2021 年 11 月 10 日 - Parul Saini，Webmedy 团队
人工智能驱动的工具和解决方案的进步已经改变了医疗保健领域并优化了患者护理的提供方式，从而在降低成本的同时改善结果。
人工智能 (AI) 和机器学习 (ML) 正在改变医疗保健行业。与传统的分析方法和决策技术相比，人工智能具有许多优势。 AI/ML 的到来及其相关能力为智能干预创造了许多机会。
尽管 AI/ML 项目的几个用例和结果很有希望和令人兴奋，但这些项目的执行仍然是一个挑战。 AI/ML 的成功取决于并受许多内部和外部因素的影响。内部因素（如技术能力、思维方式/文化变化以及采用 AI/ML 项目成果的愿望）以及外部因素（如消费者行为的突然变化和采用 AI/ML 项目成果的愿望）会影响任何 AI/ML 项目的成功项目。
适应这些变化首先要使 AI/ML 项目尽可能简单。它可以通过添加新的用例和经验数据来构建和增强。每个项目都应该从将预期结果定义为 SMART 目标开始。 S：具体，M：可衡量，A：可达到，R：相关，T：有时限。应采取适当措施定期审查结果，并根据项目进度和反馈对其进行更新。
在这里，我们列出了一些重要步骤，可以帮助您在下一个 AI/ML 项目中取得成功。
在这一步中，要寻找的关键点是数据类型和格式。对于成本预测，交易索赔数据集可能就足够了，但对于成员情绪分析，初始数据可能以原始的语言形式存在。此外，一些数据集（如索赔）具有分析限制，因为数据集生成的最初目的只是为了报销。然而，权利要求数据与其他临床和社会数据的结合将能够提供出色的成本预测。因此，在利用可用数据之前，花时间和精力更好地分析可用数据的各个角度是值得的。
现在很明显，对用例进行分类以了解您是否正在寻找值、概率或分类的预测。价值预测可以是索赔金额、自动裁决率等的请求。当有多个预期结果时，概率通常最适合，例如在提交上诉之前预测被拒绝索赔的最大补偿的情况.预测将与要使用的模型、回归与分类保持一致。在确定正确的类别和预测后，需要对多种机器学习算法进行实验。
绩效指标是可量化的指标，用于评估流程或业务的有效性和效率。与相关用例的性能度量相比，它们必须清楚且分开地说明。
绩效指标是衡量流程或业务的有效性和效率的可量化指标。与相关用例的性能度量相比，这些必须明确且分开定义。这些是预测模型的指标，用于定义预测相对于事实的正确结果的准确性。另一方面，对于用例，度量可以直接或间接依赖于模型的性能。例如，索赔数据集中的预测准确度每提高 2%，成本节约就会提高 4%。通常建议分别描述度量、模型性能和用例性能。
随着您朝着实现最佳 AI/ML 解决方案迈进，其成功最终取决于利益相关者的接受程度。自开始以来，建议在 AI/ML 项目中的每个利益相关者群体中至少有一个代表。这将消除与交付结果的用例或媒介相关的最后阶段发现的机会。一旦一个用例和相应的解决方案被适当地接受，下一个挑战将是了解 AI/ML 结果将通过何种媒介传达给利益相关者。正确的沟通媒介总是至关重要的，这样最大的利益相关者群体才能轻松地接收和利用结果。
一旦组织在其计划中取得了预期的结果，就需要不断努力以实现未来的目标。随着越来越多的利益相关者采用并见证积极成果，反馈机制的建立将提高 AI/ML 解决方案提供的商业价值。改进率和利益相关者参与持续改进是成功的关键驱动因素。
AI/ML 具有改变医疗保健行业的潜力。借助适当的数据和辅助技术，患者和医生可以共同行动，创造更好的治疗机会，并改善患者的生活。机器学习的开端及其无限的计算机会激发了生命科学公司采用第四次工业革命。
在医疗保健中利用 AI/ML 可能非常具有挑战性且需要大量工作。但实施它的优势是巨大的，在 21 世纪不容错过。
随时了解情况。
获取屡获殊荣的行业报道，包括最新消息、案例研究和专家建议。
技术的成功在于保持知情！
订阅 Webmedy Youtube 频道以获取最新视频
2023 年 2 月 10 日
2022 年 11 月 15 日
2022 年 11 月 8 日
2023 年 2 月 23 日
随时了解情况。
获取屡获殊荣的行业报道，包括最新消息、案例研究和专家建议。
技术的成功在于保持知情！
订阅 Webmedy Youtube 频道以获取最新视频