美国各地的医院正在越来越多地采用人工智能（AI）技术，但在衡量这些工具的成功并将其扩展到整个企业时仍然存在许多问题。据位于加利福尼亚州北部的医疗系统Sutter Health的首席数据与分析官Kiran Mysore在纳什维尔举行的ViVE会议上表示，这是当前面临的主要挑战。
“我们目前面临的挑战是大多数试点项目并没有提前考虑投资回报率（ROI）。大家的想法是‘先解决问题再行动’。这样做的危险在于，如果没有关于AI价值的讨论就走得太远，”Mysore在本周的ViVE会议采访中说道。
Mysore指出，在采用任何工具之前，至少需要有一个大致的ROI估算。这些信息可以帮助决策者确定医院领导愿意投入的资金规模。如果一家医院预测某项技术只会带来适度的回报，它可能不会在初期投入大量资金；但如果预计ROI较高，情况可能会有所不同。
在工具被采用后，衡量其实际ROI也颇具挑战性，因为不同的工具需要不同的指标。例如，对于AI驱动的环境监听工具，Mysore解释说：“它是否节省了医生的时间？这很难衡量——当一个医生在半天内看10到12个病人时，你怎么能真正衡量这一点呢？我们可以测量的是认知负担，但这不是一个科学的度量标准。它只是医生感到放松和能够进行对话，而不是打字。”
对于某些工具，定性指标非常重要。例如，环境监听工具就是其中之一——医疗行业正面临着严重的临床医生短缺和历史性的职业倦怠危机，因此医生感到工作压力减小是一个重要的衡量标准。
而对于其他技术，定量指标更为重要。例如，医院会在采用帮助自动化患者出院流程的AI工具后密切跟踪患者的平均住院时间。
当试点阶段表现良好的AI解决方案需要扩展时，也会出现新的挑战。Mysore指出，“也许你有一群初级保健医生，首先向他们推出这项技术，但当你向心脏病专家或护士推广时，情况会非常不同。你不能简单地使用相同的扩展方法，因为初级保健医生问的问题和记录的内容与心脏病专家完全不同。因此，我们必须根据患者群体和医生群体的需求来定制AI的应用。”
如果没有明确的ROI指标和定制的部署策略，即使是最有前途的AI工具也可能在试点阶段停滞不前，Mysore总结道。
(全文结束)
