AI正在迅速重塑全球各行业的格局，它帮助识别模式和趋势，了解客户需求和偏好，并简化运营流程。而在医疗保健行业——患者健康和生命至关重要——AI的进步显得尤为显著。当前有几项令人兴奋的新AI临床试验和研究项目，有望推动疾病预防、诊断和治疗的发展。
数据开放访问是关键
AI在医疗保健中的应用核心在于大量的数据。无论围绕AI和生成式AI有多少炒作，技术的好坏取决于可用的数据质量。能否访问数据源、数据的整合（结构化和非结构化）以及数据治理都是确保AI能产生影响的关键因素。这使得我们可以扩展这些解决方案，真正对护理产生积极影响。
例如，许多医疗机构正在实施“电子患者记录系统”（EPR），作为大规模数字化计划的一部分。这一组织特定的数据丰富来源，结合集成医疗系统内收集的数据，意味着我们将获得更广泛的数据，从关注组织需求转向关注患者需求。
问题是，我们是否知道如何处理这些数据？数据质量如何？是否有足够的数据科学家进行分析？
EPR系统与AI结合，可以通过自动化数据分析、预测潜在风险、个性化治疗计划和简化行政任务，显著提升医疗保健服务的质量。
推动临床发展
AI在医疗保健中有许多应用场景。但在投入有限的资金和资源之前，我们需要概念验证和研究。
好消息是DXC Technology正在与几家医疗机构合作开展这些工作。例如，DXC与新加坡总医院（SGH）和国家卫生机构Synapxe合作，开发了一套用于应对肺炎和抗生素耐药性的AI系统。“感染性疾病增强智能”（Augmented Intelligence in Infectious Diseases）模型通过对患者症状数据的处理，帮助区分病毒性和细菌性感染，确保仅在必要时开具抗生素。
该AI系统经过约8,000名SGH患者的临床症状、感染反应、X光片和生命体征数据训练。进一步的研究将评估该AI系统在临床环境中的抗生素使用影响，未来计划扩展到其他常见感染。
研究团队认为，该AI系统每例可节省医生多达20分钟的时间，并有助于减缓药物耐药性感染的上升趋势。
AI助力乳腺癌检测
另一个例子是，我的同事们与加州一家大型医疗集团合作进行的一项乳腺癌早期检测和改进跟踪的概念验证（PoC）。这项概念验证所需资金较少，资源利用率低，因此研究更快且成本更低。其重要意义在于使用EPR系统中的历史数据辅助乳腺癌的早期检测和诊断。
通过使用历史数据，PoC旨在确定AI是否可以协助早期发现和诊断乳腺癌，从而显著改善患者预后，成功识别乳腺癌放射学结果中的假阳性和假阴性。
结果显示，由于现有模型通过可用数据得到增强，能够准确预测乳腺癌的结果。对于阴性预测，准确率超过96%，阳性预测准确率为70%以上。
未来的机遇
尽管AI诞生已有近七十年，但它与医疗保健的合作才刚刚开始——协作和负责任的实施将决定最终成果。
记住，全面的患者数据是AI的生命线。这就是为什么医疗机构必须确保能够访问患者数据，否则可能会错过AI为临床医生、护理人员及服务对象带来的益处。
宏观视角
AI处于变革医疗保健的前沿。好消息是，DXC的咨询和工程团队拥有深厚的行业知识和AI技能，帮助医疗保健组织在其转型之旅中取得成功。
全球超过1,600家医疗和生命科学客户依赖DXC的帮助，以提高诊断准确性、分析大数据集加速诊断、加快账单处理速度，并安全分析患者数据以改善诊断和患者护理。
(全文结束)
