存储空间来寄存你捕获的平衡数据集,包含满意的元从来满意整个模型。”

            “但你还有必要保证你运用的数据是正确的,是针对特定的人群量身定制的。假如您的数据无法拜访且不会集,则无法履行其间任何一项操作。关于怎样做到这一点有许多挑选,可是怎样取得正确的数据显然是至关重要的。”

            再加上CMS要求各安排之间进行部分揭露和恰当地同享数据的压力,关于那些期望既能满意监管要求又能为人工智能医疗服务交给前做好预备的安排来说,云服务正变得越来越有招引力。

            Burnett说:“优点当然大于危险。“关于那些既能够聚合数据并能为机器学习发明适宜环境的安排来说,他们将会有各式各样的机遇运用到云服务。未来云核算是重要的东西,企业在拟定路线图时应该仔细考虑它。”

            施行人工智能的技能根底,无论是根据云的仍是根据呢部,关于答应医疗保健持续其向规定性洞见和更高层次的剖析老练度跨进的旅程,都是至关重要的。

            完结人工智能的技能根底,无论是根据云服务仍是根据相应条件的状况下,答应医疗保健体系能向更具优势的规定性洞见展开和具有更高层次的剖析才干,都是至关重要的。

            Morsch说:“咱们用机器学习能做的作业简直是无限的。现在机遇恰到优点,由于咱们用于做决议的数据量真实太大了,任何人都无法处理,并且它只会持续增长。”

            “咱们能够运用人工智能来协助供货商处理这些信息,这是令人兴奋的,但一同也有点令人感到害怕。我等待看到这个作业是怎样应对人工智能的应战,并运用人工智能为这些优异的人供给医疗服务。”

            原文链接:https://healthitanalytics.com/features/as-artificial-intelligence-matures-healthcare-eyes-data-aggregation

            原文作者:Jennifer Bresnick

            更多精彩,敬请重视硅谷洞悉官方网站(http://www.svinsight.com)

            请关注微信公众号
            微信二维码
            不容错过
            Powered By Z-BlogPHP