医疗保健人工智能采用的瓶颈

每个行业都有机会整合人工智能。医疗保健行业采取了更为谨慎的态度，随着人工智能推动其他行业进入新的收入和生产力高度，行业内部也存在着担忧和谨慎。

为什么医疗保健行业不愿意采用人工智能，如果拥有大量的数据可以更好地诊断患者并简化医疗机构的运营通信？这是因为该行业包含了太多复杂的因素，转型变得比大多数人想象的更为复杂。

巨大的数据表面

电子健康记录（EHR）跨越了无数的电子领域，包括保险数据库、医疗记录和放射实验室成像。还有很多尚未数字化的医疗笔记，包含了人工智能可能会发现的最有见地的信息。然而，医疗保健行业的竞争和保密性质阻止了这些数据汇聚在同一个地方。

连接这些数据需要耗费大量时间和金钱，许多独立的医疗保健机构不愿意联合起来为机器学习算法提供信息。他们希望得到补偿，如果他们交出自己的数据。

个人识别信息（PII）和受保护的健康信息（PHI）是敏感的资源。遵守健康隐私法规同时为人工智能数据集提供信息是一个灰色地带。相反，人工智能可以始终保持与当前合规性同步，所以小心的信息输入可能有助于它安全地导航这条路。

然而，如果该行业克服了这个障碍，人工智能数据集就可以知道每一种已知的治愈方法、处方和康复计划，适用于每一种当前的医疗状况。该行业如何克服这大量的信息？法规是关键。

医疗保健人工智能几乎没有政府基准。制定这些基准将会缓解甚至最著名的医院在分配时间和资源到这个项目时的担忧。为这些过程创建标准将是监管机构和医疗机构共同努力的结果。测试新的人工智能趋势，如预测分析和增强安全性，需要时间，但标准将会创造凝聚力和动力，同时消除行业的担忧。

患者的怀疑

人工智能在该行业中尚未被充分使用，尚未有足够的患者反馈。无法确定患者如何对人工智能提供的诊断或康复计划做出反应，尤其是在人工智能医疗保健的早期阶段。一些专家认为，可能会有要求人类医生作为信息传递的口头。

尽管人工智能可能比人类医生更准确，因为它拥有不断更新的数据库，但人们并没有完全接受一个技术取代人类的世界。人工智能不会使医生过时——人类的影响可以始终对其决定提供第二意见。

此外，人们将在实施后告知和微调人工智能，以确保其效率和准确性——这将克服医疗保健人工智能被过多数据淹没的相关障碍。人类的监督将管理数据扩展和输入，以确保不出现虚假、过时或不必要的信息导致决定出现偏见或误导。患者可能会感到更舒适，如果医生将此事告知他们。

研究人员必须增加人工智能对患者的曝露，以衡量反应和信任能力。只有通过互动，才能看到潜力——减少等待时间，快速填写处方，提高诊断准确性和更平衡的员工配置，以最小化倦怠。这可能特别有益，因为36%的护理人员表示他们的工作非常有压力。

通过人工智能削减开支可以促进低至中等级别医院的发展，因为他们节省了大量的开支。这样，他们就可以投资更多的专家人员和更好的设备，以推动他们进入更好的医疗保健的新未来。这些副作用可能会改变患者的想法，如果他们看到积极的变化正在展开。

人工智能决策的未知数

尽管人类知道他们正在向人工智能输入什么数据，但人工智能仍可能做出出乎意料的预测或假设。程序员和工程师可以解释技术方面，但人工智能如何在其数据点之间建立联系仍然在某些方面是模糊的。

这个概念被称为可解释性。问题是，如果人类无法理解人工智能如何得出结论，尤其是当人类从未想到过答案时，临床医生如何能与人工智能资源合作？人工智能在医疗保健中可能会开始提出以前没有答案的疾病的治愈方法。它还可能识别趋势或症状，实现超出人类认知的诊断飞跃。

研究人员希望揭示这如何运作，以及医疗专业人员如何与人工智能资源建立牢固的关系，同时保持健康的怀疑态度。如果人类无法弄清楚人工智能如何得出一个不可能的解决方案，机构如何可靠地实施它？进一步的研究将通过阐明人工智能处理过程来解决这个瓶颈。

然而，另一个解决方案是与研究同时进行的人类对人工智能的认知和假设的重写。人工智能可以做出错误的等价物和决定，但其做出准确预测的能力并非毫无根据——多年的人类研究和贡献为医疗保健人工智能提供了信息。一旦这种认识变得正常化，医疗保健人工智能的采用可能会变得更加顺畅。

医疗保健人工智能的阻力

采用像人工智能这样具有创新性和行业变革性的基础设施，将会改变医疗保健领域的思维方式。每一次技术转变都需要积极和乐观的讨论，以阐明它将如何造福该行业及其患者，同时尽可能地避免障碍和法律问题。

由于可能会遇到巨大的争议和劳动密集型的努力来实施人工智能，存在巨大的犹豫。然而，如果正确使用，人工智能可以将医疗保健带到一个新的时代，更加有效和准确地关心人类，提高患者和全球员工的生活质量。