将人工智能和机器学习集成到 EHR 系统中的好处和挑战

虽然我们已经谈论了很多，人工智能和机器学习是医疗保健领域新的闪亮玩具——这既有优点也有缺点。由于这些技术用途广泛，我们不断寻找新的、令人兴奋的方法和领域将其应用于医疗保健。然而，由于该技术可以应用于如此广泛的方向，因此它在很大程度上尚未经过测试——无论是从我们正在应用它的新领域的意义上，还是从它们对我们一直使用它的领域的长期影响的意义上来说。。

今天，我们将把我们的注意力集中在这些令人兴奋的广泛技术上，具体到它们对 EHR 系统的影响。我们联系了出色的医疗保健 IT 今日社区，询问 – 将人工智能和机器学习集成到 EHR 系统中的潜在好处和挑战是什么？以下是他们的答案。

Maxim Abramsky，产品管理助理副总裁大厦
好处：人工智能通过分析患者数据来支持准确的诊断和个性化治疗，从而改善决策。它可以自动执行日常任务，减轻管理负担，并使用预测分析来预测患者的治疗结果并改善资源分配。通过简化工作流程和识别公共卫生趋势，人工智能可以促进更好的人口健康管理。

挑战：采用面临数据隐私问题、导致不准确的偏见或不完整数据集以及将人工智能与现有 EHR 系统集成困难等障碍。高昂的实施成本和临床医生的抵制（他们可能不信任人工智能生成的见解）增加了复杂性。确保遵守医疗保健法规进一步减缓了采用速度。医疗保健中的人工智能通常是挑战和收益之间的平衡。

Michael Sherling 博士，联合创始人兼首席医疗和战略官现代医学
人工智能集成是开启未来的关键，减少管理负担并简化临床工作流程（尤其是文档）。直接在 EHR 中构建的环境聆听能够捕获医患对话，并将其转换为不仅仅是文字，而是有价值的结构化信息，从而防止医生在下班后花费大量时间做笔记，并使他们能够为患者提供指导他们在访问期间全神贯注。

Mimi Winsberg 博士，联合创始人兼首席医疗官光明健康
随着医疗保健数据量持续快速增长，人工智能提供了一种有前景的方法，使 EHR 数据对临床医生来说更具可操作性。在精神卫生保健领域，人工智能可以消化大量患者信息，然后检测模式并总结迄今为止的治疗方法，从而提高诊断准确性。人工智能可以向提供者建议治疗计划、主动检查和实时治疗调整，甚至可以在潜在危机发生之前进行预测。诸如此类的技术可以为患者提供更及时、个性化的干预措施。

此外，人工智能还减轻了临床医生的管理负担，节省了宝贵的时间，减少了倦怠，并实现了更有意义的患者互动。最后，人工智能可以为提供商生成待办事项列表和行动项目，并作为质量保证的措施。我们仍然将人工智能视为临床医生和卫生系统的工具，而不是它们的替代品。总体而言，人工智能可以通过总结和告知患者及时、适当的护理决策，支持临床决策并节省临床医生的评估时间。

Sandra Johnson，客户服务高级副总裁临床比较
将人工智能和机器学习集成到 EHR 解决方案中，可将这些系统转变为动态的智能工具，从而增强临床决策并简化工作流程，最终提高患者护理和运营效率。此外，这项创新必须解决数据准确性、患者隐私和互操作性等挑战。通过培育持续创新的文化并优先考虑用户反馈，我们可以确保 EHR 系统不断发展，以满足现代医疗保健不断变化的需求。

John Hataway，持续改进和自动化高级总监萨维斯塔
将人工智能和机器学习技术有效集成到 EHR 系统中可以带来巨大的好处。这些技术可以增强护理的连续性、改进错误检测并减轻管理负担，使医疗保健提供者能够更多地关注患者并改善患者的整体体验（和结果）。AI/ML 可以根据观察到的结果和上游病例特征提供对潜在临床路径改进的见解，从而支持遵守最佳实践并扩展临床思维宽度。同样，这些工具可以对患者结果和风险分层进行更好的预测分析，促进更加个性化的医疗服务，同时增强临床医生的决策支持系统。

然而，这些好处也伴随着巨大的挑战。人工智能的不准确（或幻觉）可能会带来严重的风险，对人工智能/机器学习的潜在过度依赖可能会损害临床判断和结果，而当构建在电子病历的结构中时，这些风险可能会被放大。从成本和有效性的角度来看，数据标准化和流程集成的复杂性带来了巨大的障碍。此外，由于人工智能集成引入的潜在漏洞，对患者数据隐私和安全的担忧始终是首要考虑因素。有效利用这些工具需要对技术及其用户进行培训，以确保持续遵守监管和安全准则。最后，必须始终权衡为加强医疗保健服务而实施的技术和系统的潜在好处与该服务非人性化的潜在成本/风险。

Rob Helton，产品高级副总裁网络PT
为了让人工智能真正改变医疗保健领域，我们需要解决三个核心挑战：数据质量、互操作性和成本。如果没有干净、标准化的数据，人工智能就无法提供可靠的见解。如果系统之间没有无缝集成，我们就无法实现整体协调的患者护理。如果没有具有成本效益的解决方案或激励措施，报销利润不断缩小的市场中的创新将会停滞。

托德·多兹 (Todd Doze)，首席执行官杰纳斯健康
收入周期中的人工智能在降低卫生系统的收集成本方面具有巨大的潜力。但将人工智能整合到电子病历中可能会面临进一步划分人工智能富人和穷人的风险。开始基于 EHR 的人工智能项目时，人工智能解决方案很容易花费 50 万美元或更多。此外，还有人才、基础设施和维护方面的额外投资。许多提供商根本没有资源走上自己动手的道路。对于卫生系统来说，优先考虑人工智能合作而不是 DIY 通常更具成本效益，特别是如果他们尚未拥有重要的 IT 基础设施和员工。考虑与 EHR 集成人工智能解决方案合作，以实现劳动力成本、拒绝减少、核销改进以及员工和患者体验方面的变革。

Tarken Friske，高级咨询总监全谱
在当今世界，及时联系医生越来越困难，人工智能和机器学习技术提供了多种使患者和医疗服务提供者受益的机会，最终推动患者治疗结果的改善。主要好处包括……

• 提高效率：人工智能非常适合自动化某些非关键的提供者任务，例如记笔记和数据输入，这可以节省大量时间，更好地专注于患者护理
• 增强的临床决策支持：人工智能可以分析大量患者数据，帮助临床医生做出更明智的决策；机器学习算法可以通过分析患者病史、实验室结果和其他数据来增强临床决策支持，促进证据驱动的决策并可能减少诊断错误
• 个性化医疗：人工智能能够查看大型且不同数据集中的模式，从而能够考虑患者遗传学、生活方式信息和其他非传统变量，以推荐个性化治疗，从而实现更精确、更有效的护理

虽然潜在的好处是显而易见的，但将这些技术集成到 EHR 系统中仍需要克服挑战……

• 数据隐私和安全：EHR 系统包含敏感的患者信息，集成 AI 会带来额外的网络安全风险；随着人工智能对大量患者数据的访问，遵守 HIPAA 和其他隐私法规变得越来越复杂
• 数据质量和偏差：为了有效发挥作用，人工智能需要高质量的数据；电子病历可能包含不完整、过时或有偏见的数据，这可能导致预测不准确或加剧现有的健康差异
• 互操作性问题：不同的提供商网络使用不同的 EHR 系统；缺乏标准化使得跨平台集成人工智能变得困难，可能会限制人工智能对综合数据集的访问
• 提供商的不情愿：由于学习曲线和工作流程的潜在中断，医疗保健提供者可能会对新技术产生抵制；培训和变革管理对于确保成功采用人工智能是必要的

Shyam Rajagopalan，联合创始人兼首席技术官无限极系统
从历史上看，将人工智能和机器学习集成到 EHR 系统中一直具有挑战性，因为将数据移入和移出这些平台非常困难，而这些平台通常是封闭和专有的。FHIR 和 FHIR 上 SMART 等标准的引入显着提高了数据互操作性，可以更轻松地提取数据并更好地与外部应用程序集成，特别是在支持这些标准的现代 EHR 中。这还实现了 EHR 和外部工具之间的登录凭据链接，从而简化了用户体验。然而，虽然提取数据变得更加容易，但将结构化数据重新输入 EHR 仍然很困难，因为许多系统仍然只支持基本或非结构化数据输入，例如平面文档或文本简介。

这一进展使得开发专注于调度和福利管理等管理任务的人工智能和机器学习应用程序成为可能，因为这些应用程序通常依赖于从 EHR 中提取现有数据，并且适合非结构化输入。然而，将结构化临床数据输入回 EHR 的障碍意味着临床人工智能应用程序（那些可以协助诊断、治疗计划或患者监测的应用程序）还处于开发早期。总体而言，我们正在努力在 EHR 中更多地支持 ML 应用程序。

迈克尔·梅乌奇 (Michael Meucci)，总裁兼首席执行官阿卡迪亚
将人工智能集成到 EHR 系统中的挑战之一是使提供商能够根据丰富的情况采取行动。如今，大规模人工智能部署因缺乏工作流程而受到限制。想一想：强大的技术和经过充分训练的模型与高质量的聚合数据相结合可以产生无穷无尽的建议、新活动和信号。我们需要在正确的时间、地点和格式向护理团队提供信息，让他们能够据此采取行动，以避免给医疗服务提供者带来进一步的负担。换句话说，人类必须能够有效地管理人工智能可以创造的丰富性。在我们能够将人工智能输出大规模正确地集成到现有的 EHR 工作流程之前，我们无法充分实现技术在提高工作效率方面的优势。当我们有效地普及生成式人工智能的力量时，我们就能获得巨大的好处。

一个具体的例子是个性化精准医疗，它为每一位患者提供最好的护理。将人工智能支持的证据生成功能引入 EHR 可以加速适当的临床决策，从而根据患者独特的生理机能推动高价值、低成本的患者护理。我见过医疗服务提供者使用现场护理工具快速生成新颖的同行评审证据，并使用该信息就最佳临床指南、护理途径和最佳干预措施做出数据驱动的决策。在这种情况下，提供商通过使用技术作为副驾驶来节省研究时间，否则需要手动工作，从而获胜；患者通过接受最新的循证护理而获胜，这些护理根据患者的个人需求进行了优化，以获得最佳结果；医疗保健提供者和付款人在基于价值的护理和其他质量举措方面取得成功。

Srdjan Prodanovich，医学博士 FAAD，创始人兼首席医疗官伊兹德玛
人工智能在医学上的真正好处来自于它分析复杂临床场景的能力，其中患者的基因构成、病史、实验室和成像结果以及药物都相互作用。医疗服务提供者经常面临海量的数据，这使得识别最相关的信息具有挑战性。通过利用大量的医学知识，人工智能可以全面评估这些因素，产生宝贵的临床决策支持，超越其目前作为抄写员的角色。这一进步增强了临床决策并提高了诊断的准确性和治疗计划的有效性。人工智能甚至可以预测可能被忽视的潜在并发症或危险的药物相互作用。当人工智能向医生提供这些关键信息时，它可以更快地做出数据驱动的决策，最终改善患者护理。其结果是建立一个更高效的医疗保健系统，改善医疗结果并减少医疗保健提供者的倦怠。

这里有很多值得思考的要点！非常感谢Maxim Abramsky，Edifecs 产品管理副总裁；Michael Sherling 博士，ModMed 联合创始人兼首席医疗和战略官；Mimi Winsberg 博士，Brightside Health 联合创始人兼首席医疗官；Sandra Johnson，ModMed 客户服务高级副总裁CliniComp、John Hataway、Savista 持续改进和自动化高级总监、Rob Helton、WebPT 产品高级副总裁、Todd Doze、Janus Health 首席执行官、TarkenFull Spectrum 咨询高级总监 Friske、Infinitus Systems 联合创始人兼首席技术官 Shyam Rajagopalan、Arcadia 总裁兼首席执行官 Michael Meucci 以及 EZDERM 创始人兼首席医疗官 Srdjan Prodanovich, MD FAAD 抽出时间请向我们提交报价！感谢大家抽出宝贵的时间阅读这篇文章！没有你们的支持，我们无法做到这一点。

做什么 你 您认为将人工智能和机器学习集成到 EHR 系统中的潜在好处和挑战是什么？请在下面的评论中或在社交媒体上告诉我们。我们很乐意听取大家的意见！