數十年來，醫療保健費用的增長速度已經快于通脹率，這已不是什么秘密 。一些專家估計，到2025年，醫療保健將占 美國GDP的20%以上。同時，隨著美國醫師短缺的持續增加，醫生正在比以往任何時候都更加努力地治療患者 。許多醫療專業人員的日程安排非常緊湊，以至于減少了許多最初追求醫學的人為因素。

在醫療保健領域，人工智能（AI）似乎令人生畏。在放射科醫生朋友的生日聚會上，她溫柔地表達了自己的感覺，即在未來十年內人工智能將威脅到她的工作。但是，對于大多數醫學專業而言，人工智能將是促進劑和推動劑，而不是威脅。對于AI公司來說，幫助而不是替代醫療專業人員也將是一件好事。

在上一篇文章中，我表達了我不斷看到AI增加價值的三種方式：速度，成本和準確性。在醫療保健方面，沒有什么不同。這是AI如何改變醫療保健的三個示例。

快點

在很少的部門中，速度比醫療更重要。就 Viz.ai 中風檢測平臺而言，每分鐘減少的治療時間相當于節省190萬患者的腦細胞。通常，Viz平臺中的深度學習算法可以節省幾分鐘，在某些情況下，它們可以節省數小時的“腦力勞動”。在 最近的一項研究中， Viz.ai大大減少了患者的殘疾。平均而言，患者從臥床不起，需要全天候24/7護理，到沒有幫助就離開醫院。

不會那么貴

隨著醫療保健費用持續上漲，節省費用是另一個主要推動力。例如， 雅典娜 利用機器學習和計算機視覺技術來識別形態并通過細微的手指刺血快速表征細胞類型。Athelas的首席執行官Tanay Tandon解釋說：“通過減少住院次數，更早地從頻繁的Athelas測試中發現不良事件以及使患者安全地遵守必要的治療方法，臨床醫生和健康計劃每年可以為每位患者節省數千美元。” 每天，全國各地成千上萬的患者使用這項技術，其中包括積極的抗癌化學療法，免疫抑制的抗精神病藥和炎性藥物。Athelas除了省錢外，還使化療患者能夠在舒適的家中獲得重要的結果，從而減少了勞累和住院風險（尤其是在大流行期間）。

Suki 是臨床數字助理，使用自然語言處理來鍵入醫生或抄寫員原本必須鍵入的筆記。沒有醫生會在醫學上輸入便箋，而Suki之類的工具使醫生能夠專注于患者而不是便箋。Suki首席執行官Punit Soni解釋說：“我們幫助平均減少了76%的文檔編制時間，并且我們最近啟動了一個名為Suki Speech Service的更新語音平臺，該平臺具有一個新的意圖提取器，該提取器的基準測試準確度為99.5%，這在不論部門如何，在所有數字助理中的比例最高。” 由于Suki是由軟件而非人為抄寫員提供動力的，因此它能夠提供更具成本效益的解決方案，從而提高收入和患者治療效果。

更準確

準確性至關重要，特別是對于那些乏味或無聊的任務。2020年開始， Google人工智能在某些類型的乳腺癌檢測方面可能勝過醫生 （還記得2020年看起來如此有希望嗎？）。Health Catalyst首席執行官Dan Burton解釋說：“無論是在單個患者/人遇到的級別還是在醫療保健領導層的最高級別，AI都可以通過將信號與噪聲分離并使我們專注于未來來提高決策準確性。例如，它可以幫助我們更準確地回答以下問題：“最近COVID-19陽性檢測的上升是否表明我們需要推遲非緊急程序的信號？””更精確的建模可以導致更明智的決策醫療保健行業。例如，隨著非緊急醫療服務的反彈，醫療服務提供者需要在其自己的Covid-19陽性檢測/入院率上升時發出警報。

建立繁榮的醫療保健人工智能公司需要協調一致

速度，成本和準確性的相互作用可以為患者帶來驚人的成就。但是，僅提高速度，成本或準確性的承諾通常不足以對患者的護理產生有意義的影響。MBA博士Anthony Bertrand博士解釋說：“有許多公司試圖出售可將單項測試的診斷準確性提高x%的軟件，尤其是在涉及視覺診斷或影像學（例如病理學或放射學）的領域，只有懷疑論者或專家才能接受。產品的開發必須對臨床工作流程有清晰的理解。為了克服慣性和變更風險，還應仔細考慮醫生和雇用它們的組織的經濟誘因。”

幸運的是，不斷增加的成本壓力和獎勵，健康結果數據的發布，捆綁付款之類的付款方式的出現以及用于分析的EMR數據的可用性可以幫助加速AI在醫療保健領域的收益。關鍵是將先進技術與醫療保健行業的現實相結合。正如Viz.ai的首席執行官Chris MD的MBA博士MBA所說：“正如許多公司現在已經意識到算法不是產品一樣，在Viz.ai，我們了解到要在這個領域建立成功的業務，就需要避免技術決定論。并真正挑戰您的團隊以了解如何提供和支付醫療費用的復雜性;這就是您實際上如何將產品投放到希望為患者盡力而為的臨床醫生手中的方式。” 最終，這就是為什么除了臨床改進外，證明業務投資回報率也非常重要的原因。當企業能夠利用AI改善患者的治療效果，同時調整醫院的組織激勵措施時，就可以取得真正的進步。