Loading...

S'abonner S'abonner S'abonner

Étapes vers le succès pour les efforts d'IA et de ML pour les soins de santé

10 novembre 2021 - Parul Saini, équipe Webmedy


Les progrès des outils et des solutions basés sur l'intelligence artificielle ont transformé l'espace des soins de santé et optimisé la manière dont les soins aux patients sont dispensés pour de meilleurs résultats tout en réduisant les coûts.

L'intelligence artificielle (IA) et l'apprentissage automatique (ML) sont là et transforment le secteur de la santé. L'IA présente de nombreux avantages par rapport à la méthode traditionnelle d'analyse et aux techniques de prise de décision. L'arrivée de l'IA/ML et de ses capacités associées a créé de nombreuses opportunités d'intervention intelligente.

Bien que plusieurs cas d'utilisation et résultats de projets AI/ML soient prometteurs et passionnants, l'exécution de ces projets reste un défi. Le succès de l'IA/ML dépend et est influencé par de nombreux facteurs internes et externes. Des facteurs internes tels que les compétences techniques, l'état d'esprit/le changement culturel et le désir d'adopter les résultats du projet IA/ML et des facteurs externes tels que les changements soudains dans le comportement des consommateurs et le désir d'adopter les résultats du projet IA/ML affectent le succès de toute IA/ML projet.

L'adaptation à ces changements commence par garder un projet AI/ML aussi simple que possible. Il peut être développé et amélioré en ajoutant de nouveaux cas d'utilisation et des données empiriques. Chaque projet doit commencer par définir les résultats attendus en tant qu'objectifs SMART. S : spécifique, M : mesurable, A : atteignable, R : pertinent, T : limité dans le temps. Des efforts appropriés doivent être faits pour examiner régulièrement les résultats et les mettre à jour en fonction de l'avancement du projet et des commentaires.

Nous avons répertorié ici quelques étapes importantes qui peuvent vous aider à réussir votre prochain projet d'IA/ML.

Étapes du succès pour l'IA/ML

  • Étape 1 - Comprendre les données d'une meilleure façon

    Dans cette étape, les points clés à rechercher sont les types et les formats de données. Pour les prévisions de coûts, l'ensemble de données sur les réclamations transactionnelles peut être adéquat, mais pour l'analyse des sentiments des membres, les données initiales peuvent être présentes sous une forme brute et linguistique. De plus, certains ensembles de données comme les réclamations ont des limites d'analyse puisque l'objectif initial de la génération d'ensembles de données est uniquement le remboursement. Cependant, une combinaison de données sur les réclamations justes avec d'autres données cliniques et sociales sera en mesure de fournir d'excellentes prévisions de coûts. Il vaut donc la peine de consacrer du temps et des efforts pour mieux analyser toutes les perspectives des données disponibles, avant de les utiliser.

  • Étape 2 - Identifier le bon modèle

    Il serait désormais évident de catégoriser les cas d'utilisation pour savoir si vous recherchez une prédiction en valeurs, probabilités ou classification. La prédiction des valeurs peut être une demande du montant de la réclamation, du taux d'auto-adjudication, etc. Les probabilités sont généralement mieux adaptées lorsqu'il y a plusieurs résultats attendus, comme dans le cas d'une prédiction du remboursement maximum pour une réclamation rejetée, avant de soumettre un appel. . Les prédictions s'aligneraient sur les modèles à utiliser, régression vs classification. Des expérimentations avec plusieurs algorithmes d'apprentissage automatique seraient nécessaires après avoir décidé de la bonne catégorie et des bonnes prédictions.

  • Étape 3 - Identifier les bonnes mesures de performance

    Les mesures de performance sont des indicateurs quantifiables pour évaluer l'efficacité et l'efficience d'un processus ou d'une entreprise. Ils doivent être énoncés clairement et séparément par rapport aux mesures de performance d'un cas d'utilisation connexe.

  • Étape 4 - Identifier les bonnes mesures de performance

    Les mesures de performance sont des indicateurs quantifiables pour mesurer l'efficacité et l'efficience d'un processus ou d'une entreprise. Ceux-ci doivent être définis clairement et séparément par rapport aux mesures de performance d'un cas d'utilisation connexe. Ce sont des métriques pour les modèles prédictifs permettant de définir la précision avec laquelle il est possible de prédire le bon résultat par rapport aux faits. En revanche, pour les cas d'utilisation, les mesures peuvent dépendre directement ou indirectement des performances du modèle. Par exemple, pour chaque augmentation de 2 % de la précision des prédictions dans l'ensemble de données sur les réclamations, il y a une augmentation de 4 % des économies de coûts. Il est souvent recommandé de décrire séparément les mesures, les performances du modèle et les performances des cas d'utilisation.

  • Étape 5 - Préparer les parties prenantes

    Au fur et à mesure que vous progressez vers la meilleure solution d'IA/ML, son succès dépend en fin de compte de l'acceptation par les parties prenantes. Il est recommandé d'avoir au moins une représentation de chaque groupe de parties prenantes dans un projet d'IA/ML depuis le début. Cela éliminera les risques de découvertes de dernière étape liées au cas d'utilisation ou au support par lequel les résultats seront livrés. Une fois qu'un cas d'utilisation et une solution correspondante sont acceptés de manière appropriée, le prochain défi serait de connaître le moyen par lequel les résultats de l'IA/ML seront communiqués aux parties prenantes. Le bon moyen de communication serait toujours crucial pour que la plus grande population de parties prenantes puisse confortablement recevoir et utiliser les résultats.

  • Étape 6 - Amélioration continue

    Une fois que les organisations ont atteint les résultats souhaités dans leurs initiatives, des efforts continus sont nécessaires pour atteindre les objectifs futurs. Alors que de plus en plus de parties prenantes adoptent et constatent des résultats positifs, la mise en place d'un mécanisme de rétroaction améliorera les valeurs commerciales fournies par les solutions d'IA/ML. Le taux d'amélioration et l'engagement des parties prenantes dans l'amélioration continue sont des facteurs clés de succès.

Sommaire

L'IA/ML a le potentiel de transformer le secteur de la santé. Avec des données appropriées et une technologie assistée, les patients et les médecins peuvent agir ensemble pour créer de meilleures opportunités de traitement et améliorer la vie des patients. Le début de l'apprentissage automatique et sa mer infinie d'opportunités informatiques ont inspiré les entreprises des sciences de la vie à adopter la quatrième révolution industrielle.

Tirer parti de l'IA/ML dans les soins de santé peut être assez difficile et demander beaucoup d'efforts. Mais les avantages de sa mise en œuvre sont énormes et incontournables au 21ème siècle.

Rester informé.


Accédez à une couverture primée de l'industrie, y compris les dernières nouvelles, des études de cas et des conseils d'experts.

Le succès en technologie consiste à rester informé !

suivez-nous sur les plateformes sociales


Articles Similaires


Catégories


13 Des postes

Dernière mise à jour 23 août 2022

47 Des postes

Dernière mise à jour 30 mars 2022

33 Des postes

Dernière mise à jour 20 mars 2022

60 Des postes

Dernière mise à jour 7 juillet 2022

5 Des postes

Dernière mise à jour 10 août 2022

3 Des postes

Dernière mise à jour 16 août 2022

Messages tendance


Rester informé.


Accédez à une couverture primée de l'industrie, y compris les dernières nouvelles, des études de cas et des conseils d'experts.

Le succès en technologie consiste à rester informé !

S'abonner S'abonner S'abonner

suivez-nous sur les plateformes sociales


suivez-nous sur les plateformes sociales


© 2022 Ardinia Systems Pvt Ltd. Tous droits réservés.
Divulgation : cette page contient des liens d'affiliation, ce qui signifie que nous recevons une commission si vous décidez d'effectuer un achat via les liens, sans frais pour vous.
Politique de confidentialité
Webmedy est un produit d'Ardinia Systems.