医疗行业的AI应用，要避免“垃圾进、垃圾出”

对于人工智能和机器学习在医疗保健行业的价值和未来的看法已经发生了很多改变。这个行业正在蓬勃发展。与在医疗保健市场中不断发展的区块链技术一样，人工智能和机器学习也需要一些短期期望管理。虽然它们的效用和价值会随着时间的推移不断提高，但是在现在这个阶段，它们还不是解决美国医疗系统中众多护理和成本交付问题的灵丹妙药。

笔者不是人工智能程序员，不玩Python，也从来没有构建过机器学习算法。但是，我在医疗保健领域拥有三十年的实践经验，并且在这期间使用过信息技术系统和应用程序，例如从电子病历(EMR)系统中收集高质量的数据和结果，并且部署基础分析。除此之外，在IT方面也拥有相当广泛的背景。

去年，当区块链技术随意蔓延的时候，我认为在医疗服务中要稳妥地部署区块链技术还需要等上一段时间，这是因为医疗服务交付系统之间还存在着巨大的差异，同时还需要大量的输入，存在诸多变数。使用/部署区块链技术解决特定问题需要使用共识数据集。通常来说，人工智能技术也是一样的。这是说人工智能、机器学习和区块链不会在未来的医疗保健行业中发挥作用吗?当然不是这样的。我相信这些技术都将发挥重要的作用。

但是，尽管出现了各种强大的IT产品，在短期内，挑战仍将继续存在。医疗保健行业需要人工智能、机器学习、区块链和其他尖端技术改进、协调护理服务，降低“系统”成本并减少冗余，并且帮助确保提供可重复的服务质量。但很少有技术是完美无缺的，绝大多数的技术都需要时间，才能随着使用范围和规模的增长不断发展成熟。

什么是人工智能?

首先，简单阐明一下人工智能的定义。就如同远程医疗一样，人们经常将“telehealth”和“telemedicine”两个词互换使用，很多人也会将人工智能和机器学习混为一谈。事实上，很多组件都属于人工智能的范畴，包括机器学习。凭借人工智能，机器可以模仿人类的认知功能。在这种情况下，人工智能包含了机器学习、自然语言处理(NLP)和“推理”。在机器学习技术中，机器没有明确的指令，但是可以推断并确定大量数据中的模式。

“推理”是与规则结合在一起的信息存储，可以用于演绎。NLP是自然人类语言的处理、分析、理解和生成。可以教会机器学习和辨别物体。例如，可以部署编码来标识不同的叶子，每片叶子都有数据元素区分符，可帮助计算机“学习”叶子的类型。然后，随着时间的推移，计算机可以把橡树叶从枫树叶中挑拣出来。当然，这只是个例子。但是除非你告诉计算机这些物体是什么以及如何对它们进行定义，否则它对此就一无所知。输入必须是正确的，而且编写算法的人必须具备解决手头潜在问题的相关背景知识(例如橡树叶和枫叶之间的差异)。

这可能就会是一个麻烦。主题专家(SME)和数据科学家必须通力合作才能描述要解决的问题，明确所需的数据，对算法进行培训以确保它们的相关性。对计算机糟糕的“训练”和糟糕的数据输入会导致糟糕并且/或者是不正确的输出。

▲ 图中显示了这些组件如何在更大的“AI保护伞”下生存

不良的构造是如何呈现自己的呢?一方面，我们最近发现糟糕的数据输入会导致糟糕的输出。最近很多机构对新冠肺炎所做的各种预测都非常不准确，高估了感染率和死亡人数。虽然问题不在于人工智能本身，但是肯定是算法、逻辑和数据输入存在着缺陷，导致了结果出乎意料地不准确。同样，糟糕或错误的输入和糟糕的算法也会导致糟糕的输出。

需要强调一下，事实上我相信人工智能将在医疗保健服务中扮演越来越重要的角色;这是时间和必要性的问题。关键在于逻辑数据的开发、构建和参数，科学家和主题专家们(例如，临床医生和医疗保健主管)必须清楚地进行沟通。无法清晰描述自身需求和输入的主题专家们将会导致程序员们朝着错误的方向前进，将结构性错误代入算法之中，从而有效地阻止机器“学习”正确的响应和输出。因此，高质量的输出不仅仅需要建立在正确的算法之上(程序员的工作)，还需要正确的输入为机器赋能，帮助它们“学习”如何提供可行的见解和/或者做出正确的决策。

人工智能在企业内的失误已经非常严重，如果你部署了一个没有内置所有正确输入和参数的心脏病人工智能协议，这可能会造成生死攸关的后果。正如我之前提到的那样，这个问题也在最近的《福布斯》(Forbes.com)文章(《区块链技术可能(最终)会帮助医疗保健行业：但是不要屏住呼吸》，2019年7月刊)中讨论到，人工智能混乱是存在的。“在2018年7月，StatNews审查了IBM的内部文件，发现IBM的Watson提供了错误的，有时甚至是危险的癌症治疗建议。”[i] [ii]

话虽如此，在短期内，小规模的企业用例可能会被证明更加容易实现。例如，在医疗保健行业中，在财务方面面临下行风险的责任制医疗组织(ACO)可以开启一个定义明确的项目，专注于病患迁出。定义/要求的输出可能是量化的ACO财务风险，确定哪些医生倾向于理所当然地转诊，明确转诊人员的来源和去向。这样一个特定的用例，具有明确定义的结果/目标，因为具备可操作性。

可以说，在医疗保健行业中，“输出”比在小部件制造行业中要重要得多。此外， IDC的一项调查显示，四分之一的公司表示他们实施的人工智能项目中，失败率接近50% [iii]。

人工智能将推动医疗保健行业的成功

人工智能在医疗保健行业中的使用和价值将会继续增长。无论是针对疾病状态、企业收入周期的现金流或者基于价值的护理计划的预测分析，人工智能都将大有用武之地。