McKesson公司是一家大型制药分销商，提供卫生信息技术，医疗工具和用品，以及护理管理工具和软件医疗保健美国的供应商。这家公司一直在努力合并人工智能内部解决方案自2012年，但在最近几年，他们已经采取了一些重要的自动化工具。
这些工具可帮助他们释放白领采取更具体的工作，只有人类可以做护理。此外，他们还帮助公司平稳过渡到基于价值的关怀，这可能导致更高的每年节省。
在本文中，我们将进一步了解McKesson如何通过投资和在内部构建新的数字基础设施来促进医疗AI的发展。我们还探讨了McKesson目前用于自动化业务领域的工具，这些业务领域可能不适合人工员工。
我们讨论以下措施:
- 促进AI内外的企业：
- 麦克森如何帮助AI公司开发的医疗应用中，它们有兴趣，如科莫多健康。
- 该公司如何让所有员工更容易访问并更好地使用他们目前使用的人工智能工具。
- 针对白领自动化和财务管理的内部AI计划:
- McKesson与Genpact的合作使他们能够自动化许多白领工作流程
- 他们对变革医疗的了解，以及他们的预测分析软件如何帮助辨别基于价值的医疗的报销率。
我们开始我们的麦克森目前AI的举措勘探与他们在科莫多生灵活的数字架构投资和通过谷歌云平台。
促进AI内外企业
McKesson公司已经进行了更改，使他们的业务更容易适应新的AI技术。他们对谷歌云平台的举动也许是他们近年来最重要的变化，因为它可以更快地实现跨所有业务领域新的AI工具。
此外，他们还希望医疗人工智能市场上的小公司进行投资，这样他们将来可能会有更有用的应用。这一点通过他们对新公司的投资得到了强调，他们可以与这些新公司早期建立关系，并可能影响他们制造人工智能产品的方式。
投资于科莫多健康
麦克森创投，公司自身的风险投资基金，投资于医疗保健AI公司科摩多健康。科莫多称他们的预测分析平台可以帮助医生诊断和跟踪疾病进展的患者。据称它可以帮助医生通过提供关于每个患者或患者群体的见解提供个性化的服务。科莫多声称，这一切导致了病人的登记和他们的治疗之间的时间更短的。
科莫多巨蜥很可能是由他们的训练机器学习模型对大量患者匿名数据做到这一点的。这样一来，病人的姓名和其他个人信息不会被分发，并因此留符合医疗规定。该数据可能涉及关于病人的健康的各种细节，如：
- 病史，包括过去伤害和疾病
- 已对患者的工作过去疾病和疾病的治疗
- 他们目前正在服用的药物
- 任何药物过敏
- 病人目前的症状
这些类别中的每一个都会被贴上标签，而科莫多很可能会把每一段数据都贴上其中一个类别的标签。在科莫多的数据科学家们将机器学习模型暴露给所有这些数据之后，它将能够识别症状之间的相关性，它们是如何恶化的，以及它们最常与哪些疾病相关。
经过培训后，以帮助医生了解病人的疾病的预测分析模型可以使用。该软件极有可能采用以往患者的病史它有上下文来预测一个医生的诊断将在当前的病人什么。
这可能是特别有帮助的麦克森由于其据称能力预测病人的病情发展，这将使医疗服务提供者更容易地与McKesson沟通他们需要什么产品以及何时需要到货。
McKesson公司的世界癌症日最新情况建议科莫多健康的AI平台也可以用来精确地预测癌症相对早期相比，目前的诊断。他们强调这与科莫多健康的首席执行官阿里夫博士Nathoo，报价。
With regards to the data used to create these predictions, Nathoo said, “Just as Amazon can tell you when you need more cereal or new running shoes based on behaviors, we’re learning from the journeys of patients across 50 billion clinical encounters how to train our algorithms to detect cancer well before symptoms manifest.”
而有50个十亿临床会诊可能看起来像患者数据的使用量站不住脚，麦克森公司声称科莫多使用超过300万患者的病史，以训练其软件。如果该病史包括每个和每个病人的记录每一个医生的预约和急诊室，那么很可能他们的数据库达到50次十亿个人遭遇。
麦克森移动到谷歌云
麦克森最近搬走了从其他基于云的技术平台中获益谷歌云平台(GCP)，使他们能够更容易地在整个公司内分发新的应用程序和工具。
他们声称，这也将推动其新的AI技术，其中包括提高其数据分析能力的发展。这主要支持McKesson公司的优化他们如何更有效地提供医疗保健和产品策略。
该公司声称，转移到GCP将确保他们的数字基础设施将是灵活的。这可能意味着每个部门将不需要投资硬盘空间来不断安装新的人工智能工具和更新，以确保他们使用最新的技术。
相反，员工使用谷歌云远程访问他们需要使用他们的工作的应用程序和更新是通过云中运行，这样任何人都无法错过的更新。
麦克森公司还声称这种灵活的基础设施将使他们能够实现以下技术资源的进步:
- 创建一个可扩展的，灵活的数据库是公司本身和其他医疗保健企业它与更加有用。这可能意味着医疗数据存储在它通常标有一个目录，但根据这些标签没有组织。这使得不同的方式来组织患者数据和临床数据，以便它可以由任何人与McKesson公司的谷歌云应用程序接口中使用。
- 更新其解决方案，以共同的业务问题，比如产品制造，专业产品分销和药房零售业务。这是通过开发和通过GCP测试新的应用程序和软件工具，据称完成。
- 使用基于云的数据分析工具实时捕获新的医疗数据，这可能有助于他们开发和改进机器学习模型。这可能使我们对特定患者群体或患者对某些疾病的一般反应有更多最新的了解。
- 对机器学习和人工智能融入企业提供更大的容量。由于AI软件并不需要安装到每一台计算机，甚至到中央计算机现场确实，整合AI应用程序可能需要更短的时间。当与实时云分析上述组合，AI的应用可以有可能继续无需人工监控自动更新。
- 加快其与可扩展性，以处理大画面的问题以及颗粒业务问题以及提供新的软件和服务的能力。这似乎是多余的，但麦克森可能包括在此语句，因为谷歌云平台使他们能够做到这一点的速度比以往任何时候都面前。
- 减少需要管理者和被管理者永远是对检查和更新的数字架构。这使得科学家们的数据专注于新的项目已经可以依靠足够灵活，以整合其项目的基础架构中。
下面是关于使用机器学习和人工智能的谷歌云平台上的介绍性研讨会。在这段视频中，谷歌的云计算专家介绍了企业如何利用这个平台，以方便在其整个企业中使用的AI。由于视频是相当长的，我们在下文中最有用的时刻的列表。
- 6:12 - 机器学习作为API。GCP有5层机器学习的API，可以使使用自然语言处理，翻译，语音识别，机器视觉，和“视频智能”或见解从机器视觉收集的数据AI工具。
- 21:56 - GCP工具，用于在企业专有数据上培训机器学习模型。这些工具称为TensorFlow和ML Engine。TensorFlow是谷歌开发的开源机器学习培训工具，而ML Engine是专门为GCP开发的工具。
- 24:18 - 如何定制机器学习模型使用TensorFlow和ML引擎GCP工作。
针对白领自动化和财务管理的内部AI计划
McKesson在过去几年进行了一些重要的合作和合并，利用机器学习和人工智能改进了其业务流程。他们与人工智能公司结成了伙伴关系Genpact为了自动白领医药工作，并腾出员工专注于提供医疗服务。
此外，McKesson收购了Change Healthcare，并利用他们的预测分析软件提供基于价值的护理和自动化索赔管理。
白领自动化在麦克森和他们的合作伙伴关系简柏特
自2016年以来，McKesson一直致力于数据分析系统，并寻找更好的方法来管理他们的数据。这使他们能够在不同的商业领域尝试不同的人工智能方法，但最近他们已经将该技术用于许多白领用例。他们通过使用AI提供的应用程序来利用这些用例Genpact是一家合作公司。
白领的业务领域是McKesson公司已经能够自动化包括：
- 订单到现金：聚集了药品和医疗服务的销售订单，并考虑在那些销售款项的过程。可以在医疗工具销售的情况下，来自个别患者，保险机构，或医院。
- 记录报告:收集和发布重要信息，最好是及时的。这包括向正确的医生和药剂师传达有关病人的病理和放射学信息。另外，这在一个需要同时将结果分发给多个部门的医学测试实验室中也很有用。
- 合同管理：通过书面和签署的合同分配的过程，然后发回给相关部门。这些部门将需要知道合同是为了完成一项任务或运送产品已经签署。此外，建议最好的行动当然对于一个企业的领导者时，数据分析系统可以采取任何当前活跃的合约考虑在内。
- 主数据管理：一个自动化的过程管理公司的大数据和地方数据存储在企业内部的商店。这是最有可能在参照某个位置存储McKesson公司的数据库的患者数据和电子健康记录（EHR）。
- 源支付:管理公司的金融资源以减少公司在琐碎领域的开支。这有助于业务领导人根据大量的企业数据来决定哪些领域需要最多的资金，并确定优先级。这很可能是通过使用预测分析来创建预算，同时在计算未来可能的资源利用率时考虑患者数据来实现的。
McKesson公司的“源支付”和“纪录报”的过程是最有可能通过预测分析进行自动化的。这是因为管理和推荐良好的商业消费习惯利用历史支出数据，并从过去支出的投资回报收益率要求。
下面的图片是简柏特的AI软件解决方案，APFlow的一个示例。该公司声称APFlow是他们的源头付款流程推荐解决方案。
用户能够可视化系统中的所有发票，并根据文档类型和付款状态将它们分组。仪表板允许用户调出最近查看的图形，并根据数据的任何变化刷新可视化:
此外，预测分析软件可以预测当某一类型的文件或备忘录需要基于企业内部过去的数据传输信息被发送。
在新进人员或哪些部门被优先接收信息发生变化的情况下，然而，这可通过引导软件将信息发送给某些人忽略。
这是从非AI分析引擎不同，仅仅显示了公司数据的最新趋势。我们采访了德国桑切斯 - Trilles关于分析和预测分析之间的差异在我们的采访中有关数据科学方面，人们普遍得到错误的。
当被问及是什么使得预测分析不同于更常见的分析引擎时，Sanches-Trilles说:
如果我们有正常的分析比较一下，当我听到的术语分析，这使我想到的第一件事是谷歌Analytics（分析）。[在谷歌Analytics（分析），]你看看你的网站的流量，可能是购买你的电子商务，看着数据，并试图了解它。
当你在做预测分析，有中，你认为你有数据的这种预测部分，构建与数据，算法或模型或任何东西，并尽量推断的东西，会在未来发生基于过去。
从AI软件预测是由人员工做出最终决定之前审查。正因为如此，预测分析软件可以帮助企业领导人管理使用所有企业数据与自由接受或拒绝什么结果可能意味着财政。
收购Change Healthcare:索赔管理和预测分析
最近,McKesson收购改变卫生保健，这使他们能够访问他们的预测分析技术，基于价值的保健和医疗报销AI公司。基于价值的服务是一种商业模式，收费标准及依据他们接受治疗价值的病人。
这与基于典型的供求市场战略而单独定价的药品和服务的作用不同。
改变医疗保健具有AI分析软件，它可以让可能麦克森通过减少像错过付款和退款财政错误，以确保支付和收入的准确性。
McKesson从Change Healthcare中选择的解决方案之一是他们最近开发的软件声明生命周期人工智能。这是医疗改革的一部分智能医疗网络，或专门用于解决医疗保健业务问题的人工智能平台。
该公司声称，索赔生命周期解决方案可以帮助优化医疗服务提供者和支付者(如患者或其医疗保险提供者)的索赔处理。
以解决方案的名义提到的“索赔生命周期”是指从索赔最初提交时开始，到公司付清或拒绝索赔时结束的一系列事件。
该软件据称检测，同时要求提交将被拒绝索赔。该软件背后的机器学习模型可能比较与已经接受过去的那些新的索赔。这使得它可以辨别，如果要求准确与否。
从麦克森下面的图形示出了权利要求的生命周期人工智能如何观察有关输入的权利要求详细信息，然后接受或拒绝它们：
权利要求生命周期人工智能可以拒绝根据形式或美元金额的权利要求是用于在签名权利要求中，但是，这些只是一些可能的参数。被拒绝的要求可以得到发回申请人，让他们可以完成他们可能已经错过其中的任何部分。
另外，这使申请人纠正系统拒绝任何信息。据改变医疗保健，该系统已造成$ 6.2十亿节约使用该解决方案的所有公司内。
该软件很可能使用预测分析来确定每个索赔要求中的信息是否准确或完整。这个推论来自于这样一个事实:Change Healthcare是一家专注于数据分析和预测分析的公司，甚至在它们被McKesson收购之前也是如此。
不幸的是，目前还没有关于这个解决方案的信息证实它是预测分析。
预测分析软件
Change Healthcare的分析平台被称为HealthQx，据称它可以帮助医疗服务提供商向基于价值的医疗和报销过渡。这些都是平价医疗法案(ACA)要求的，解决方案使用预测分析来确定每个病人得到的医疗服务的价值。
此外，自动化这个过程中消除了人为错误的可能性有利于报销。当人的员工不能保留所有的财务信息，在一次出错，就可能会导致他们的公司，这会影响该公司的总收入减去报销。
HealthQx使用一种称为“偶发要求分组”，以检测当企业成本上升和下降的技术。然后，软件可以在成本开始上升和下降之间的时间段作为一个“插曲”，这样它就可以集中在成本上升的特定时间，从而准确地找到提供商需要偿还多少费用。
HealthQx可以使用每一集的数据来收集更多的信息，以便在未来的分析查询和项目中使用。Change Healthcare将这种数据利用称为“情景分析”。
然而，情节要求分组只是一种技术的预测分析软件可以用它来发现这种类型的洞察客户公司无法前收养找到。我们采访了史蒂夫Gullans在Excel中风险管理董事总经理，关于AI医疗应用的投资。
而我们的采访大多是为什么医生不希望由AI全面替代交易，Gullans作出关于在医疗保健白领和金融自动化一个重要的观察：
...寻找璞玉或价值被低估，通过查看通过专利历史和看到外面的东西，人们不领情，在全球基础上...你实际上可以找到的东西是看不见的前机会。
似乎就连大型风险基金的投资者也对病人的病史如何有助于确定其护理价值感兴趣。正因为如此，商业领袖们应该密切关注那些声称要解决基于价值的护理问题的AI公司，如果这是他们正在考虑整合的一个商业领域的话。
HealthQx背后的机器学习模型很可能是从客户医疗服务提供商(如电子病历、医疗索赔和财务数据)的数千条记录中训练出来的。它需要与客户公司的资源和财务计划、病人的健康水平和满意度，以及可以报销的服务清单相关。
此外，该软件可能有一个自然语言处理(NLP)部分。这是因为EHRs包含NLP可以处理的非结构化的书面信息，而预测分析则不能。
这两个变化医疗保健和McKesson公司声称HealthQx是由覆盖在美国商业保险的市民33％的健康计划提供者利用。然而，他们不点名这些供应商。
McKesson似乎看到了软件作为基于价值的护理解决方案的一些成功，但他们没有说明任何关于他们向ai支持的基于价值的护理过渡的节省数字。
标题图片来源：中
