AI-trendene omformer helsevesenet

Klikk for å lære mer om forfatter Ben Lorica.

Anvendelser av AI i helsevesenet byr på en rekke utfordringer og hensyn som skiller seg vesentlig fra andre bransjer. Til tross for dette har det også vært en av lederne i å sette AI i arbeid, og utnyttet den banebrytende teknologien for å forbedre pleien. Tallene taler for seg selv: Den globale AI i størrelsen på helsevesenet forventes å vokse fra 4.9 milliarder dollar i 2020 til $ 45.2 milliarder 2026. Noen viktige faktorer som driver denne veksten, er det store volumet av helsedata og økende kompleksitet av datasett, behovet for å redusere økende helsekostnader og utviklende pasientbehov.

Dyp læringhar for eksempel gjort betydelige inngrep i det kliniske miljøet de siste årene. Spesielt datamaskinsyn har bevist sin verdi i medisinsk bildebehandling for å hjelpe til med screening og diagnose. Naturlig språkbehandling (NLP) har gitt betydelig verdi i å takle både kontraktsmessige og regulatoriske bekymringer med tekst mining og datadeling. Å øke adopsjonen av AI-teknologi av farmasøytiske og bioteknologiske selskaper for å fremskynde initiativer som vaksine- og medikamentutvikling, sett i kjølvannet av COVID-19, illustrerer bare AIs enorme potensial.

Vi ser allerede fantastiske fremskritt innen helsevesenet AI, men det er fortsatt de første dagene, og for å virkelig låse opp verdien, er det mye arbeid som skal gjøres for å forstå utfordringene, verktøyene og tiltenkte brukere som former bransjen. Ny forskning fra John Snow Labs og Gradient Flow, 2021 AI i Healthcare Survey Report, belyser nettopp dette: hvor vi er, hvor vi skal, og hvordan vi kommer dit. Den globale undersøkelsen utforsker viktige hensyn for helsevesenets organisasjoner i varierende stadier av AI-adopsjon, geografi og teknisk dyktighet for å gi et omfattende innblikk i tilstanden til AI i helsevesenet i dag.               

Et av de viktigste funnene er hvilke teknologier som er de viktigste når det gjelder AI-implementering. På spørsmål om hvilke teknologier de planlegger å ha på plass innen utgangen av 2021, siterte nesten halvparten av respondentene dataintegrasjon. Omtrent en tredjedel siterte Natural Language Processing (NLP) og Business Intelligence (BI) blant teknologiene de bruker for øyeblikket eller planlegger å bruke innen utgangen av året. Halvparten av de ansett som tekniske ledere bruker - eller vil snart bruke - teknologier for dataintegrering, NLP, forretningsinformasjon og datalagring. Dette er fornuftig, med tanke på at disse verktøyene har makt til å gi mening om enorme mengder data, samtidig som man holder tanke på regulatorisk og ansvarlig AI-praksis.

På spørsmål om tiltenkte brukere for AI-verktøy og teknologier, identifiserte over halvparten av respondentene klinikere blant målbrukerne. Dette indikerer at AI blir brukt av folk som har til oppgave å levere helsetjenester - ikke bare teknologer og dataforskere, som tidligere år. Dette tallet klatrer enda høyere når man vurderer modne organisasjoner, eller de som har hatt AI-modeller i produksjon i mer enn to år. Interessant nok antydet nesten 60% av respondentene fra modne organisasjoner at pasienter også er brukere av deres AI-teknologi. Med ankomsten av chatbots og telehelse vil det være interessant å se hvordan AI spres for både pasienter og leverandører de neste årene.

Ved vurderingen av programvare for å bygge AI-løsninger hadde programvare med åpen kildekode (53%) en liten fordel i forhold til offentlige skyleverandører (42%). Ser fremover ett til to år, angav respondentene åpenhet for å bruke både kommersiell programvare og kommersiell SaaS. Programvare med åpen kildekode gir brukerne et nivå av autonomi over dataene deres som skyleverandører ikke kan, så det er ikke en stor overraskelse at en høyt regulert bransje som helsevesen ville være skeptisk til datadeling. På samme måte velger de fleste selskaper med erfaring med å distribuere AI-modeller til produksjonen å validere modeller ved hjelp av egne data- og overvåkingsverktøy, i stedet for evaluering fra tredjeparter eller programvareleverandører. Mens selskaper i tidligere faser er mer mottakelige for å utforske tredjepartspartnere, har mer modne organisasjoner en tendens til å ta en mer konservativ tilnærming.                      

Generelt forble holdningene de samme når de ble spurt om viktige kriterier som ble brukt til å evaluere AI-løsninger, programvarebiblioteker eller SaaS-løsninger og konsulentselskaper å jobbe med. Selv om svarene varierte litt for hver kategori, vurderte tekniske ledere ingen datadeling med programvareleverandører eller rådgivning. bedrifter, muligheten til å trene egne modeller og topp moderne nøyaktighet som topprioritet. Helsespesifikke modeller og ekspertise innen helsetjenester datateknikk, integrering og overholdelse toppet listen når de ble spurt om løsninger og potensielle partnere. Personvern, nøyaktighet og helseopplevelse er kreftene som driver AI-adopsjon. Det er klart at AI er klar for enda mer vekst, ettersom data fortsetter å vokse og teknologi og sikkerhetstiltak forbedres. Helsevesenet, som noen ganger kan sees på som et hakk for rask adopsjon, tar til AI og ser allerede sin betydelige innvirkning. Mens tilnærmingen, de beste verktøyene og teknologiene og applikasjonene av AI kan avvike fra andre bransjer, vil det være spennende å se hva som venter på neste års undersøkelsesresultater.

Kilde: https://www.dataversity.net/the-ai-trends-reshaping-health-care/