Loading...

Berlangganan Berlangganan Berlangganan

Langkah Menuju Sukses untuk AI dan ML Endeavours for Healthcare

10 November 2021 - Parul Saini, Tim Webmedy


Kemajuan dalam alat dan solusi yang didukung Kecerdasan Buatan telah mengubah ruang perawatan kesehatan dan mengoptimalkan cara perawatan pasien diberikan untuk hasil yang lebih baik sekaligus mengurangi biaya.

Kecerdasan Buatan (AI) dan Pembelajaran Mesin (ML) ada di sini dan mengubah industri perawatan kesehatan. AI memiliki banyak keunggulan dibandingkan metode analitik tradisional dan teknik pengambilan keputusan. Kehadiran AI/ML dan kemampuan terkaitnya telah menciptakan banyak peluang untuk intervensi cerdas.

Meskipun beberapa kasus penggunaan dan hasil proyek AI/ML menjanjikan dan menarik, pelaksanaan proyek ini masih menjadi tantangan. Keberhasilan AI/ML bergantung dan dipengaruhi oleh banyak faktor internal dan eksternal. Faktor internal seperti kompetensi teknis, pola pikir/perubahan budaya, dan keinginan untuk mengadopsi hasil proyek AI/ML dan faktor eksternal seperti perubahan mendadak dalam perilaku konsumen dan keinginan untuk mengadopsi hasil proyek AI/ML memengaruhi keberhasilan AI/ML mana pun proyek.

Beradaptasi dengan perubahan ini dimulai dengan membuat proyek AI/ML sesederhana mungkin. Itu dapat dibangun dan ditingkatkan dengan menambahkan kasus penggunaan baru dan data empiris. Setiap proyek harus dimulai dengan menentukan hasil yang diharapkan sebagai tujuan SMART. S: spesifik, M: terukur, A: dapat dicapai, R: relevan, T: terikat waktu. Upaya yang tepat harus dilakukan untuk meninjau hasil secara teratur dan memperbaruinya berdasarkan kemajuan proyek dan umpan balik.

Di sini kami telah membuat daftar beberapa langkah penting yang dapat membantu mencapai kesuksesan pada proyek AI/ML Anda berikutnya.

Langkah-langkah Sukses untuk AI/ML

  • Langkah 1 - Memahami Data dengan Cara yang Lebih Baik

    Pada langkah ini, poin utama yang harus dicari adalah tipe dan format data. Untuk prediksi biaya, kumpulan data klaim transaksional mungkin memadai, tetapi untuk analisis sentimen anggota, data awal mungkin disajikan dalam bentuk mentah dan linguistik. Selain itu, beberapa kumpulan data seperti klaim memiliki batasan analisis karena tujuan awal pembuatan kumpulan data hanya untuk penggantian. Namun kombinasi data klaim yang tepat dengan data klinis dan sosial lainnya akan dapat memberikan prediksi biaya yang sangat baik. Jadi sangat berharga untuk menghabiskan waktu dan upaya untuk menganalisis dengan lebih baik setiap perspektif data yang tersedia, sebelum menggunakannya.

  • Langkah 2 - Identifikasi Model yang Tepat

    Akan menjadi bukti sekarang untuk mengkategorikan kasus penggunaan untuk mengetahui apakah Anda mencari prediksi dalam nilai, probabilitas, atau klasifikasi. Prediksi nilai dapat berupa permintaan jumlah klaim, tingkat ajudikasi otomatis, dll. Probabilitas biasanya paling sesuai bila ada beberapa hasil yang diharapkan, seperti dalam kasus prediksi penggantian maksimum untuk klaim yang ditolak, sebelum mengajukan banding . Prediksi akan diselaraskan dengan model yang akan digunakan, regresi vs klasifikasi. Eksperimen dengan beberapa algoritme pembelajaran mesin akan diperlukan setelah memutuskan kategori dan prediksi yang tepat.

  • Langkah 3 - Identifikasi Ukuran Kinerja yang Tepat

    Ukuran kinerja adalah indikator terukur untuk menilai efektivitas dan efisiensi suatu proses atau bisnis. Mereka harus dinyatakan dengan jelas dan terpisah dibandingkan dengan ukuran kinerja dari kasus penggunaan terkait.

  • Langkah 4 - Identifikasi Ukuran Kinerja yang Tepat

    Ukuran kinerja adalah indikator yang dapat diukur untuk mengukur efektivitas dan efisiensi suatu proses atau bisnis. Ini harus didefinisikan dengan jelas dan terpisah dibandingkan dengan ukuran kinerja dari kasus penggunaan terkait. Ini adalah metrik untuk model prediktif untuk menentukan seberapa akurat memprediksi hasil yang tepat relatif terhadap fakta. Di sisi lain, untuk kasus penggunaan, pengukuran dapat secara langsung atau tidak langsung bergantung pada performa model. Misalnya, untuk setiap peningkatan akurasi prediksi sebesar 2% dalam kumpulan data klaim, terdapat peningkatan penghematan biaya sebesar 4%. Seringkali disarankan untuk menjelaskan secara terpisah kedua pengukuran, kinerja model, dan kinerja kasus penggunaan.

  • Langkah 5 - Persiapkan Pemangku Kepentingan

    Saat Anda maju menuju pencapaian solusi AI/ML terbaik, keberhasilannya pada akhirnya bergantung pada penerimaan oleh pemangku kepentingan. Disarankan untuk memiliki setidaknya satu perwakilan dari setiap kelompok pemangku kepentingan dalam proyek AI/ML sejak awal. Ini akan menghilangkan kemungkinan penemuan tahap terakhir yang terkait dengan kasus penggunaan atau media yang akan memberikan hasil. Setelah kasus penggunaan dan solusi terkait diterima dengan tepat, tantangan selanjutnya adalah mengetahui media yang digunakan untuk menyampaikan hasil AI/ML kepada pemangku kepentingan. Media komunikasi yang tepat akan selalu menjadi sangat penting agar populasi pemangku kepentingan terbesar dapat dengan nyaman menerima dan memanfaatkan hasilnya.

  • Langkah 6 - Peningkatan Berkesinambungan

    Setelah organisasi mencapai hasil yang diinginkan dalam inisiatif mereka, upaya terus menerus diperlukan untuk mencapai tujuan masa depan. Karena semakin banyak pemangku kepentingan mengadopsi dan menyaksikan hasil positif, pembentukan mekanisme umpan balik akan meningkatkan nilai bisnis yang diberikan oleh solusi AI/ML. Tingkat peningkatan dan keterlibatan pemangku kepentingan dalam peningkatan berkelanjutan merupakan faktor pendorong utama untuk sukses.

Ringkasan

AI/ML berpotensi mengubah industri perawatan kesehatan. Dengan data yang tepat dan bantuan teknologi, pasien dan dokter dapat bertindak bersama untuk menciptakan peluang perawatan yang lebih baik, dan kehidupan pasien yang lebih baik. Awal Pembelajaran Mesin dan lautan peluang komputasinya yang tak terbatas telah mengilhami perusahaan ilmu hayati untuk mengadopsi revolusi industri keempat.

Memanfaatkan AI/ML dalam Layanan Kesehatan bisa sangat menantang dan juga membutuhkan banyak upaya. Namun keuntungan penerapannya sangat besar dan tidak boleh dilewatkan di abad ke-21.

Tetap terinformasi.


Dapatkan akses ke liputan industri pemenang penghargaan, termasuk berita terbaru, studi kasus, dan saran pakar.

Sukses dalam Teknologi adalah tentang tetap Terinformasi!

Ikuti kami


Berlangganan ke Saluran Youtube Webmedy untuk Video Terbaru

Pos terkait


Kategori


Posting Tren


Tetap terinformasi.


Dapatkan akses ke liputan industri pemenang penghargaan, termasuk berita terbaru, studi kasus, dan saran pakar.

Sukses dalam Teknologi adalah tentang tetap Terinformasi!

Berlangganan Berlangganan Berlangganan

Ikuti kami


Berlangganan ke Saluran Youtube Webmedy untuk Video Terbaru

Loading...

Ikuti kami


Berlangganan ke Saluran Youtube Webmedy untuk Video Terbaru

Loading...

© 2023 Ardinia Systems Pvt Ltd. Seluruh hak cipta.
Pengungkapan: Halaman ini berisi tautan afiliasi, artinya kami mendapat komisi jika Anda memutuskan untuk melakukan pembelian melalui tautan tersebut, tanpa biaya apa pun.
Kebijakan pribadi
Webmedy adalah produk dari Ardinia Systems.