W jaki sposób sztuczna inteligencja wiąże się z interoperacyjnością opieki zdrowotnej?
Podczas panelu poświęconego przyszłości interoperacyjnej inteligencji Sarang Deshpande, wiceprezes i dyrektor ds. danych i analiz w firmie Franciscan Health, powiedział, że przez ostatnie 10 lat interoperacyjność dotyczyła wymogów regulacyjnych dotyczących udostępniania danych, takich jak HL7 i Fast Healthcare Interoperability Resources (FHIR). Z jego perspektywy kolejnym etapem interoperacyjności jest ustanowienie wewnętrznych systemów umożliwiających wzajemne połączenia i komunikację, usprawniających przepływ pracy.
„Mamy dużo pracy do wykonania, ale moim głównym zadaniem jest przejście od udostępniania danych do dobrze połączonego ekosystemu” – powiedział Deshpande.
Jawad Khan, dyrektor ds. danych i analiz w szpitalu dziecięcym w Akron, powiedział, że interoperacyjność często ogranicza się do dyskretnych danych wymienianych między systemami; w dobie sztucznej inteligencji musi być bardziej dynamiczna i móc na bieżąco zmieniać swój format.
Paneliści wyrazili, że dane wielu organizacji nie są gotowe na sztuczną inteligencję i interoperacyjność niezbędną do zapewnienia powodzenia inicjatyw AI na dużą skalę.
Tamara Wegner, starsza dyrektor ds. usług platform dla przedsiębiorstw w Nordic, stwierdziła, że niektóre organizacje zbyt szybko wkraczają w przestrzeń sztucznej inteligencji.
„Widzisz wzniosłe myśli na temat sztucznej inteligencji, ale kiedy otrząsniesz się z cebuli, rdzeń wciąż boryka się z trudnościami i nie ma podstaw, aby doprowadzić organizacje do tego, dokąd chcą w zakresie przepływu pracy związanego ze sztuczną inteligencją” – powiedziała.
„Wszystko i wszyscy są gotowi na sztuczną inteligencję, z wyjątkiem własnych danych” – zgodził się Deshpande, dodając, że w branży brakuje umiejętności korzystania z danych i zarządzania nimi, a wiele osób nie chce podejmować ciężkiej, żmudnej pracy związanej z przygotowywaniem danych na przyszłość.
ZBADAĆ: W jaki sposób systemy opieki zdrowotnej zmieniają sposób zarządzania danymi?
Przygotowanie danych do wdrożenia sztucznej inteligencji w służbie zdrowia
Khan powiedział, że dla zespołów IT ważne jest zrozumienie inżynierii pełnego stosu i sposobu jej działania w przestrzeni danych. Wyjaśnił, że może pomóc w ujednoliceniu danych w sposób, w jaki nie są w stanie tego zrobić jeziora danych. Sztuczna inteligencja może odegrać kluczową rolę w ułatwianiu kompleksowego projektowania. Zarządzanie jest również kluczowe.
„Aby poprawić jakość danych, należy maksymalnie zbliżyć się do ich generowania. Zachęcam mój zespół, aby zrozumiał, w jaki sposób dane są wprowadzane do systemu” – powiedział Khan. „Jeśli potrafisz zadbać o jakość danych jak najbliżej miejsca ich generowania, nie musisz się tak bardzo martwić zapleczem. Jeśli zajmiesz się jakością danych po stronie zaplecza, wpadniesz w błędne koło”.
Aby to osiągnąć, producenci danych muszą być częścią komitetu ds. zarządzania danymi. Zalecił rozpoczęcie od frontu danych i pracę w kierunku backendu. Według Khana korzystne jest również korzystanie z technologii do raportowania jakości danych.
Scott McEachern, dyrektor ds. informatyki w szpitalu i centrum zdrowia Southern Coos w Bandon w stanie Oregon, podkreślił potrzebę podjęcia jasnych kroków i zrozumienia „dlaczego” przez użytkowników końcowych generujących dane.
Khan zachęcał liderów IT w służbie zdrowia, aby przed wdrożeniem nowych narzędzi rozważyli swoje zasoby wewnętrzne. Współpraca z partnerami może pomóc zmaksymalizować już poczynione inwestycje, zwłaszcza w postaci elektronicznej dokumentacji medycznej i platform planowania zasobów przedsiębiorstwa.
Choć zarządzanie danymi może wydawać się trudne, Deshpande stwierdził, że to dobry czas, aby popłynąć na fali sztucznej inteligencji i zbliżyć się do danych w kierunku centrum doskonałości.
„Skoncentruj się na zarządzaniu, procesach i odpowiednich narzędziach, a następnie przekaż tę pracę jednostkom biznesowym” – powiedział. „Jeśli nie wykorzystasz obecnego entuzjazmu, możesz przegapić swoją szansę”.
McEachern stwierdził, że pomiary są przydatne w zdobywaniu akceptacji lekarzy. Polecił przedstawić dane w spokojny i profesjonalny sposób, aby pokazać, ile czasu zajmuje im wykonanie określonych zadań, a następnie wyjaśnić, w jaki sposób nowe procesy lub narzędzia mogą pomóc im odzyskać ten czas.
Kliknij poniższy baner aby zapisać się na cotygodniowy biuletyn HealthTech.
