本文基于Emerj首席执行官Daniel Faggella在2017年波士顿人工智能应用峰会上发表的题为“医院环境中的人工智能”的演讲，并更新了Emerj播客和访谈的最新见解AI机会景观数据。
2017年，最富有的国家花了在人均4246美元到10224美元之间的任何地方都没有医疗保健。以美国为例，研究表明管理成本导致了医疗保健的高成本。一些医疗保健行业认为人工智能可以减少低效在医院管理中提供护理的地方病。
如今，即使在最发达的国家，人工智能在医疗保健领域也只是刚刚起步，但该技术在诊断、计算机视觉相关任务以及一些管理和数据管理相关任务方面显示出了前景。医院AI采用落后于可能预期的内容VC资金被投入到与人工智能相关的医疗保健公司，以及世界各地大量的人工智能医疗初创公司。
在本文中，我们将探讨医疗保健AI部署面临的挑战和现有应用趋势:
- 人工智能应用在医院环境中的主要挑战
- 合规及“黑盒子”
- 复杂的利益相关者关系
- 案例研究中的鸡与蛋问题
- 热门应用
- 诊断
- 医疗操作软件
在本文的最后，我们将讨论在未来几年里，医院管理人员应该优先考虑什么。
医疗保健领域的人工智能状况
我们调查了在医疗保健领域销售人工智能的供应商高管，询问了他们人工智能在医疗保健领域应用缓慢的主要原因。我们发现医院缺乏人工智能的两个主要原因是:
- 买家不相信申请的投资回报率
- 缺乏技术人才和资源来实施人工智能
我们将更深入地探讨这两个问题:
不清楚ROI
在我们的采访中，我们清楚地看到，在医疗保健领域，不仅人工智能投资回报率难以衡量(我们是否在衡量医院的财务节省?病人吗?我们是否在衡量患者的健康结果?如果是，用什么度量?)，但是不同的涉众对ROI的度量是不同的。一种新的人工智能诊断软件可能会帮助医院的首席执行官降低成本，但它必须是医生愿意使用的，必须是护士经过培训可以理解的，它对病人结果的影响必须被理解和潜在地衡量。
在银行或者制药行业，采用人工智能的自上而下的商业决策有可能变成真正的变革和部署。在医疗保健领域，这种情况发生的可能性要小得多。我们将在下面关于人工智能应用挑战的章节中更深入地探讨这个问题。
人工智能人才稀缺
对于医院和医疗保健公司来说，能够聘请顶级人工智能人才来帮助他们整合和实施人工智能技术是不现实的。尽管制药巨头在研发方面投入了数十亿美元，并能够从顶级学校招聘人才，但大多数医院或医院网络负担不起或无法留住顶级数据科学人才。
卡内基梅隆大学(Carnegie Mellon)或斯坦福大学(Stanford)的数据科学硕士或博士毕业后，会有很多赚钱和可能令人兴奋(或享有声望)的工作机会。即使医院有足够的资金来雇佣顶级人才,他们会把这些专业人士在一个环境是完全准备人工智能转换——世界可怕的数据基础设施,用很少的同学能说的语言数据科学、监管和合规问题。
许多优秀的毕业生宁愿在亚马逊或谷歌(当然，这些恰恰是能够支付最高薪水的公司)工作，只是为了将他们的技能付诸实践，并与其他技能高超的同行保持敏锐。
人工智能创业生态系统充满了冒牌者
当我们看这些公司的列表时，我们会发现，可能只有三分之一的公司实际上以任何方式利用人工智能。此外，这些公司中只有大约三分之一的公司已经“超越”了其产品或服务的阶段。
这意味着，在拥有人工智能人才和经验的公司中，只有不到1 / 8或9家能够以任何有意义的方式获得真正的吸引力。2018年，这一比例更接近十分之一，因此，尽管我们看到人工智能的牵引力出现了总体改善(以及不那么明显存在问题的人工智能初创公司)，但牵引力一直缓慢而艰难。
人工智能医疗初创生态系统仍处于萌芽阶段
不要相信你的社交媒体消息。科技媒体一直在炒作人工智能，暗示许多医院正在用人工智能做革命性的事情。事实并非如此——原因我们将在下面的章节中讨论。
原稿幻灯片如下:
医院环境中人工智能应用面临的挑战
假设人工智能还没有像科幻电影让你相信的那样出现在医院领域，不可否认的是，它已经得到了一些高管的关注。如果你正在考虑加入人工智能的潮流，你可能应该考虑在医院应用人工智能的三个主要挑战者。
医疗保健——挑战(I):合规性和“黑箱”
在现代人工智能的早期，开发人员倾向于将人类专业知识“烘焙”进入软件系统，配制IF-DEN-DOTER规则以与预测或解决方案出来。通过机器学习或深度学习原则逐渐进入“教学”软件的概念，这涉及设置一系列模式检测节点并将标记示例过滤到系统可以基于输入预测输出的点。．
在医院环境中，IF-Then Scenario对用户更容易理解，因为它们是基于基于已建立的人类逻辑的演绎推理。例如，如果if-then的情景涉及基于10名对该感染症状的10个专家的共识来诊断感染，那么人们会了解软件如何提出特定的诊断。
这是机器学习的“黑盒”问题——这也阻碍了人工智能在其他监管严格或存在安全担忧的行业的应用。
然而，在相同场景的ML版本中，没有容易理解的if-then条件。理想情况下，该软件将获取数百万患者的数据，并检测他们的病史、生活方式、年龄、职业、种族等模式，从而为特定患者提出可能的诊断。
医生们可能对诊断的准确性有不同的意见，但即使他们同意这些意见，他们也无法解释算法是如何工作的。作为一名医生，如果不能在不涉及复杂问题的情况下对诊断做出解释，就很难真正治疗患者。
这就好比问我为什么要选择这三个主要的医疗摩擦。我知道，但我无法简单地解释。同样地，如果医生诊断出某人患有癌症，他们也不能简单地说，好吧，根据我们输入系统的东西，这似乎真的是最好的。目前，机器在回答这些问题方面很差。
诊断软件可能比人类医生正确的次数更多，但机器学习系统将无法向人类展示他们是如何得出某种诊断的。不会有“黑盒子”。
因此，医生不愿在不理解其逻辑的情况下使用人工智能系统，即使这些系统在统计上可以提供比医生自己更好的诊断。此外，遵守《医疗保险携带和责任法案》(HIPAA)进一步使机器学习应用于患者具有挑战性。
我们寻找黑盒问题的解决方案，并得到了一些实用的观点。Excel VM的Steven Gullans是波士顿地区的一位风险投资者，他是我们就医疗保健应用中的某些人工智能采访过的数十位投资者之一。他们相信，就机器学习而言，诊断和治疗的黑匣子问题可能不是机器学习的第一个领域。
他表示，在与诊断或治疗规划无关的应用中可能会更好地使用AI，例如：
- 药物发现和发展
- 患者群体/总经理任命
- 从医院运营中收集最佳实践
他指出，人工智能的基础发展必须让机器学习变得可以解释，否则人工智能在医院中的作用将受到严重阻碍。我们可以看到更多的牵引力在药物发现和开发世界和管理患者群体在医疗操作软件比在诊断和治疗是真的会很难摆脱固有的问题通常不透明的人工智能技术,包括法规遵从性。
医疗保健 - 挑战（ii）：复杂的利益相关者关系
医院环境中的另一个固有挑战是复杂的利益相关者关系。您可能认为医院就像亚马逊一样在服务业中，但两人之间有很多平行，因为AI对利益相关者的影响。
例如，当亚马逊使用人工智能来改善产品推荐时，亚马逊会为让客户在亚马逊平台上获得更好体验的技术付费。这反过来鼓励客户在平台上花更多的钱，这对亚马逊的所有团队成员来说都是一件好事。他们被鼓励使用AI来提高收入和/或利润，即使这有点困难。
另一方面，当医院应用人工智能技术改善MRI和CT扫描时，患者甚至可能没有意识到人工智能正在发挥作用。就患者满意度而言，投资人工智能没有任何好处。即使这项技术能带来更好的治疗效果和更低的成本，目前也没有具体的方法来衡量它。
在医院集成人工智能技术也需要医生、护士和医疗技术人员学习使用它，而且在大多数情况下，他们的努力可能不会得到报酬。此外，他们可能会因为人工智能技术将取代他们的工作而感到威胁，所以他们根本没有动力使用人工智能。
当机器可以超越人类时，在情况下，有主动阻力是可以理解的。特别是医生可能是情绪敏感的，因为在医学院所花费的时间之后被一台机器所取代。
克服这种摩擦的最佳方式，在医院采用的AI采用是AI公司与所有利益相关者对准激励措施，并以AI的想法为他们。这包括：
- 提供大量基于研究的患者结果改善，以证明具体的ROI
- 定位ai做医生，护士和医疗技术人员不想要的工作
- 开发专业人工智能，以补充大城市医院以外的全科医生的技能，因为这将减少威胁
医疗保健——挑战(三):案例研究中的鸡与蛋问题
人工智能是一个热门话题，但它也是一种颠覆性技术。想要出售人工智能的人通常必须提供强有力的证据，证明他们出售的人工智能产品或服务在相关场景中发挥了作用。这通常不是问题，因为人工智能技术在其他行业的发展如此之快。然而，一旦进入医疗保健行业，这几乎就完全停止了。
当我们与AI公司高管讨论销售到医疗保健空间时，我们要求他们在让人们关闭时命名他们最大的销售困难。问题是医院有点抵抗尝试新技术。
在没有强有力的案例研究证明其有效性的情况下，医院采用新技术的速度很慢。不幸的是，人工智能技术的案例研究很难获得，因为医院不愿在这些技术上冒险，这就产生了鸡和蛋的问题。即使可以说服一家医院参与试点项目，也往往需要很长时间才能获得可验证的结果。这个因素加上合规性问题，总体上减缓了行业对人工智能的采用。
投资者对此也很担心。他们不希望在投资公司后等待40年才能获得回报，如果没有资金和案例研究，人工智能公司将很难开发和销售产品。
为了克服这一摩擦点，人工智能公司可能希望集中精力，通过为其产品和服务提供无争议的功能，进入市场。例如，与诊断技术相比，预约管理等商业智能应用遇到阻力的可能性更小。
他们还可以开发人工智能来填补小型医院的专业职位，以减少对医生和护士的威胁，比如图像识别。一旦人工智能成为标准技术的一部分，将更容易在医院领域的其他领域引入变化。可能需要一段时间才能突破天生保守的医疗保健领域，但这是值得的，
应用趋势
尽管人工智能公司向医院销售产品面临挑战，但该领域仍有重大进展。
医疗保健趋势I:诊断
在我们对在医疗保健领域融资的公司的评估中，诊断基本上是最受欢迎的。值得注意的是，作为软件即服务(SaaS)开发的诊断技术有很多前景。还有一点值得注意的是，医疗图像的机器视觉在新的人工智能应用中非常普遍，可能会成为一种商品。
问题是，这些公司中有多少会拿出玩具级的人工智能应用，又有多少会真正利用人工智能，将其叠加在一个人的基因档案和健康历史之上。人们对利用机器视觉在图像上诊断疾病很感兴趣，但目前这实际上是一个相当不稳定的商业模式。公司必须整合更多的数据，并对这些预测能力进行严格的测试和审查，以便医院真正采用它们。
医疗保健趋势II:医疗操作软件
在我们对数百家医疗人工智能公司的评估中，医疗操作软件是第二大最常见的人工智能应用程序。我们看到人们在这方面筹集了大量资金，我想说，这将在医院环境中获得比诊断技术更大的吸引力。
原因很简单：它的威胁和复杂得多。为此，它从HIPAA等法规中获得了不太严格的审查。对于另一个，有明确的财务和运营优势，以提高患者调度和金融集合等任务的效率。
例如，基于AI的患者调度软件将能够根据过去几周患者访问和ER活动的数量来预测人员配置需求。任何时候都会有足够的人在地板上。基于AI的财务收集软件将能够跟踪和监控患者的付款，安排电子邮件提醒，并提示员工进行后续电话。没有必要有一个员工成员来弄清楚谁来调用和节省拨打电话或发送电子邮件。
基于AI的管理医院有很多希望。我认为在机器学习方面，我们将在医院内的近期诊断中看到更多的牵引力。也就是说，即使在大型研发医院，这些主要两种类型的AI应用也不是常见的。
采用还是等待?
围绕人工智能的炒作导致各行各业的高管错误地认为，他们的同行正在贪婪地采用人工智能，而他们正在落后。虽然对人工智能的现实理解——以及由这种理解提供的长期数字转型愿景——很重要，但这并不意味着医疗保健领导者应该以成为人工智能的“创新者”或“早期采用者”为目标。
然而，很少有医院组织有足够的研发预算来处理真正的人工智能创新——只有最大和技术最先进的医院才有可能成为真正的创新者或早期采用者——即便是这些最先进的机构，采用人工智能的障碍也会困扰它们。
医疗领域的大多数人工智能创新很可能完全发生在医院之外，即:
- 诊断技术将由大学和研究机构开发。医院本身可能提供数据，并成为大学的合作伙伴，但医院很少有数据科学人才或悟性来为自己的目的训练独特的人工智能模型。通常的诊断问题(如通过胸部x光检查肺癌)最好由能够汇集来自多个医疗保健来源的数据和专业知识并训练单一算法的组织来解决。每家医院都要“重头再来”，训练计算机视觉系统检测骨骼扫描图像中的细微骨折，这简直是疯了。
- 非医疗保健特定的管理AI用例将在其他行业开发。人工智能搜索和发现．会话接口．光学字符识别和数据接收。这些应用程序正在保险、银行、制造和其他部门使用，随着它们进入更多企业，它们将变得更加成熟。此外，这些“白领自动化”人工智能用例中，许多都没有陷入几乎一样多的监管问题，这可能会让采用和部署更容易。
智能医疗领导者将在更创新的环境中紧跟人工智能的发展，并将致力于寻找能够将经过验证的用例转移到医疗保健环境中的供应商和合作伙伴。对于绝大多数医院和医院组织来说，处于人工智能应用的早期或晚期可能是最好的位置——特别是那些没有大量研发预算和高数字成熟度的医院。
