大家好，今日小经来聊聊一篇关于科技前沿信息：医疗保健中的人工智能限制的文章，现在让我们往下看看吧！
人工智能(AI)在很大程度上主导了关于医疗保健未来的对话。从改进诊断到分析EHR数据，AI经常被吹捧为许多医疗保健技术问题的治疗方法。但目前对未来存在巨大障碍。
这是根据自然合作伙伴期刊Digital Medicine撰写的一篇社论，该杂志试图缓和对人工智能的期望。
“医疗保健中关于人工智能的'不方便的事实'中的名义真相”是“目前在研究文献中突出显示的算法实际上并不是在临床实践的前沿可执行的。”
作者说虽然人工智能有可能帮助解决许多医疗保健领域最大的问题，但人工智能的炒作就是这样 - 至少在当前的医疗保健状态下。
“尽管所有耸人听闻的研究出版物，我们离人工智能远远不如人工智能成为改善医疗方式的工具，”共同作者Leo Anthony Celi告诉Managed Healthcare Executive。
碎片数据
最大的问题?Celi说：“使用来自其他医院或诊所的数据开辟的算法不能立即被另一家医院或诊所使用......实际上没有医疗机构拥有监督验证，部署和延续重新校准的数据基础设施和技能组合人工智能算法。“
该社论指出医疗保健行业中大多数人都非常清晰：医疗保健数据是分开的，并且通常无法跨组织访问 - 或者甚至在组织内部也是如此。作者认为，如果没实用于收集数据的稳定结构，引入系统来分析这些数据几乎没故意义 - 即，糟糕的数据会导致分析不佳。作者总结道：“简单地将AI应用程序添加到分散的系统中不会产生可持续的变化。”
对于基础结构太小而无法优化训练算法的组织而言，这成为一个问题。如果不可能共享数据，小型组织对AI的使用将受到影响，因为他们将缺乏猎取足够数据的能力。这意味着在这些较小的数据集上使用和训练的算法将不“适合”当地人口和/或当地实践模式，这是部署之前的要求，目前的AI出版物很少突出这一要求。“
缺乏资源也可能导致AI偏倚 - 例如，作者指出，喂养主要是高加索人患者样本的算法对少数患者的表现不同。
解决方案?
作者说，医疗保健数据问题的关键在于需要广泛了解数据实际属于谁 - “谁拥有健康数据，谁负责健康数据，谁可以使用健康数据?”
作者说，公共话语和政策干预对于帮助回答这些问题并推动医疗保健数据的进展状态是必要的。在人工智能开始彻底改变医疗保健之前，医疗保健数据必须处于可以以公共和政府部门认可的方式共享和操纵的状态。
作者指出了两种可能的解决方案。第一个涉及通过建立研究领域现有的有影响力的成功来创建“广义数据基础设施”，引用国家卫生研究院或MIMIC的发现，实验和可持续性科学和技术研究基础设施(STRIDES)倡议等实例来自麻省理工学院计算生理学实验室。
另一个更激进的解决方案是政府要求所有医疗保健组织将其数据存储在商业云中。
作者承认，即使是那些解决方案，也需要解决几个复杂的问题，从如何保护机密性到如何处理数据同意。
“人工智能的潜力得到了很好的描述，”作者总结道，“但实际上，卫生系统面临着一个选择：大幅降低人工智能在日常临床实践中的潜力，或解决数据所有权和信任问题。并投资数据基础设施以实现它。“
对于医疗保健行政人员来说，Celi表示，社论中最大的收获应该是一个警示性的故事，在人工智能成功之前，必须充分掌握和处理其采纳的挑战，并说“大多数医疗保健高管都不了解所涉及的内容以及为实现医学中的AI承诺需要进行哪些投资。“
惟独满足这些挑战，才干实现人工智能的真正承诺。