技术专家们曾经承诺，人工智能（AI）与机器学习（ML）将彻底改变医疗保健行业的面貌。具体应用有望简化工作流程并减少人为错误、加速药物研发、协助手术操作，同时带来更好的计费与编码方法。然而，根据年发布的一项研究，医疗保健是一个数字成熟度落后周期达十年的行业。面对如此消极的背景，AI技术的结合究竟只是一个空洞的承诺，还是真正具有前瞻性与创新性的现实？技术专家承诺称，人工智能（AI）与机器学习（ML）将彻底改变医疗保健行业的面貌。在网络上搜索“医疗保健中的人工智能（AI）”，我们将得到近10亿条结果。似乎每一位医疗保健行业专家都对如何彻底改变患者的治疗方案提出了意见——从药物开发到临床决策支持系统（DSS）皆有涵盖。AI/ML在医疗保健中的应用前景似乎无穷无尽，但在本文中，我们将以拨乱反正的态度着眼于具体用例，探讨这些思路是否真能应用于未来实践。药物发现中的AI——现实从发现到研究再到最终生产，将药物推向市场的整个过程往往需要经过10到15年，平均费用约为26亿美元。虽然只有14%的候选药物能够进入测试阶段并获得FDA的批准，但药物研发企业与制药厂已经在AI方面投入巨资，希望更快地发现新的药物化合物、减少错误计算，从而获得更高的成功率。这一领域的增长也将继续保持旺盛的态势。面对如此漫长而昂贵的新药市场投放流程，行业必须简化发现步骤并辅以正确投资。目前，判断潜在候选药物时需要检查数十亿个数据点。事实上，药物开发历来是一个令人头痛的迭代过程，需要使用高通量筛选（HTS）实验室每天对数千种化合物进行物理测试，而预期命中率仅为1%甚至更低。AI/ML技术带来了增加效率并提升规模的希望。机器学习技术可用于关联大量数据、发现隐藏关系，并生成新的解决方案。这些系统目前被用于搜索新的候选化合物，加速复杂的计算机模拟效果，并提出多种多样的新药合成途径。利用AI实现ICD-11映射与编码——虚妄……但可能很快变为现实ICD-11即将到来。世界卫生组织（WHO）于年6月公布了最新的国际疾病分类清单（ICD-11），并于年5月向各成员国提交了这份清单。该清单中包含的条目量达到ICD-10的四倍，计划于年1月1日生效，其中包含1万份ICD-10修订提案要。面对这样庞大的条目数字，人类根本不可能对其进行正确的解释与编码。根据医疗保险与医疗补助服务中心（CMS）公布的数据，当ICD-10于年10月正式实施时，其条目数量由之前的1万3千条（ICD-9-CM）增长至6万8千条（ICD-10-CM）。虽然一部分医疗机构开始早期应用并引入某种形式的自然语言处理（NLP）或者ML技术，但大多数医疗机构仍然单纯依靠人类进行条目编码。这通常会导致解释提供者在进行注释时引发错误，特别是在处理唯一代码与修饰语时。举例来说，“被火鸡啄伤”编码为ICD-10codeW61.43，而“被大鸡啄伤”的编码为codeW61.43，人类编码人员极易把二者混淆起来。在提供者输入自己的注释之后，AI/ML将能够更好地确定正确编码并提供建议赔付理由。随着ICD-11编码数量的不断增加，AI/ML已经成为协助编码员转录备注，以及向付款者提供验证编码的必要前提。虽然ICD-11将以用户友好度更高的电子版本形式发布，但电子病历记录（EHR）供应商仍将投入大量开发资源，以确保最终用户能够使用正确的编码。通过引入AI/ML技术，系统将能够扫描提供方的注释，确定正确的编码，并验证修饰语部分。目前还不确定是否所有机构都能广泛采用AI技术进行编码与计费，但对于那些希望以更准确的方式对疾病进行分类的医疗机构而言，现在无疑是引入AI的绝佳时机。Pega在最近一项调查中发现，有52%的患者对医生利用AI做出医疗保健决策的作法感到满意，29%的患者对付款方使用AI技术的作法感到满意。患者参与及健康监测——现实Pega在最近一项调查中发现，有52%的患者对医生利用AI做出医疗保健决策的作法感到满意，29%的患者对付款方使用AI技术的作法感到满意。从调查结果中可以看出，目前整个行业正朝着更加个性化以及数据驱动型患者护理与参与的方向转变。当患者要求享受更具个性化的护理时，付款方与服务供应方也都做出响应。在以患者为中心的模式内推动AI技术普及，也将提高护理质量，并在这一长期以僵化著称的行业内掀起一波非常积极的变革趋势。在诊断完成之后，后来的护理步骤就是为患者制定治疗计划。尽管具有良好的治疗质量，但医疗保健供应方还需要

转载请注明:http://www.aideyishus.com/lktp/6817.html