Investicijų į dirbtinį intelektą į įmonės vaizdavimą grąža yra daugialypė tema, apimanti efektyvumą, tikslumą, pacientų rezultatus ir finansinius aspektus. Radiologijos srityje AI šuolis pažadėjo pakeisti šią sritį padidindamas diagnostikos tikslumą ir gerindamas pacientų priežiūrą.

Tačiau finansinis dirbtinio intelekto pritaikymo aspektas yra sudėtingas, ypač dėl to, kad šiuo metu nėra tiesioginio kompensavimo už dirbtinio intelekto taikymą medicininiame vaizdavime. Nepaisant to, dirbtinis intelektas gali netiesiogiai prisidėti prie investicijų grąžos didindamas vaizdo gavimo paslaugų teikėjų veiksmingumą ir remdamas vaidmenis, kurie užtikrina didesnį paslaugų teikėjų produktyvumą ir didesnį personalo efektyvumą, o tai galiausiai pagerina rezultatus ir sumažina bendras sveikatos priežiūros paslaugų teikimo išlaidas.

Dawn Cram, „The Gordian Knot Group“ pagrindinis konsultantas EI ir AIo kolega kalbės šią sudėtingą temą kovo mėnesį Las Vegase vykusiame HIMSS25 sesijoje, pavadintoje „AI IG įmonių vaizdų srityje“.

„Cram“ turi daugiau nei 30 metų sveikatos priežiūros patirtį klinikinių technologijų, IT sistemų administravimo ir įmonių bei padalinių vaizdo gavimo sistemų, klinikinių informacinių sistemų ir medicininio vaizdo programinės įrangos kūrimo srityse.

Ji turi didelę patirtį organizuojant visus sistemos ir taikomųjų programų kūrimo etapus, strateginį ir taktinį planavimą, daugiadisciplininį sąveikumą, integravimą ir diegimą. Jos misija sukurti ekonomiškai efektyvias, keičiamo dydžio sistemas, kurios veiksmingai palaiko gydytojų darbo eigą ir programų sąveiką, padėjo teikėjų organizacijoms ir produktų pardavėjams numatyti ir įdiegti patobulintas vaizdo gavimo sistemų programas ir platformas.

Su Cram susėdome aptarti AI IG įmonės vaizdavimo srityje ir peržiūrėti jos HIMSS25 sesiją.

Kl. Kodėl AI IG ir įmonės vaizdavimo tema šiandien yra svarbi?

A. Ši tema ypač aktuali ir aktuali, nes sveikatos priežiūros sektoriuje vis labiau integruojamos dirbtinio intelekto technologijos, siekiant pagerinti diagnostikos tikslumą, pagerinti pacientų priežiūrą ir pašalinti varginančius darbo eigos veiksmus. Medicininio vaizdavimo, ypač radiologijos, srityje AI transformacinis potencialas yra aiškus, nors finansiniai iššūkiai, pvz., tiesioginio kompensavimo už AI programas nebuvimas, apsunkina finansavimą.

Nepaisant to, dirbtinis intelektas gali netiesiogiai padidinti IG, padidindamas vaizdo tiekėjų efektyvumą, todėl padidėja produktyvumas, efektyvesnis personalas ir mažesnės sveikatos priežiūros išlaidos.

Mes pateiksime vertingų įžvalgų, kaip nustatyti sąnaudų ir naudos galimybes ir IG skaičiavimo metodus diegiant įvairias dirbtinio intelekto technologijas įmonės vaizdų kūrime ir skirtingoms asmenybėms. Suprasti papildomas dirbtinio intelekto išlaidas yra taip pat svarbu, todėl reikia atsižvelgti nustatant tikrąsias nuosavybės išlaidas.

Suprasdamos finansinę dinamiką, sveikatos priežiūros organizacijos gali priimti pagrįstus sprendimus dėl AI investicijų, kurios padidina naudą ir efektyviai valdo išlaidas.

Sesijos metu siekiame dalyviams suteikti praktinių įrankių, patarimų ir strategijų, padedančių pagrįsti AI investicijas ir pasiekti tvarių vaizdo gavimo operacijų patobulinimų, net ir be tiesioginio kompensavimo. Kiekviena darbo eiga, procesas ir priežiūros tobulinimas turi susietą IG.

K. Kokius dirbtinio intelekto tipus kalbėsite per HIMSS25 sesiją?

A. Aptarsime klinikinį dirbtinį intelektą, pvz., patologijos aptikimo algoritmus, ir procesų AI, pvz., robotų procesų automatizavimą, įmonės vaizdavimo kontekste. Automatizuodamas įprastas ir pasikartojančias užduotis, dirbtinis intelektas leidžia gydytojams sutelkti dėmesį į svarbesnius pacientų priežiūros aspektus ir taip pagerinti diagnostikos tikslumą ir paciento rezultatus.

Papildomos sąnaudų naudos galima pasiekti diegiant proceso AI pagalbinėms funkcijoms, pvz., pacientų planavimui. AI taip pat gali būti naudojamas supaprastinti vaizdavimo darbo eigą, sumažinti vaizdų analizei reikalingą laiką ir palaikyti veiksmingesnį klinikinių sprendimų priėmimą.

AI gali analizuoti daugybę vaizdo duomenų, susijusių su klinikiniais duomenimis, tokiais kaip laboratorijos ar net genomika. Jis gali nustatyti modelius ir anomalijas, kurių žmogaus akys gali nepastebėti arba kurių įvertinimas užtruks daug ilgiau. Tai gali padėti anksčiau nustatyti ir gydyti ligas, galiausiai žymiai pagerinti pacientų rezultatus ir sumažinti bendras sveikatos priežiūros išlaidas.

Nors DI taikymas radiologijoje yra paplitęs, mes taip pat aptarsime kitas vaizdavimo sritis visoje įmonėje ir kaip AI gali būti naudinga jų diagnostikai ir darbo eigoms. Pavyzdžiui, oftalmologai gali naudoti dirbtinį intelektą tinklainės ligų atrankai ir diagnostikai, taikydami algoritmus, kurie gali analizuoti akių dugno vaizdus, ​​kad būtų galima nustatyti diabetinės retinopatijos ar geltonosios dėmės degeneracijos požymius.

Dermatologijos, žaizdų priežiūros ir kitose nuotraukų gamybos srityse gali būti naudojamos programos su įterptuoju dirbtiniu intelektu, kad būtų galima nustatyti vaizduojamą kūno dalį, pažeidimą arba žaizdos dydžio ir formos analizę ir teikti pagalbą anksti nustatant odos vėžį ar galimas infekcijas.

K. Koks yra HIMSS25 dalyvis, išeinantis iš jūsų sesijos ir pateikiantis paraišką, kai grįžta namo į savo organizacijas?

A. Vienas iš svarbiausių dalykų bus atsakingo AI diegimo svarba, o tai labai svarbu norint užfiksuoti bet kokią IG. AI šiandien vis dar iš prigimties yra kvailas ir priklauso nuo jį kuriančių žmonių. Prieš pirkimą būtina patikrinti, kaip algoritmas buvo sukurtas, apmokytas ir išbandytas.

Norint nustatyti, ar AI atsakingai kūrė programinės įrangos gamintojai, reikia atsižvelgti į daugybę veiksnių. Tai apima, ar įvairūs ir reprezentatyvūs duomenų rinkiniai buvo naudojami siekiant sumažinti šališkumą ir užtikrinti teisingą pacientų priežiūrą, kuri patikimai veikia įvairiose demografinėse grupėse ir neatsižvelgiant į įsigijimo prietaiso gamintoją.

Svarbus aspektas nustatant atsakingą klinikinį dirbtinį intelektą yra laikymasis reguliavimo standartų, skirtų užtikrinti DI algoritmų, naudojamų atliekant diagnostinį vaizdą, saugą, veiksmingumą ir patikimumą. Organizacijos gali geriau pasitikėti, kad FDA patvirtintam AI algoritmui buvo atlikti griežti testavimo ir patvirtinimo procesai, užtikrinant, kad tie, kurie skirti padėti gydytojams analizuoti vaizdus arba teikti diagnostines įžvalgas, atitiktų tam tikrus kokybės ir saugos standartus prieš pradedant naudoti klinikinėje aplinkoje.

Laikydamiesi šių taisyklių, gamintojai gali padėti sustiprinti sveikatos priežiūros paslaugų teikėjų ir pacientų pasitikėjimą, užtikrindami, kad dirbtinio intelekto technologijos būtų saugios ir veiksmingos naudoti medicinos praktikoje.

Kai kurie papildomi svarstymai nustatant atsakingą AI kūrimą yra kokybės valdymas ir nuolatinės stebėjimo galimybės. Klinikinis AI turėtų būti nuolat vertinamas, siekiant užtikrinti, kad algoritmai laikui bėgant išlaikytų savo našumą, prisitaikydami prie naujų duomenų, klinikinių scenarijų ir skirtumų.

Tai apima suderinamų stebėjimo mechanizmų buvimą ir įdiegimą siekiant aptikti ir spręsti visas problemas, kylančias diegiant AI ir laikui bėgant, tobulėjant vaizdo gavimo technologijoms ir diagnostikai.

Ši sesija leis dalyviams grįžti į savo organizacijas ir geriau suprasti, kaip propaguoti ir įdiegti dirbtinio intelekto technologijas, kurios yra ne tik naujoviškos, bet ir etiškos, skaidrios ir siūlančios aukštus pacientų priežiūros standartus.

Cramo edukacinė sesija, „The ROI of AI in Enterprise Imaging“ numatyta antradienį, kovo 4 d., 14 val. HIMSS25 Las Vegase.

Stebėkite Billo HIT aprėptį „LinkedIn“: Billas Siwickis
El. paštu: bsiwicki@himss.org
„Healthcare IT News“ yra HIMSS žiniasklaidos leidinys