Implementierung von best practices: der Umgang mit der Komplexität von AI
Künstliche Intelligenz ist nur so Komplex, wie es klingt. Erfolgreiche Einsatz der verschiedenen Technologien, die notwendig sind für AI zu arbeiten erfordert Planung und Strategie..
Zu helfen, chief information Officer und andere IT-Profis besser verstehen, die diese best practices für die Implementierung von KI in Ihre Gesundheitssysteme, Krankenhäuser, Gruppen-Praxen und andere Anbieter-Organisationen, wir Sprachen mit vier Experten im AI-Technologien, die angeboten werden, Ihre Ratschläge für die effektive Roll-Outs.
Identifizieren von use-cases
Wissen und verstehen, die künstliche Intelligenz verwenden,-Fällen und-Erfolge von verschiedenen Herstellern, riet Ryan Pretnik, research strategy director bei KLAS-Forschung.
„Die meisten Dienstleister im Gesundheitswesen zu suchen und zu verstehen Anwendungsfälle in der Industrie und wie Ihre Kollegen verabschiedet haben, die AI-Technologie“, sagte er. “Dies ist ein guter Erster Schritt, denn es gibt viele AI-Unternehmen in den Markt, die behaupten, Sie können helfen Organisationen im Gesundheitswesen mit AI. Verstehen zu können, use-cases und deren Erfolge in der healthcare-Markt, während der Beratung mit ärzten intern auf der Anwendungsfälle, in der Regel verhilft Organisationen im Gesundheitswesen in die richtige Richtung.“
Wenn ein IT-Entscheider kauft ein KI-system ohne Rücksprache mit Kliniker auf die Anwendungsfälle und Vorteile, dann das tool kann am Ende als ein low-Annahme-system und schaute einfach als ein weiteres Stück der Technologie, der Organisation gekauft, Pretnik sagte.
„Wenn ES berät und arbeitet mit ärzten von Anfang an und teilt die use-cases und Erfolge und greift Sie auf, wie die Technologie, die ärzte sind eher zu verwenden, und anzunehmen, das Produkt, was wiederum hilft, Laufwerk Ergebnisse,“ fügte er hinzu.
“Durch die Identifizierung von use-cases und die Erfolge, die Sie kategorisieren Anbieter, die eine nachgewiesene Erfolgsbilanz des Erfolgs, während die Verringerung der finanziellen Risiken Ihre healthcare Organisation übernimmt durch den Kauf eines AI-tool“, sagte Pretnik.
Der erwartete Wert
Erste, der Schwerpunkt für CIOs Implementierung von künstlicher Intelligenz in Krankenhäusern und Gesundheitssysteme müssen sich auf den erwarteten Wert, sagte Jean-Claude Saghbini, chief technology officer bei Wolters Kluwer Health.
„AI ist ein einmal-in-a-generation transformative Technologie“, sagte er. “Als solche, die erwarten, dass Ihre Auswirkungen werden auf der Ebene der Siegeszug der Elektrizität oder das internet. Verständlicherweise, AI begleitet wurde, mit einem gewissen hype, vor allem im Gesundheitswesen. Jetzt, ein kluger CIO hat, um durch einen schmalen Pfad zwischen dem, was ist hype und was ist Realität.“
Diejenigen, die von der Seitenlinie aus beobachten, wird Gefahr laufen, zurückzubleiben, Saghbini behauptet. Mittlerweile, aggressive early adopters Gesicht, die Risiken von Technologien zu implementieren, die voreilig sind oder einfach nicht liefern verspricht, fügte er hinzu. Im Gesundheitswesen erwarten die Nutzer von Technologien überprüft werden, um sicherzustellen, Sie arbeiten, um eine Verringerung der Unsicherheit und Widerstand zu ändern, sagte er.
„Wenn es um die Umsetzung AI, es ist kein Ersatz für eine solide business-Prinzipien“, erklärte er. “CIOs sollten, gelten die gleichen strenge in der Annahme von AI, dass Sie sich in der Annahme einer anderen neuen Technologie, vom cloud-Speicher secure messaging. AI hat das Potenzial, Auswirkungen auf nahezu jeden Prozess oder Domäne in das Krankenhaus, sowohl auf der klinischen Seite und der administrativen.“
CIOs haben zu trainieren, Ihren Fokus auf Probleme, die benötigen zu lösen, wo bedeutendem Wert gewonnen werden kann, und wo der Wert der Aussage ist deutlich und klar artikuliert, Saghbini darauf bestanden, in Anbetracht, dass dies vor allem jetzt, als Krankenhaus-Führungskräfte versuchen, Sie zu bekämpfen, Umsatz und Marge Kompressionen während eine immer bessere Versorgung der Patientinnen und Patienten.
„AI ist ein einmal-in-a-generation transformative Technologie. Als solche, erwarten, dass Ihre Auswirkungen werden auf der Ebene der Siegeszug der Elektrizität oder das internet.“
Jean-Claude Saghbini, Wolters Kluwer Health
“Wo sollten CIOs zu starten? Erste Bemühungen sollten darauf ausgerichtet, die schnelle Gewinne für den Schlüssel-Stakeholdern“, sagte er. “Moonshots kann sehr verlockend, und oft, dies ist, was macht die Schlagzeilen in den Medien. Ausgehend von diesen Initiativen jedoch, ist von Natur aus behaftet mit Risiken angesichts der kombinierten Unsicherheit in der Technologie Leistung und im Gesundheitswesen die Akzeptanz der Benutzer.“
Frühzeitige Investitionen in AI-Initiativen und-Systeme angestrebt werden, die nachgeben, schnellen aber auch beträchtliche Ergebnisse beim Aufbau von internem wissen in der KI-Domäne, Saghbini sagte. Mehr wichtig, aus kultureller Sicht, diese frühen Gewinne können beginnen, gewöhnen sich die Menschen im rest der Organisation, um die Kunst des möglichen“, fügte er hinzu.
„Schließlich möchte ich hinzufügen, dass, wie CIOs verfolgen, ein portfolio von Initiativen, ist es wichtig, mit Partnern zusammenzuarbeiten, die einführen können Lösungen für eine Vielzahl von Bereichen im Krankenhaus oder im Netzwerk,“ Saghbini sagte. “Wie bewegen wir uns in einer Zeit, wo die KI wird mehr akzeptabel, und schließlich wird erwartet, Erfahrungen aus Erster hand mit der Technik geht der Schlüssel zu sein. CIOs müssen die Katalysatoren, die sicherstellen, dass die ärzte sind immer aus Erster hand, früh auf, um die umgestaltenden Fähigkeiten der KI und zu dessen möglichen Auswirkungen.“
Der operative Zustand
Ein Schlüssel muss bei der Implementierung einer KI-system ist eine klare vision einer Organisation ist operational Zustand und business-Ziele zu erreichen, sagte Gurjeet Singh, CEO und co-Gründer von Ayasdi, einem Anbieter von AI-powered-Plattform und der enterprise-Klasse, intelligente Anwendungen. Dieses kann offensichtlich klingen, aber die Erfahrung sagt etwas anderes, sagte er.
„Sehr oft gibt es einen Wunsch, zu sehen, was die AI-tool tun können, gegen das denken über den Betriebszustand und geschäftsergebnisse“, sagte er. “Das erfordert denken über einige Dinge vorweg: Wie Häufig erwarten Sie in Interaktion mit dem system? Täglich, wöchentlich, monatlich? Was werden die Laufenden Eingaben an das system? Was werden die Laufenden Ausgaben für das system? Was ist das erwartete Publikum von Anwendern? Was ist der plan zur Expansion Verwendung im Laufe der Zeit?“
Wenn man beginnt das Projekt mit der Absicht, es werden operative versus einige proof-of-concept, wird man eine bessere, fundiertere Entscheidungen und erhöhen die Chancen auf Erfolg, Singh Hinzugefügt.
„Das zweite, was zu verstehen ist, wie die Organisation beabsichtigt, zu validieren die Ergebnisse des Systems“, sagte er. “Es gibt keine Operationalisierung der black-box. Es muss eine Tiefe, Arzt-verständliche Erklärung, was der Rechner vorschlägt.“
Jedes Labor, Medikament, bestellen und testen: Diese Radikale Transparenz, die sogenannte Rechtfertigung, das ist, was erforderlich ist, um Vertrauen aufzubauen, Singh sagte. Vertrauen ist, was erforderlich ist, um erfolgreich zu sein in einem system, insbesondere ein als transformative als AI, fügte er hinzu.
Fokus auf Ergebnisse
Bei der Implementierung von KI-Technologie an, sollte der Fokus auf die Ergebnisse, sagte Lois Krotz, research strategy director bei KLAS-Forschung, eine healthcare-IT-research-und Beratungsunternehmen.
„Aus zahlreichen Gesprächen mit provider-CIOs und vice-Präsidenten der Technik: Sie mag die Idee mit AI, aber sind unsicher, wie und welche Ergebnisse könnte sein, angetrieben von der Lösung“, sagte Sie. „Setzen Sie sich Ziele und stellen Sie sicher, dass Sie Möglichkeiten haben, einen benchmark für den Erfolg der KI-Lösung – wissen, wie lange es dauern wird, um zu sehen, ein Ergebnis.“
„Es gibt keine Operationalisierung der black-box. Es muss eine Tiefe, Arzt-verständliche Erklärung, was der Rechner vorschlägt.“
Gurjeet Singh, Ayasdi
Da KI-Systeme können kleinere Teilmengen der Daten (strukturiert) und/oder größeren, ganzheitlichen Datenmengen (strukturiert und unstrukturiert), es neigt dazu, eine Frage, welche Ergebnisse man seine Daten produzieren können.
„Wenn interne teams – und ärzte – können zusammen arbeiten, um zu bestimmen, ein paar use-cases, Sie möchte mit etwas beginnen, wie“ die Diagnose von sepsis oder diabetes für eine bestimmte Ethnizität,‘ ‚Patient readmittance raten für einen bestimmten use-case‘ oder ‚Klinische variantenmanagement für hip-Ersatz“ werden, können Sie dann starten Sie die Erforschung spezifischer AI-Anbieter, Ihre Anwendungsfälle und Ergebnisse peer-Organisationen im Gesundheitswesen sind, die sich aus der Lösung.“
Außerdem, wenn man arbeitet mit dem AI-Anbietern oder Beratungsunternehmen, bevor man sich mit einem KI-Verkäufer, Fragen Sie Sie, zu helfen, bestimmte measurables gesehen werden können, in einem bestimmten Zeitraum mit der leicht verfügbaren Daten zur hand, Krotz erläutert.
„Zum Beispiel in Pflege-management, wir wollen vielleicht helfen, verringern das auftreten von Herzinfarkt – Patienten mit Herzinsuffizienz – von 25 Prozent und auch helfen, verringern readmittance Preise dieser Patienten von 20 Prozent“, sagte Sie. „Darüber hinaus ist es wichtig zu verstehen, Lieferanten-Umsetzung.“
Wird dem Verkäufer die Durchführung einer pre-implementation-evaluation helfen, festzustellen, ROI – /outcome-Bereiche und die zugehörigen mess-und Ziel? Wird Sie helfen, EHR-integration? Sie bieten die besten Praktiken und Empfehlungen für Prozesse/Ressourcen zur Unterstützung der neuen workflow und die Technologie?
„Im Allgemeinen, wenn man bedenkt, wie die neue am Markt ist, Kunden in der Regel möchte mehr von hand gehalten und Partnerschaften von AI-Anbieter während der Umsetzungsphase“, sagte Krotz.
Twitter: @SiwickiHealthIT
E-Mail der Autorin: [email protected]