人工智能，尤其是生成式AI（Gen AI）在医疗领域的可能性非常广泛，包括简化行政任务、加快患者诊断，甚至帮助进行医学研究。目前，这些技术主要集中在特定的AI解决方案上，虽然已经产生了一些实际但有限的影响，但其潜在影响要大得多。任何希望利用AI的医疗机构的第一步都是制定一个健全、全面的数据存储策略。任何大型或小型语言模型的质量都取决于其训练数据的质量。因此，不良的数据存储可能会导致基于不正确、不完整和/或有偏见的数据的AI输出。如果AI直接与患者护理相关，医院工作人员错误使用这项技术的风险就太高了。在最新的AI浪潮冲击医疗行业之前，机构有机会通过正确的数据存储来建立坚实的基础。
早期采用者的用例
将现代数据存储与AI结合，可以为医疗行业的各个部分带来优势。例如，保险公司可以创建和/或实施减少理赔处理时间或加速欺诈检测的模型。对于医疗服务提供者，模型可以简化临床诊断或协助医生获得预先授权，从而加快患者护理。在企业影像方面，医疗机构可以利用算法将MRI结果的周转时间从半小时缩短到五分钟。为了充分发挥每个模型的优势，医疗系统CIO及其团队必须能够访问干净、有序且相关的数据。例如，如果保险公司试图检测欺诈，他们必须使用描述典型欺诈手段（如重复计费、上调编码或身份欺诈）的数据来训练模型。对于医疗服务提供者，他们使用的AI工具必须经过与诊断相关的数据训练，如常见的风险因素和健康模式。确保数据干净和有序的最佳方法是通过集中、统一、可访问的数据库。好消息是，大多数医疗系统拥有大量相关数据，可以使他们的AI算法极其有效；他们只需要找到数据，将其整合，并使其易于访问。
避免错误以加速创新
在我帮助医疗系统实施AI的过程中，我看到了一些在规划和实施初期阶段可能出现的错误，这些错误可能会影响预算、损害数据输出并减缓业务成果。以下是可以通过现代数据存储平台避免的两个错误：
- 未明确定义要解决的问题——以及由此带来的机会。医疗系统必须决定“我们试图解决什么问题”，“已经存在哪种类型的模型，还是我们需要创建自己的模型”，以及“我们应该多快扩展这些用例”。当AI计划缺乏具体路径时，最终后果可能是负的投资回报率、潜在的法律问题以及对患者护理的负面影响。
- 投资超过当前或未来所需两倍的AI技术：正确的数据存储平台将允许随着AI用例的增长而扩展。这可能意味着利用数据即服务平台，使医疗系统能够选择构建AI策略所需的存储量。通过结合AI和数据存储平台，医疗系统可以避免这些和其他错误，从而实现更大的成本节约、更准确的输出和业务成果，以及更快的创新。
在AI和数据存储交汇处改善医疗
上面提到，找到数据并将其整合起来非常重要。但这并不一定意味着将其保存在一个中心位置。将特定工作负载/数据保留在本地，其他数据放在云端或介于两者之间，有多种好处。最终目标是利用一个无缝连接这些数据的数据存储平台，无论数据位于何处，都能使其可访问且有用。例如，圣约瑟夫健康医院是一家世界级的医院和医疗网络，提供全方位的护理服务，特别关注新泽西北部地区的未服务人群。通过利用更先进的数据，该医院正在改进和推进患者护理。凭借灵活、安全且可扩展的数据平台，圣约瑟夫的IT基础设施可以支持多个工作负载，无论是本地还是云端。这些工作负载包括数据分析、虚拟桌面和AI实施。例如，该医疗系统在其放射科中利用AI，通过AI获得了更准确的图像分析、治疗建议，最终实现了更高效的患者护理。
最近，我与CDW垂直市场战略解决方案副总裁Imran Salim讨论了利用现代数据存储平台与AI相结合的医疗系统。我问他对此的一些看法，以及他所看到的提高患者护理水平的好处。“毫无疑问，结合数据存储平台的AI策略为医疗系统带来了更好的患者结果。我们看到提供者能够获得更好的数据洞察，从而做出更明智的决策。在企业影像方面，我们与放射科医生合作，实现了更快的图像检索，从而提高了整体运营效率和患者护理质量。”
数据存储是医疗AI的基础
AI的实施很快将存在于医疗行业的大多数领域——从保险公司到大型医院再到地方诊所。事实上，没有AI将使某些医疗系统处于不利地位，从而对其服务患者的能力或推动研究产生负面影响。利用能够实现真正数据生态系统、更快的工作负载性能和可扩展AI用例的数据存储平台，是医疗系统为AI成为必备条件时做好充分准备的最佳方式。是时候让我们的行业认识到，数据存储和AI的结合最终将加速创新，生成有针对性的业务成果，并帮助患者茁壮成长。
(全文结束)
