Die Rolle der künstlichen Intelligenz oder dem maschinellen lernen, wird entscheidend sein, wie die Branche kämpft mit einer gigantischen Menge an Daten, die sich verbessern konnten—oder Durcheinander—Gesundheit und Kosten Prioritäten, nach einer Nationalen Akademie der Medizin die Speziellen Publikation auf die Verwendung von AI im Gesundheitswesen.
Dennoch ist die aktuelle explosion der Investitionen und der Entwicklung geschieht ohne eine Untermauerung der Konsens der Verantwortlichen, transparenten Bereitstellung, die potenziell eingeschränkt sein Potenzial.
Der neue Bericht ist entworfen, um eine umfassende Referenz für die Führungspersonen, Fachkräfte des Gesundheitswesens, die Daten Analysten -, Modell-Entwickler und diejenigen, die arbeiten zu integrieren machine learning in health care, sagte Vanderbilt University Medical Center Michael Matheny, MD, MS, MPH, Associate Professor in der Abteilung der Biomedizinischen informatik und co-editor von AI im Gesundheitswesen: Die Hoffnung, Der Hype, Das Versprechen, Die Gefahr.
“Es ist entscheidend für die Gesundheit-Pflege-Gemeinschaft zu erfahren, sowohl aus den erfolgen, aber auch die Herausforderungen und die jüngsten Ausfälle bei Benutzung dieser tools. Wir Katalog wichtige Beispiele in der Gesundheitsversorgung AI, highlight best practices rund um die AI-Entwicklung und-Implementierung und bieten wichtige Punkte, die diskutiert werden müssen, für die ein Konsens erreicht werden, wie Sie als AI-Gemeinschaft und Gesellschaft”, sagt Matheny.
Matheny unterstreicht die Anwendungen im Gesundheitswesen Aussehen nichts, wie die Massenmarkt Bilder von selbstfahrenden Autos, das ist oft gleichbedeutend mit machine-learning-oder tech-getriebenen Systemen.
Für die unmittelbare Zukunft im Gesundheitswesen”, ” AI ” sollte verstanden werden als ein Instrument zur Unterstützung und Ergänzung der Entscheidungsfindung von hochqualifizierten Fachleuten bei der Bereitstellung von Pflege in Zusammenarbeit mit den Patienten und Ihren Zielen, Matheny sagte.
Jüngste Fortschritte in der Tiefe lernen und Verwandte Technologien getroffen haben, mit großem Erfolg in der imaging-Interpretationen, wie Radiologie-und retina-Prüfungen, die spornen einen Ansturm in Richtung AI-Entwicklung, brachte erste, venture-capital-Finanzierung, und dann Branchenriesen. Jedoch, einige der tools haben Probleme mit bias aus der Bevölkerung entwickelt wurden Sie von, oder aus der Wahl eines ungeeigneten Ziel. Daten-Analysten und Entwickler benötigen, um arbeiten zu verstärkter Zugriff auf die Daten und Standardisierung sowie durchdachte Entwicklung, so algorithmen sind nicht voreingenommen gegen bereits marginalisierte Patienten.
Die Redaktion hoffe, dieser Bericht kann dazu beitragen, den dialog der Patienten Inklusivität und fairness in der Nutzung von AI-tools, und die Notwendigkeit für eine sorgfältige Entwicklung, Implementierung und überwachung von Ihnen und optimieren so Ihre chance auf Erfolg, Matheny sagte.
Matheny gemeinsam mit der Stanford University School of Medicine ist Sonoo Thadaney Israni, MBA, und Mathematica Policy Research Danielle Whicher, Ph. D., MS, schrieb eine begleitende Stück für JAMA Network über die Wasserscheide moment, in dem sich die Industrie selbst findet.
“AI hat das Potenzial, zu revolutionieren die Gesundheitsversorgung. Aber wie bewegen wir uns in eine Zukunft, unterstützt durch Technologie zusammen, müssen wir gewährleisten hohe Qualität der Daten-standards, die Gerechtigkeit und Inklusivität sind immer priorisiert, die Transparenz ist use-case-spezifische, dass neue Technologien werden unterstützt durch geeignete und angemessene aus-und Weiterbildung, und, dass alle Technologien angemessen reguliert und unterstützt durch spezifische und abgestimmte Gesetzgebung,” die Nationale Akademie der Medizin, schrieb in einer Pressemitteilung.
