在AI热潮的早期，医疗机构往往迫不及待地尝试最新的工具。
许多医疗机构最终积累了大量冗余或无效的解决方案。但IT领导者们向《贝克医院评论》表示，他们发现了一些关键见解，并已将其应用于后续的AI投资中。
"我们从早期AI工作中得到的最大教训之一是，一个有前景的工具并不是启动项目的充分理由。我们通过艰难的方式学到了这一点，"基于印第安纳州里士满的Reid Health首席信息官穆罕默德·西迪基（Muhammad Siddiqui）表示。"像许多机构一样，我们在完全定义要解决的问题之前，就转向了听起来有趣的创意。"
现在，他的医疗机构在考虑任何AI解决方案之前，会先明确其运营需求和期望结果，早期就收集临床输入并建立治理机制，而非事后补救。该组织以同样的严谨态度追踪系统上线后的成功情况，就像当初研究应用时那样。
西迪基先生表示："这使我们启动项目更慢，但能更快地获得真正成果。"
基于盐湖城的Intermountain Health认识到，运营层面的所有权比技术复杂性更为重要，该机构高级副总裁兼首席数字与信息官瑞安·史密斯（Ryan Smith）表示。
他表示："我们一再发现，当AI项目有明确的赞助方、定义成功的指标，并早期融入真实的临床和运营工作流程时，才能发挥最大价值。"
史密斯先生表示，协调不仅限于高管赞助方，还应扩展到使用这些工具的一线医护人员。高级领导必须设定清晰的优先事项和成功衡量标准，早期就让临床医生参与设计应用，使其融入他们的日常工作。
他表示："当存在这种共享所有权时，即使是复杂的AI解决方案也会变得更容易被接受、更加受信任，并对患者和医护人员产生更大影响。"
与许多机构一样，波士顿儿童医院在充分测试其能力是否与主要企业平台提供的功能不同时，就迅速与专业AI供应商合作。"我们急于创新，这种紧迫感有时超过了我们的审慎，"波士顿儿童医院高级副总裁兼首席创新官约翰·布朗斯坦（John Brownstein）博士表示。
但这一经历教会了一个重要教训：在与外部供应商签订大合同时，该医疗机构现在会对各种竞争性方法进行彻底比较，包括它已经在部署的平台，如OpenAI。
布朗斯坦博士表示："这迫使我们提出难题：这家供应商是否在解决真正需要专业知识的问题，还是我们在为一个基础模型已经能很好处理的事情支付溢价？" "这种纪律性为我们节省了资源，减少了AI技术栈的复杂性，老实说，也使我们成为所选择合作供应商的更好伙伴。"
并非所有IT领导者都希望有机会重新选择技术。"我对过去的AI决策没有任何后悔，"总部位于马萨诸塞州萨默维尔的Mass General Brigham首席技术官纳兰·斯里拉曼（Nallan Sriraman）表示。"这包括停止无监管的AI试点项目，刻意建立更广泛的AI治理框架，以及总体上采取迭代的AI方法——边学习边调整。"
总部位于佛罗里达州杰克逊维尔的浸信会健康系统（Baptist Health）执行副总裁兼首席数字与信息官阿隆·米里（Aaron Miri）表示，他们不是在AI上行动太快，而是执行得不够迅速。
他表示："我们谨慎地对待AI，但事后看来，我们在有明确用例的地方过于强调谨慎，而不是加速推进。"
该医疗机构已转向与合作伙伴更积极主动的立场，期望共同开发、快速迭代，并对结果明确负责——而不仅仅是试点。
米里博士表示："最大的教训是，医疗保健中的AI不能靠'希望'来资助。" "每个项目都需要定义明确的投资回报率，无论是可衡量的时间返还给临床医生，还是直接的财务影响。如果你不能将其与床边护理或资产负债表联系起来，就不应该推进。"
【全文结束】
