Šiame trečiajame trijų savaičių „Himsscast“ serijoje mes vėl kalbamės su „UNC Health“ sistemos analitinių sprendimų direktoriumi Gregu Kuhnenu. Šį kartą prie jo prisijungia jo kolega Ram Rimal, JT duomenų mokslo inžinerijos vadovas.

„Kuhnen“ ir „Rimal“ aptaria patarimus ir geriausią praktiką, kaip efektyviai ir efektyviai diegti dirbtinio intelektą – generatyvinius AI, didelių kalbos modelius (LLM), numatomuosius modelius ir dar daugiau. Jie aptaria, kaip „UNC Health“ užtikrina atsakingą PG priemonių pritaikymą ir kaip HIMSS analizės brandos vertinimo modelis padėjo sveikatos sistemai toje kelionėje.

Kaip tai, ką girdi? Prenumeruokite „Podcast“ „Apple Podcast“, „Spotify“ ar „Amazon“ muzikoje.

Kalbėjimo taškai:

• Kaip ir kur UNC naudoja AI ir kur labiausiai sekasi

• Teritorijos ir naudojimo atvejai

• Veiklos ir administracinis automatikos naudojimas, palyginti su klinikinėmis programomis

• Kaip tai veikia siekiant užtikrinti atsakingą AI įrankių pritaikymą

• Kaip jos AI projektai yra įgyvendinami ir padidinami

• Ankstyvosios pamokos, išmoktos pakeliui, iššūkiai ir sėkmės

• PG naudoti atvejus, kai JT dar nenusileido, tačiau žvelgia į kelią

• Šioje kelionėje buvo naudinga tai, kaip HIMSS analizės brandos vertinimo modelis, kuriame pagrindinis

Daugiau apie šį epizodą:

HIMSSCAST: Duomenų valdymo pagrindai – UNC sveikatos pamokos, 1 dalis
HIMSSCAST: Duomenų valdymo pagrindai – JT sveikatos pamokos, 2 dalis
UNC sveikatos priežiūra dalijasi, kaip ji pasiekė didžiausios analizės brandą
„UNC Health“ pasiekia 7 etapą su pažangiomis EMR, analizės galimybėmis
„UNC Health“ CIO pokalbiai generatyvinis AI darbas su „Epic“ ir „Microsoft“
Atsakingas AI valdymas yra reikalingas dabar, sako JT sveikatos vyriausiasis analizės pareigūnas
Sukurti tvaraus AI valdymo kelią
„Himss24 APAC“ analitikos brandos įvaikinimo modelis tampa veido greitis
Naujas HIMSS analizės brandos vertinimo modelis palaiko intelektualų AI diegimą