Discovery Health正在利用数据科学、机器学习和人工智能工具创建一个新的系统，以向其成年医疗保险会员提供个性化的医疗服务。
该系统基于“超个性化”的原则，Personal Health Pathways利用“数字孪生”或公司术语中的“临床孪生”概念，为会员提供实时建议，旨在创建一种主动的、精心策划的医疗保健方法。
根据Discovery Health首席执行官Ron Whelan在接受TechCentral采访时所说，高级机器学习和AI模型的使用使有针对性的方法成为可能，从而改善了患者的治疗效果，同时随着时间的推移降低了Discovery Health的成本。
“医疗保健非常复杂，一直依赖于一系列算法、规则、协议和指南。但随着人工智能的出现，我们能够看到新的模式和趋势。更重要的是，我们能够利用这些模式在个体基础上提供更精确的医疗保健。”Whelan说。
“我们看到了利用Discovery Health的大数据集以及先进的AI模型来创建这些精确且个性化的路径的机会；这在人工智能出现之前是不可能实现的。”
据Whelan介绍，AI注入的医疗保健的一个主要好处是能够在正确的时间进行正确的治疗。这避免了“浪费时间并减少了任何特定药物或干预措施引起的不良事件的风险”。这是因为该系统减少了医生在诊断患者和开处方时所经历的许多试错过程。
临床孪生
会员的临床孪生不是一个静态实体。每次推荐的操作（或未执行的操作）都会反馈到系统中，系统将新信息纳入模型，以建议下一个最佳操作。
Whelan表示，该模型会创建许多可能的操作，并根据其效果对其进行排名，但这并不是决定是否提出建议的唯一因素。另一个因素是医疗保险会员执行该操作或坚持给定例程的可能性。然后，将最高价值且完成可能性最大的操作推荐给用户。当用户的操作完成时，他们将获得奖励，而这些奖励也是个性化的。
“同一操作对不同会员的价值可能因他们的具体情况而异。”Whelan说。
鉴于健康数据的敏感性，Whelan表示Discovery Health必须对其从客户群中挖掘的数据采取严格的预防措施，其客户群包括近三百万南非受益人。
为了遵守《个人信息保护法》，用于创建因果推理模型和其他支持模型的数据被匿名化。儿童也不包括在该计划中，部分原因是基于儿童医疗保健数据的因果推理模型仍在开发中。
用户可以通过Discovery Health应用程序或Discovery Corporate应用程序与Personal Health Pathways互动。与任何机器学习算法一样，模型获取的数据越多，效果越好。
“路径以实时智能的方式更新，因为它添加到数据集中，丰富了它，然后建议下一个最佳适当的操作。这是一个完全闭环的迭代周期。”他说。
这个闭环对会员的生活和寿命的重要性使得推理的准确性至关重要——实际上，这是生死攸关的问题。因此，确保输入模型的数据准确无误绝对关键。
数据来自多种来源，包括可穿戴设备（如智能健身手环）、会员索赔提交和电子健康记录。拥有并使用可穿戴设备是注册Personal Health Pathways的前提条件，该系统兼容多个品牌，包括Apple、Samsung、Garmin和Suunto。
据Whelan介绍，运动手环数据为Discovery Health的模型增添了动态元素，因为患者首次可以在临床环境之外通过其设备进行监测。
“医院数据的挑战在于，你只有从入院到出院期间的数据。确实很难知道在这之前和之后发生了什么。我们的数据集的强大之处在于，我们可以通过可穿戴设备获得任何会员的360度视图。”Whelan说。——© 2025 NewsCentral Media
(全文结束)
