UVA Health 加强人工智能和实时分析
作者：By Bill SiwickiDecember 26, 202403:06 PM
人工智能工具在医疗保健领域的使用一直在加速，人们对此类工具产生和交付的结果的信任度越来越高。
RAMP 是 UVA Health 已经投入使用的工具之一，专注于提供可操作、可验证和可解释的机器学习，将其作为决策支持工具集成到临床工作流程中，以提高对患者健康趋势的洞察力，促进更快地提供必要的护理，改善患者的健康状况结果。
人工智能驱动的预测分析模型使用复杂的实时和历史患者数据为医疗保健专业人员提供可行的见解，并在患者需要立即关注时提醒护理团队。
Valentina Baljak 是 UVA Health 的高级数据科学家。她拥有信息科学与技术、应用机器学习博士学位。UVA Health 现在创建并使用 RAMP。
Baljak 和她的两位同事将在 3 月份于拉斯维加斯举行的 HIMSS25 会议上讨论人工智能、RAMP 等话题，会议主题为“实时分析监控平台：可用的人工智能在行动。”我们与 Baljak 进行了交谈，以了解她和她的同事将在会议中讨论的内容以及 HIMSS25 与会者希望从他们的演讲中获得什么。
问：您将在会议中讨论的主要主题是什么？为什么它与当今的医疗保健和健康 IT 相关？
一个。随着最近生成式人工智能模型的出现，这个话题在医疗保健领域越来越受到关注。在这项工作中，我们专注于实时临床决策支持工具。人工智能并不是一个新术语。
在 UVA Health，我们多年来一直在开发实时预测系统，我们学到的最大教训之一是，人工智能应该采取的形式是最能满足您需求的形式。临床医生不会使用他们无法解释的工具。对我们的模型和工具建立信任意味着从第一天起就在每一步进行密切合作。
我们希望提供一个蓝图，说明如何构建在您的环境中运行的系统，并提高人们对模型透明度、问责制和可解释性重要性的认识。这在医疗环境中尤其重要，实时预测可能对患者的治疗结果产生重大影响。
问：您将重点关注人工智能。在您会议的重点背景下，它如何应用于医疗保健领域？
一个。RAMP 的关键方面是从 EHR 和其他数据源收集实时数据。将结果写回 EHR 中的患者记录并实时提醒护理团队的能力使 RAMP 成为临床环境中的重要工具。
这里使用的技术已经相当成熟并且都是开源的。Python 为我们的机器学习开发、后端连接和数据处理提供了坚实的基础。使用 FiHR、REST API 和自定义 HL7 构建与各种数据源的连接。该网站是用 Angular 构建的。
作为我们最新的重大扩展，我们正在最大的实时数据流之上构建一个新的预测模型，该模型使用 Kafka 构建，以从床边监视器收集所有生命体征和心电图波形。
问：参加您的会议的与会者希望将知识带回家。他们可以期待什么？
一个。人工智能是现代医疗保健的基本组成部分，根据需要采取不同的形式。选择正确的人工智能方法鉴于风险很高，这一点至关重要。
如果您拥有内部专业知识和资源，那么开发定制人工智能系统是供应商提供的黑盒系统的强大替代方案。
Valentina Baljak 的会议“实时分析监控平台：可用的 AI 实际应用”定于 3 月 4 日星期二中午 12:45 举行。在HIMSS25 拉斯维加斯。
关于《UVA Health 加强人工智能和实时分析》的评论
暂无评论