详细内容或原文请订阅后点击阅览
AI 在医疗保健中的作用：好处、挑战和介于两者之间的一切
2020 年，医疗保健领域人工智能的市场价值创下 67 亿美元的新高。该领域的专家和技术资深人士还透露，到 2025 年，该行业的价值将达到约 86 亿美元，医疗保健的收入将来自多达 22 种不同的人工智能医疗保健解决方案。正如 […]
来源:Shaip 博客医疗保健领域 AI 的风险与挑战
尽管 AI 在医疗保健领域具有优势，但 AI 实施也存在某些缺点。这两者都涉及部署过程中的挑战和风险。让我们详细了解一下。
错误范围
错误范围每当我们谈论 AI 时，我们本能地认为它们是完美的，它们不会犯错。虽然 AI 系统经过训练可以精确地通过算法和条件执行其应执行的操作，但错误可能源于其他不同的方面和原因。由于用于训练目的的数据质量差或算法效率低下而导致的错误可能会限制 AI 模块提供准确结果的能力。
当这种情况随着时间的推移而发生时，依赖这些 AI 模块的流程和工作流可能会持续提供糟糕的结果。例如，尽管诊所或医院实现了自动化，但其床位管理效率仍可能较低，聊天机器人可能会错误地将患者诊断为 Covid-19 或更严重的疾病，错过诊断等等。
数据的持续可用性
数据的持续可用性如果高质量数据的可用性是一个挑战，那么数据的持续可用性也是一个挑战。基于 AI 的医疗保健模块需要大量数据用于培训目的，而医疗保健是一个数据分散在各个部门和部门的行业。您会发现非结构化数据比结构化数据更多，例如药房记录、EHR、可穿戴设备和健身追踪器的数据、保险记录等。
EHR因此，即使医疗保健数据可用于特定用例，在注释和标记方面也需要大量工作。这种数据碎片化也增加了错误的范围。