Loading...

Se inscrever Se inscrever Se inscrever

Etapas para o sucesso dos esforços de IA e ML para a saúde

10 de novembro de 2021 - Parul Saini, Equipe Webmedy


Os avanços nas ferramentas e soluções baseadas em Inteligência Artificial transformaram o espaço da saúde e otimizaram a forma como o atendimento ao paciente é prestado para obter melhores resultados e reduzir custos.

Inteligência Artificial (AI) e Machine Learning (ML) estão aqui e transformando o setor de saúde. A IA tem inúmeras vantagens sobre o método tradicional de análise e técnicas de tomada de decisão. A chegada da IA/ML e suas habilidades associadas criaram inúmeras oportunidades de intervenção inteligente.

Embora vários casos de uso e resultados de projetos de IA/ML sejam promissores e empolgantes, a execução desses projetos ainda é um desafio. O sucesso da IA/ML depende e é influenciado por muitos fatores internos e externos. Fatores internos como competência técnica, mudança de mentalidade/cultural e o desejo de adotar resultados de projetos de IA/ML e fatores externos como mudanças repentinas no comportamento dos consumidores e o desejo de adotar resultados de projetos de IA/ML afetam o sucesso de qualquer IA/ML projeto.

A adaptação a essas mudanças começa mantendo um projeto de IA/ML o mais simples possível. Ele pode ser construído e aprimorado adicionando novos casos de uso e dados empíricos. Todo projeto deve começar com a definição dos resultados esperados como objetivos SMART. S: específico, M: mensurável, A: atingível, R: relevante, T: temporal. Esforços adequados devem ser feitos para revisar os resultados regularmente e atualizá-los com base no progresso e feedback do projeto.

Aqui listamos algumas etapas importantes que podem ajudar a alcançar o sucesso em seu próximo projeto de IA/ML.

Etapas para o sucesso da IA/ML

  • Etapa 1 - Entendendo os dados de uma maneira melhor

    Nesta etapa, os principais pontos a serem observados são os tipos e formatos de dados. Para previsões de custos, o conjunto de dados de reivindicações transacionais pode ser adequado, mas para análise de sentimento dos membros, os dados iniciais podem estar presentes em uma forma linguística bruta. Além disso, alguns conjuntos de dados, como reivindicações, têm limitações de análise, pois o objetivo inicial da geração do conjunto de dados é apenas para reembolso. No entanto, uma combinação de dados de reivindicações de direitos com outros dados clínicos e sociais poderá fornecer excelentes previsões de custos. Portanto, vale a pena gastar tempo e esforço para analisar melhor todas as perspectivas dos dados disponíveis, antes de utilizá-los.

  • Passo 2 - Identifique o Modelo Certo

    Seria evidente agora categorizar os casos de uso para saber se você está procurando uma previsão em valores, probabilidades ou classificação. A previsão em valores pode ser uma solicitação do valor da reclamação, taxa de autojulgamento, etc. As probabilidades geralmente são mais adequadas quando há vários resultados esperados, como no caso de previsão de reembolso máximo para uma reclamação rejeitada, antes de apresentar um recurso . As previsões seriam alinhadas com os modelos a serem usados, regressão vs classificação. Experimentações com vários algoritmos de aprendizado de máquina seriam necessárias depois de decidir sobre a categoria e as previsões corretas.

  • Etapa 3 - Identifique as medidas de desempenho corretas

    As medidas de desempenho são indicadores quantificáveis para avaliar a eficácia e eficiência de um processo ou negócio. Eles devem ser declarados de forma clara e separada em comparação com as medidas de desempenho de um caso de uso relacionado.

  • Etapa 4 - Identifique as medidas de desempenho corretas

    As medidas de desempenho são indicadores quantificáveis para medir a eficácia e eficiência de um processo ou negócio. Eles devem ser definidos de forma clara e separada em comparação com as medidas de desempenho de um caso de uso relacionado. Essas são métricas para modelos preditivos para definir o quão preciso é prever o resultado certo em relação ao fato. Por outro lado, para casos de uso, as medidas podem depender direta ou indiretamente do desempenho do modelo. Por exemplo, para cada aumento de 2% na precisão da previsão no conjunto de dados de sinistros, há um aumento de 4% na economia de custos. Muitas vezes, é recomendado descrever separadamente as duas medidas, o desempenho do modelo e o desempenho do caso de uso.

  • Etapa 5 - Preparar as Partes Interessadas

    À medida que você avança para alcançar a melhor solução de IA/ML, seu sucesso depende, em última análise, da aceitação das partes interessadas. Recomenda-se ter pelo menos uma representação de cada grupo de partes interessadas em um projeto de IA/ML desde o início. Isso eliminará as chances de descobertas de último estágio relacionadas ao caso de uso ou meio pelo qual os resultados serão entregues. Uma vez que um caso de uso e uma solução correspondente sejam adequadamente aceitos, o próximo desafio seria conhecer o meio pelo qual os resultados de IA/ML serão comunicados ao(s) stakeholder(s). O meio de comunicação correto sempre seria crucial para que a maior população de stakeholders pudesse receber e utilizar os resultados com conforto.

  • Passo 6 - Melhoria Contínua

    Uma vez que as organizações alcancem os resultados desejados em suas iniciativas, esforços contínuos são necessários para atingir os objetivos futuros. À medida que mais e mais partes interessadas adotam e testemunham resultados positivos, o estabelecimento de um mecanismo de feedback melhorará os valores de negócios fornecidos pelas soluções de IA/ML. A taxa de melhoria e o envolvimento das partes interessadas na melhoria contínua são fatores-chave para o sucesso.

Resumo

AI/ML tem o potencial de transformar o setor de saúde. Com dados adequados e tecnologia assistida, pacientes e médicos podem agir juntos para criar melhores oportunidades de tratamento e melhorar a vida dos pacientes. O início do Machine Learning e seu mar infinito de oportunidades de computação inspiraram as empresas de ciências da vida a adotar a quarta revolução industrial.

Aproveitar a IA/ML na área da saúde pode ser bastante desafiador e exige muito esforço. Mas as vantagens de implementá-lo são enormes e imperdíveis no século XXI.

Mantenha-se informado.


Tenha acesso à cobertura premiada do setor, incluindo as últimas notícias, estudos de caso e consultoria especializada.

Sucesso em Tecnologia é se manter informado!

siga-nos nas plataformas sociais


Postagens relacionadas


Categorias


16 Postagens

Ultima atualização 27 de agosto de 2022

47 Postagens

Ultima atualização 30 de março de 2022

33 Postagens

Ultima atualização 20 de março de 2022

61 Postagens

Ultima atualização 26 de agosto de 2022

5 Postagens

Ultima atualização 10 de agosto de 2022

3 Postagens

Ultima atualização 16 de agosto de 2022

Postagens em alta


Mantenha-se informado.


Tenha acesso à cobertura premiada do setor, incluindo as últimas notícias, estudos de caso e consultoria especializada.

Sucesso em Tecnologia é se manter informado!

Se inscrever Se inscrever Se inscrever

siga-nos nas plataformas sociais


siga-nos nas plataformas sociais


© 2022 Ardinia Systems Pvt Ltd. Todos os direitos reservados.
Divulgação: Esta página contém links de afiliados, o que significa que recebemos uma comissão se você decidir fazer uma compra através dos links, sem nenhum custo para você.
Política de Privacidade
Webmedy é um produto da Ardinia Systems.