當(dāng)人工智能漸漸成熟，健康醫(yī)療將更專注于數(shù)據(jù)整合

醫(yī)療保健利益相關(guān)者大都參與了人工智能，但該行業(yè)要獲得成功必須克服數(shù)據(jù)整合的挑戰(zhàn)。

很快，人工智能將成為醫(yī)療保健數(shù)據(jù)分析領(lǐng)域最受歡迎的話題。

似乎就在一瞬，人工智能在支持成像分析、臨床決策支持、運(yùn)營(yíng)效率和提高患者預(yù)約成功率方面取得了驚人的進(jìn)步。

人工智能算法現(xiàn)在可以識(shí)別出異常情況并提出建議，同時(shí)能達(dá)到與人類診斷精確度相當(dāng)?shù)谋嚷式鉀Q問題在某些情況下，人工智能對(duì)于復(fù)雜的深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的研究能力超過了本就占少數(shù)的優(yōu)秀的臨床醫(yī)生。

在每年一度的HIMSS展覽會(huì)上，人工智能從不確定的新奇事物變成了展會(huì)上的受到關(guān)注的事物。

HIMSS是評(píng)估行業(yè)成熟度最重要的大會(huì)之一，而人工智能在過去12個(gè)月里確實(shí)火了起來。

在2018年的會(huì)議上，EHR供應(yīng)商和大數(shù)據(jù)專家向持懷疑態(tài)度的觀眾介紹了人工智能和解答了人工智能將會(huì)對(duì)他們的過去和現(xiàn)在造成的消極影響即創(chuàng)新將改變?nèi)祟惖臎Q策方式。

供應(yīng)商們想盡一切辦法來緩減人們對(duì)機(jī)器人醫(yī)生、醫(yī)療相關(guān)提供者大規(guī)模裁員和患者與醫(yī)療機(jī)構(gòu)之間關(guān)系將變得更加機(jī)械化的憂慮，努力將人工智能定位為消除浪費(fèi)、推動(dòng)社會(huì)持續(xù)改進(jìn)的發(fā)動(dòng)機(jī)，而不是職業(yè)末日的預(yù)兆。

從那時(shí)起，主要的解決方案提供商加入了監(jiān)管機(jī)構(gòu)的行列，將人工智能作為一種競(jìng)爭(zhēng)優(yōu)勢(shì)和必然趨勢(shì)加以推廣，呼吁企業(yè)接受機(jī)器學(xué)習(xí)將成為生活中的一部分的事實(shí)。

最終他們?nèi)〉昧司薮蟮某晒Α?/p>

在HIMSS18上，供應(yīng)商只要說他們開發(fā)了一款具有機(jī)器學(xué)習(xí)能力的新產(chǎn)品，就能吸引非常多充滿好奇心的的人到他們的展位前進(jìn)行咨詢和了解。

2019年，與會(huì)者對(duì)復(fù)雜的數(shù)學(xué)著迷不已。

相反，他們希望對(duì)人工智能的投資，未來能夠讓他們沿著分析成熟度曲線，從追溯性描述性分析，進(jìn)入洞察性的分析領(lǐng)域:通過數(shù)據(jù)分析及時(shí)提出可行的措施來進(jìn)行干預(yù)可能的事件，從而阻止未來事件的發(fā)生。

對(duì)于那些迫切希望能幫助提供者掌握機(jī)器學(xué)習(xí)的供應(yīng)商來說，公眾輿論的變化起著積極的作用。

盡管對(duì)人工智能的爭(zhēng)議正在結(jié)束，但在人工智能真正能被大量投入運(yùn)營(yíng)前，還面臨著另一個(gè)挑戰(zhàn):人工智能在現(xiàn)實(shí)世界被有效應(yīng)用之前，需要利用大量干凈、完整、及時(shí)的數(shù)據(jù)進(jìn)行學(xué)習(xí)、培訓(xùn)和驗(yàn)證。

創(chuàng)造一個(gè)流動(dòng)的、可訪問的數(shù)據(jù)聚合環(huán)境能讓人工智能獲得高速發(fā)展，這意味著需要全面修訂從基礎(chǔ)設(shè)施設(shè)計(jì)到商業(yè)案例中信息共享的服務(wù)。

隨著人工智能在社會(huì)發(fā)展中的價(jià)值出現(xiàn)變化，企業(yè)更愿意去解決其在發(fā)展中面臨的挑戰(zhàn)，但在提供者團(tuán)體能夠?qū)⑵湔嬲軕?yīng)用于相應(yīng)的場(chǎng)景前，該行業(yè)仍有大量工作要做。

大數(shù)據(jù)拼圖

Optum技術(shù)副總裁馬克?莫爾希(Mark Morsch)表示，醫(yī)療保健組織已進(jìn)入人工智能和高級(jí)分析的關(guān)鍵性一年。Optum與付費(fèi)方和提供商合作一起研究如何處理和獲得相應(yīng)的數(shù)據(jù)。

他說：“我們認(rèn)為2019年是人工智能被采用和持續(xù)成熟的重要一年。它的發(fā)展非常迅速，尤其是在深度學(xué)習(xí)和自然語(yǔ)言處理(NLP)領(lǐng)域。”

“我當(dāng)然看到越來越多的組織從診斷和描述性的層面提升到更具預(yù)測(cè)性和規(guī)范性的層面，這非常令人興奮。人們開始意識(shí)到將人工智能應(yīng)用于實(shí)踐的挑戰(zhàn)和機(jī)遇。”

EHR巨頭Epic Systems的分析和機(jī)器學(xué)習(xí)主管塞斯?海恩(Seth Hain)也看到了類似的進(jìn)展。

他在接受HealthITAnalytics.com采訪時(shí)表示:“對(duì)人工智能的炒作正在降溫，人們開始真正的擁抱它。許多客戶開始組建團(tuán)隊(duì)和流程，將機(jī)器學(xué)習(xí)整合到他們?cè)陂_展業(yè)務(wù)中。”

“很高興能看到這種轉(zhuǎn)變，所有相關(guān)方都能能夠開始更深入地優(yōu)化臨床工作流程，并將機(jī)器學(xué)習(xí)作為工具集的一部分來提高機(jī)構(gòu)運(yùn)營(yíng)效率。”

KPMG咨詢服務(wù)業(yè)務(wù)負(fù)責(zé)人Bharat Rao博士補(bǔ)充道，計(jì)算能力的進(jìn)步讓數(shù)據(jù)科學(xué)家能夠改進(jìn)他們使用的方法，并在機(jī)器學(xué)習(xí)逐漸成熟的基礎(chǔ)上加以擴(kuò)展。

機(jī)器學(xué)習(xí)研究博士Rao說:“人工智能在成像分析等方面已經(jīng)具備20多年的經(jīng)驗(yàn)，而且現(xiàn)在已經(jīng)做得很好。”

“數(shù)據(jù)科學(xué)并不是真正的新技術(shù)重要的是我們要知道我們已經(jīng)擁有多年的相關(guān)技術(shù)經(jīng)驗(yàn)，而且我們相信它會(huì)起作用。技術(shù)最終并不是真正的問題。”

“真正的問題在于醫(yī)療機(jī)構(gòu)是否已經(jīng)做好了準(zhǔn)備，我們看到了這種變化。該行業(yè)對(duì)事物表面的描述性問題有較好的把握，但人工智能的全面愿景是解鎖未被很好處理的非結(jié)構(gòu)化數(shù)據(jù)中的價(jià)值，并將其與結(jié)構(gòu)化信息整合，以獲得預(yù)測(cè)性而非追溯性判斷。但是現(xiàn)在的最難的問題是要把所有的數(shù)據(jù)都集中在一個(gè)地方才能實(shí)現(xiàn)。”

在醫(yī)療保健領(lǐng)域，數(shù)據(jù)豎井無處不在，打破數(shù)據(jù)訪問的障礙，同時(shí)仍堅(jiān)持隱私和安全原則，是一個(gè)巨大的挑戰(zhàn)。

五年多來，互通作性一直是HIMSS大會(huì)的一個(gè)重要的主題，盡管近年來，人們的興趣已經(jīng)從數(shù)據(jù)豎井轉(zhuǎn)向組織如何處理這些數(shù)據(jù)。

這個(gè)話題在2019年被再次提上日程，CMS發(fā)布了一份全面的路線圖旨在打擊各機(jī)構(gòu)之間有目的的信息攔截，并鼓勵(lì)各相關(guān)方更廣泛地分享參與的患者、人口健康管理和質(zhì)量改進(jìn)方面的數(shù)據(jù)。

供應(yīng)商們普遍贊成這一新規(guī)則，尤其當(dāng)他們明白開放的數(shù)據(jù)交換環(huán)境是AI成功的至關(guān)重要的因素。

戴爾EMC全球醫(yī)療業(yè)務(wù)首席技術(shù)官、杰出工程師David Dimond指出，如果能建立無間隙的縱向記錄患者病情的能力，對(duì)于創(chuàng)建準(zhǔn)確且可操作的AI模型至關(guān)重要。

Dimond說:“用AI分析一組特定的數(shù)據(jù)沒有多大用處，除非你能建立一套健康記錄，并對(duì)這個(gè)人的健康狀況進(jìn)行縱向觀察分析。當(dāng)一個(gè)人的數(shù)據(jù)沒有被全部整合在一起時(shí)，你怎么才能全面了解一個(gè)人呢？如果你的記錄有漏洞，你開發(fā)的AI會(huì)有多大用處?”

他強(qiáng)調(diào):“數(shù)據(jù)聚合將成為組織當(dāng)前的首要任務(wù)。”

“我們有太多的片段數(shù)據(jù)被應(yīng)用到不同的人工智能產(chǎn)品，企業(yè)也沒有相應(yīng)的策略能將所有的數(shù)據(jù)整合到一起去完善他們想完成的工作。”

解決碎片化數(shù)據(jù)世界的復(fù)雜性

醫(yī)療保健領(lǐng)域?qū)τ诨颊咚槠瘮?shù)據(jù)的擔(dān)憂早已成為老生常談的事件。企業(yè)一直知道如果想在大數(shù)據(jù)環(huán)境中取得成功，就必須需要改進(jìn)數(shù)據(jù)存儲(chǔ)和倉(cāng)儲(chǔ)體系結(jié)構(gòu)。

2017年，埃森哲(Accenture)的一項(xiàng)調(diào)查發(fā)現(xiàn)，超過80%的醫(yī)療行業(yè)高管已開始著手創(chuàng)建一個(gè)集中的數(shù)據(jù)平臺(tái)，以支持人工智能計(jì)劃。

82%的受訪者認(rèn)為，現(xiàn)代健康信息領(lǐng)域的優(yōu)秀領(lǐng)導(dǎo)者將取決于他們?nèi)绾卧O(shè)計(jì)出較好的能進(jìn)行大規(guī)模信息分析的無縫、互操作環(huán)境。

但是，與大多數(shù)健康IT項(xiàng)目一樣，解決這個(gè)問題說起來容易做起來難。一切似乎都與過去常規(guī)的健康系統(tǒng)背道而馳。

巴拉特拉奧博士，畢馬威會(huì)計(jì)師事務(wù)所負(fù)責(zé)人

過去的醫(yī)療系統(tǒng)、EHR決策、從下而上處理完整性數(shù)據(jù)所需的時(shí)間和金錢的缺乏，以及潛在相關(guān)數(shù)據(jù)源的混合，這些都增加了開發(fā)這些無豎井生態(tài)系統(tǒng)的難度。

Dimond說:“我們有幾十種不同的臨床級(jí)和消費(fèi)者級(jí)設(shè)備、應(yīng)用程序和工具，它們產(chǎn)生的數(shù)據(jù)可能都非常有價(jià)值，但很多設(shè)備都將數(shù)據(jù)發(fā)送到不同的地方。”

“有些數(shù)據(jù)你知道在哪里，但大多數(shù)你不知道，因?yàn)樗F(xiàn)存在某個(gè)特定的專有的云系統(tǒng)內(nèi)。”

“我們一直在談?wù)撓M(fèi)級(jí)設(shè)備和物聯(lián)網(wǎng)設(shè)備對(duì)我們了解診所外發(fā)生的事情的了解有多大幫助,但如果我們無法獲得這些數(shù)據(jù)來幫助我們進(jìn)行決策。”

即使部分已知數(shù)據(jù)在理論上是可訪問的，但是原始數(shù)據(jù)的混亂、不規(guī)范和多樣性使得它并不符合大多數(shù)組織所需的高級(jí)數(shù)據(jù)形式。

Optum的Morsch說:“醫(yī)療記錄中的大部分?jǐn)?shù)據(jù)都是非結(jié)構(gòu)化的，尤其是當(dāng)你查看傳真和利用圖表檢索輸出時(shí)，數(shù)據(jù)會(huì)非常混亂。我們稱它為‘紙巾卷’這只是一堆龐大的數(shù)據(jù)量甚至包括為病人制作的所有文件。”

“需要采用多層機(jī)器學(xué)習(xí)技術(shù)，才能讓數(shù)據(jù)能被二次使用。首先，您必須對(duì)數(shù)據(jù)進(jìn)行識(shí)別整理，因此您必須運(yùn)行光學(xué)字符識(shí)別(OCR)算法，例如，將PDF圖像轉(zhuǎn)換為可計(jì)算文本。然后，你必須使用NLP從中提取有意義的元素，或者識(shí)別出你正在尋找的模式。”

對(duì)于組織來說，獨(dú)自將非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)進(jìn)行結(jié)構(gòu)化的第一層工作挑戰(zhàn)性就非常大，這也是阻礙了許多供應(yīng)商進(jìn)一步推進(jìn)他們的人工智能計(jì)劃的原因。

“如何能夠彌合這樣的差距然后對(duì)數(shù)據(jù)結(jié)果進(jìn)行更有意義的處理是判斷技術(shù)提供商實(shí)力的重要依據(jù)，這也應(yīng)該是客戶在規(guī)劃項(xiàng)目時(shí)必須考慮的問題。”

對(duì)于Optum將NLP與深度學(xué)習(xí)相結(jié)合，可以幫助其Case Advisor軟件的用戶簡(jiǎn)化圖表審閱流程。

Morsch解釋說:“有如此多的數(shù)據(jù)需要審查，供應(yīng)商不得不有選擇性地查看他們需要的內(nèi)容。雖然這并不能讓一個(gè)組織能全面了解他們的臨床組合，或者增加任何收入。”

“深度學(xué)習(xí)本質(zhì)上可以為你審查每一個(gè)案例，然后它可以識(shí)別出某些特殊案例，這些案例可能是人類專家進(jìn)行額外審查的最佳選擇。”它支持適當(dāng)?shù)淖詣?dòng)化，并且可以轉(zhuǎn)換成可用于編碼和整理出符合要求的案例的過程。但首先你必須有數(shù)據(jù)。”

Hain認(rèn)可每個(gè)組織都需要一個(gè)強(qiáng)大的技術(shù)合作伙伴來幫助他們推進(jìn)人工智能來獲得可衡量的結(jié)果。

他說“有思想的機(jī)器學(xué)習(xí)的關(guān)鍵挑戰(zhàn)之一是技能組合還沒有完全到位。這不是傳統(tǒng)組織所能承擔(dān)的角色。因此，利用我們的經(jīng)驗(yàn)幫助他們學(xué)習(xí)如何建立有效的團(tuán)隊(duì)是我們關(guān)注的重點(diǎn)。”

Hain表示Epic正在構(gòu)建機(jī)器學(xué)習(xí)模型庫(kù)以方便供應(yīng)商能夠采用這些模型來滿足他們的特定需求，從而降低了必須在內(nèi)部擁有大量數(shù)據(jù)資源的門檻。

“需要了解當(dāng)前的工作流程，找出改善工作流程的機(jī)會(huì)，然后開始將機(jī)器學(xué)習(xí)應(yīng)用到解決這些問題上。”

“但為了成功，他們必須圍繞這個(gè)問題制定一個(gè)切實(shí)可行的框架。你不能為了AI而擁有AI。當(dāng)它為最終用戶帶來可衡量的好處時(shí)，無論是臨床醫(yī)生還是病人都會(huì)認(rèn)可它，并在醫(yī)療下游產(chǎn)生影響。”

KPMG健康與政府解決方案部門負(fù)責(zé)人拉里?伯內(nèi)特(Larry Burnett)表示，將靈活、實(shí)用的組織策略、聚合的數(shù)據(jù)和人工智能算法結(jié)合起來，可以幫助組織解決醫(yī)療保健系統(tǒng)的復(fù)雜性問題，而不是被問題所淹沒。

他斷言，“讓機(jī)器學(xué)習(xí)是一件令人興奮的事情，因?yàn)樗梢詫?shù)千個(gè)變量集成到一個(gè)計(jì)算中。”

例如，Scheduling是一個(gè)很好的應(yīng)用程序。過去很多病人周末必須呆在醫(yī)院，因?yàn)樗麄冊(cè)谥芪鍟r(shí)無法預(yù)約上導(dǎo)尿管實(shí)驗(yàn)室檢查，或因?yàn)獒t(yī)院機(jī)器服務(wù)時(shí)間被排得太滿而無法做超聲心動(dòng)圖。”

“如果醫(yī)生遲到或取消預(yù)約，病人的診斷時(shí)間將會(huì)變得不確定且無法開展，需要使用正確的設(shè)備，或者護(hù)士人手短缺……任何一種情況都可能導(dǎo)致病人的診斷出現(xiàn)嚴(yán)重的延誤。”

Burnett說，機(jī)器學(xué)習(xí)非常復(fù)雜，可以考慮到所有變量，它可以為人員配備、日程安排或重新分配資源提供有用的建議。

“人類無法像人工智能那樣有效地優(yōu)化這些事物。人工智能非常擅長(zhǎng)于研究所有可能影響護(hù)理的因素，并迅速識(shí)別出可變性和調(diào)整醫(yī)療的機(jī)會(huì)。”

“你需要在正確的地方獲得所有這些數(shù)據(jù)才能實(shí)現(xiàn)人工智能的有效性。一旦匯總了所有信息，人工智能能減少資源浪費(fèi)和確保得到高質(zhì)量結(jié)果的可能性就很大。”

數(shù)據(jù)聚合開發(fā)技術(shù)基礎(chǔ)

對(duì)于提供商能否持續(xù)獲取所需要的數(shù)據(jù)，他們需要優(yōu)先制定出基礎(chǔ)數(shù)據(jù)架構(gòu)策略，在保護(hù)隱私和安全的同時(shí)能進(jìn)行數(shù)據(jù)聚合。

HIMSS18的與會(huì)者幾乎花了整整一周的時(shí)間專注于僚機(jī)誒如何使用云存儲(chǔ)和云計(jì)算來支持下一代數(shù)據(jù)分析，這一點(diǎn)會(huì)貫穿2019年的整個(gè)會(huì)議。

KPMG的Rao說:“我在HIMSS工作了20年，去年第一次看到的云計(jì)算讓我興奮不已。而且今年投資者對(duì)云計(jì)算的興趣越來越大，主要是以下多個(gè)原因：

“首先，云服務(wù)在我們?nèi)粘Ｉ钪须S處可見，這些數(shù)據(jù)最終都將被應(yīng)用于醫(yī)療領(lǐng)域。其次，由于企業(yè)都希望進(jìn)入人工智能領(lǐng)域，他們意識(shí)到云服務(wù)是實(shí)現(xiàn)所需數(shù)據(jù)聚合的最佳方式，所以他們都愿意將可用的基礎(chǔ)架構(gòu)數(shù)據(jù)放在這里。”

云服務(wù)提供商一直在醫(yī)療行業(yè)推廣其人工智能功能，而不是只局限于存儲(chǔ)功能。

來自谷歌和亞馬遜網(wǎng)絡(luò)服務(wù)(Amazon Web Services)等公司的預(yù)制機(jī)器學(xué)習(xí)模型和工具包，吸引著更多的企業(yè)加速關(guān)注云計(jì)算這項(xiàng)技術(shù)，并在懷疑的過程能慢慢接受和信任該技術(shù)。

事實(shí)上，醫(yī)療行業(yè)擁抱云計(jì)算的過程與其接受人工智能的過程并沒有太大的不同。

這兩項(xiàng)技術(shù)在起步階段，各組織都難以接受它們，在數(shù)據(jù)的使用即如何保障數(shù)據(jù)的安全和用戶的隱私給利益相關(guān)者敲響了警鐘，而且現(xiàn)在這兩項(xiàng)技術(shù)正在迅速被人們接受，成為行業(yè)發(fā)展的趨勢(shì)。

云計(jì)算和人工智能都要求組織能對(duì)這兩項(xiàng)技術(shù)在處理無法控制的變量中具有一定的信心。

兩者都要求組織致力于整體戰(zhàn)略規(guī)劃，而不僅僅是多采用一項(xiàng)新技術(shù)。因此，基于云計(jì)算的方法通常成為專家對(duì)人工智能開發(fā)的首選建議。

“你所有的數(shù)據(jù)都需要放到某個(gè)地方。很有可能，這一切都不會(huì)發(fā)生在同一個(gè)地方事情就是這樣。但你需要圍繞你所做的事情制定一個(gè)商業(yè)策略，這樣即使數(shù)據(jù)最終位于不同的地方，也可以將他們整合在一起被使用。”

“如果企業(yè)想要開展人工智能，那么它需要考慮如何結(jié)合云存儲(chǔ)和云計(jì)算。如果企業(yè)從一開始就將云計(jì)算構(gòu)建到數(shù)據(jù)聚合和互操作性模型中，那么企業(yè)將變得更加強(qiáng)大，而且可以將支持機(jī)器學(xué)習(xí)模型所需的各類數(shù)據(jù)集合在一起。”

Rao還認(rèn)為，雖然組織可以在內(nèi)部系統(tǒng)整合好他們的數(shù)據(jù)，但在不久的將來，云服務(wù)將成為支持人工智能最重要的底層技術(shù)。

“任何想真正應(yīng)用人工智能的組織的人都必須集成云服務(wù)，”

“首先，不管人們會(huì)怎么想，但我認(rèn)為它更安全。我愿意相信一家在安全協(xié)議上投入數(shù)十億美元的公司的安全性，也不愿相信我自己，這是肯定的。”

“其次，人工智能的各項(xiàng)能力的提升速度遠(yuǎn)遠(yuǎn)超過了我個(gè)人的能力。雖然我可以建立一個(gè)與亞馬遜、谷歌或微軟相當(dāng)?shù)臄?shù)據(jù)中心，但它可能會(huì)在6個(gè)月內(nèi)過時(shí)。兩年后，它將落后整整于新一代人。跟上這種令人難以置信的變化速度并不是我的使命我既沒有預(yù)算，也沒有追趕的時(shí)間。”

云計(jì)算為單個(gè)組織提供了將數(shù)據(jù)聚合到單個(gè)位置的能力或者在多個(gè)位置輕松地鏈接在一起但它也為多個(gè)組織提供了合作開發(fā)和驗(yàn)證機(jī)器學(xué)習(xí)模型的機(jī)會(huì)。

隨著各組織開始尋求從復(fù)雜人群中發(fā)掘出多方面數(shù)據(jù)集的價(jià)值，學(xué)術(shù)團(tuán)體和行業(yè)伙伴之間的關(guān)系正在變得越來越緊密。微軟、谷歌和亞馬遜都發(fā)布了基于FHIR的工具、API和數(shù)據(jù)共享平臺(tái)，以支持不同系統(tǒng)之間進(jìn)行健康和科學(xué)性的協(xié)作。

對(duì)于Epic系統(tǒng)，單個(gè)存儲(chǔ)庫(kù)中聚合采用Epic承載的Cosmos數(shù)據(jù)庫(kù)的形式，這是EHR公司使用機(jī)器學(xué)習(xí)支持基于證據(jù)的實(shí)踐的整體愿景的一部分。

Hain說：“規(guī)模化對(duì)人工智能非常重要。你需要一定的存儲(chǔ)空間來存放你捕獲的平衡數(shù)據(jù)集，包括足夠的元素來滿足整個(gè)模型。”

“但你還必須確保你使用的數(shù)據(jù)是正確的，是針對(duì)特定的人群量身定制的。如果您的數(shù)據(jù)無法訪問且不集中，則無法執(zhí)行其中任何一項(xiàng)操作。關(guān)于如何做到這一點(diǎn)有很多選擇，但是如何獲得正確的數(shù)據(jù)顯然是至關(guān)重要的。”

再加上CMS要求各機(jī)構(gòu)之間進(jìn)行部分公開和適當(dāng)?shù)毓蚕頂?shù)據(jù)的壓力，對(duì)于那些希望既能滿足監(jiān)管要求又能為人工智能醫(yī)療服務(wù)交付前做好準(zhǔn)備的組織來說，云服務(wù)正變得越來越有吸引力。

Burnett說:“好處當(dāng)然大于風(fēng)險(xiǎn)。“對(duì)于那些既可以聚合數(shù)據(jù)并能為機(jī)器學(xué)習(xí)創(chuàng)造合適環(huán)境的組織來說，他們將會(huì)有各種各樣的機(jī)會(huì)使用到云服務(wù)。未來云計(jì)算是重要的工具，企業(yè)在制定路線圖時(shí)應(yīng)該認(rèn)真考慮它。”

實(shí)施人工智能的技術(shù)基礎(chǔ)，無論是基于云的還是基于呢部，對(duì)于允許醫(yī)療保健繼續(xù)其向規(guī)定性洞見和更高層次的分析成熟度邁進(jìn)的旅程，都是至關(guān)重要的。

實(shí)現(xiàn)人工智能的技術(shù)基礎(chǔ)，無論是基于云服務(wù)還是基于相應(yīng)前提的情況下，允許醫(yī)療保健系統(tǒng)能向更具優(yōu)勢(shì)的規(guī)定性洞見發(fā)展和具有更高層次的分析能力，都是至關(guān)重要的。

Morsch說：“我們用機(jī)器學(xué)習(xí)能做的事情幾乎是無限的。現(xiàn)在時(shí)機(jī)恰到好處，因?yàn)槲覀冇糜谧鰶Q定的數(shù)據(jù)量實(shí)在太大了，任何人都無法處理，而且它只會(huì)持續(xù)增長(zhǎng)。”

“我們可以利用人工智能來幫助供應(yīng)商處理這些信息，這是令人興奮的，但同時(shí)也有點(diǎn)令人感到畏懼。我期待看到這個(gè)行業(yè)是如何應(yīng)對(duì)人工智能的挑戰(zhàn)，并利用人工智能為這些優(yōu)秀的人提供醫(yī)療服務(wù)。”