预测是人工智能的下一个领域吗？

如今，人工智能正在医疗保健中使用，用于行政任务，例如改进医疗编码，以及在某些临床用例中，例如增强放射科医生对诊断图像的评论。

不过，在这里和那里，一些医院和卫生系统正在开始研究一些专家作为医疗保健中AI发展的下一步：预测的下一步。

尤其是启用AI支持的预测分析，它引起了CIO和Analytics高管的广泛关注。

一位认为预测是医疗保健AI领域的专家是Mintu Turakhia博士。

Turakhia在患者护理，研究和试验，数据科学和人工智能，医疗设备调节以及数字保健产品的创建和商业化方面拥有超过25年的经验。值得注意的是，他是地标的联合主持调查员苹果心学习。

医疗保健新闻最近，与Turakhia进行了交谈，以深入研究AI预测，谈论将AI从当前状态提高到预测能力所需的步骤，预测性AI如何识别健康状况并启用预防保健，扩展医疗保健以及通过AI和AI创造更好的患者成果，以及将预测性AI集成到医疗保健信息系统中。

问：您说AI需要从其当前状态发展到预测能力。到达那里的步骤是什么？

一个。最多医疗保健中人工智能的早期大步从医学成像开始，一直处于分类或模式识别。深度学习算法在许多情况下是非常有效的 - 在识别X射线，超声波或心电图上的诊断方面，临床医生的表现要比临床医生的表现优于临床医生。AI还可以在测量值中表现出色，例如估计心脏超声的左心室射血分数，这通常可能很麻烦且容易出现人为错误。

最近，AI被应用于从电子健康记录说明中，甚至通过与患者的对话AI得出诊断。这也属于分类。

但是，预测是不同的。它重点是预测未来的结果，而不是确定当前状态。这是关于使用可用数据来估计未来患疾病或经历临床事件的风险。

例如，即使当今的门诊心电图监测器未检测到房颤，它捕获的数据仍然可以发现可以预测AF风险下线的信号。同样，可以分析生命体征，睡眠模式和活动数据，通常用于健身或睡眠跟踪 - 可以预测未来心力衰竭住院的风险。

这是关于使用生命体征，睡眠和活动数据，以免在智能手表上获得健身或睡眠“徽章”，而是估算出心力衰竭住院的风险。

达到预测能力需要与临床结果相关的可靠，可推广的数据集。从历史上看，健康数据已被孤立的成像，心电图，智能手表数据，医疗记录和医疗保险住院数据独立存在。通过将这些数据源链接在患者级别上，您将获得多维和纵向数据，这些数据可用于开发AI模型以预测该数据中的结果。

医疗保健中的下一波AI浪潮将从诊断现有状况转变为预测未来的健康风险，为积极和预防性护理铺平道路。

问：您认为预测性AI将更加强大地用于识别健康状况并提供预防保健。为何如此？

一个。预测性AI将使我们能够以更高的精度确定健康状况和临床事件的未来风险。当我考虑AI开发时，我喜欢考虑一个2x2矩阵：对于人类而言，对于人类而言很容易或很难，而对于AI来说很容易或困难。

再次以卧床性心电图监控为例。第一步是开发可靠的AI来诊断心律不齐。我们在自然医学在2019年（Hannun AW等人），从那时起，还有数百项研究证明了这种能力。

下一步更为复杂：使用ECG预测房颤的未来风险。心电图可以检测心脏中的细微结构和电气变化，从而增加AF的风险。当与连续的心电图数据（例如14天的监视）结合使用时，AI可以识别人类可能会错过的关键模式。将这些模式集成到预测风险模型中对于人类来说很难，但对于AI来说是可行且容易的。

从那里开始，预测性AI可以进一步估计中风或心力衰竭等未来结果的风险，这是AF引起的两个条件。开发这些预测能力需要将各种数据集链接并进行重要的开发工作。但是，早期干预和预防的潜在好处是非凡的。

问：您建议，AI将产生更好的患者结果。这将如何发生？

一个。许多人可能没有意识到远程监视患者数据始于30多年前。在1990年代，可植入心脏设备的制造商，例如起搏器和除颤器开发的系统，以远程监控设备功能并检测心律不齐。

如今，随着传感器微型化的进步，曾经需要办公室访问现在可以在家中进行的，即使在智能手表上也可以进行。例如，智能手表算法可以检测持续的不规则脉冲，并提醒用户对房颤的可能性，从而实现早期检测。这已经在发生。

展望未来，多个数据流的集成 - ECG，生命体征，睡眠数据等，将使AI能够在临床事件发生之前确定健康风险。例如：

• 预测AF，心力衰竭或睡眠呼吸暂停的发作。
• 检测何时心力衰竭恶化，增加住院的风险。

在这些情况下，临床医生，患者和卫生系统可以采取积极的步骤，例如确认诊断，开始疗法或调整药物以降低住院风险。

现在，要使此工作，AI需要在其性能方面保持稳健。这意味着其准确性和预测的度量必须很高。例如，如果只有所有正AI结果中只有5％是正确的，那么95％是假阳性，这不是很有用，甚至可能是有害的。

这就是原因人工智能会效果最好对于相当普遍的条件，由于识别稀有疾病或高精度的事件仍然非常具有挑战性。

问：您预测医院和卫生系统将将预测性AI集成到信息系统中。他们将如何做到这一点？

一个。在医院和卫生系统中，预测性AI的主要应用有两个主要应用。

首先，在患者一级。此用例已经在进行中。在门诊护理中，临床医生通常依靠考虑少量临床变量的基本风险评分。这些分数的预测准确性有限。

AI通过集成数十个甚至数百个数据点来生成更精确的风险评估来增强这些工具。即使AI没有完全预测，它也可以作为决策支持，从而减少不适当的护理变化。例如，AI可以确保按临床指南建议进行房颤患者接受抗凝治疗。

在住院方面，几家公司开发了败血症的预警系统，这是一种威胁生命的压倒性感染并发症。到发生化脓性休克时，通常为时已晚，死亡率达到30-40％。研究表明，败血症警报系统不仅会导致更好的患者结局，还可以改善临床医生对治疗方案的遵守。

结果，护理质量也可以提高。

第二，在人口层面。对于基于价值和价值的卫生系统，预测性AI可以识别患者医疗保健利用的风险最高，通常是急诊室就诊和住院治疗。这使上游干预措施可以减少昂贵的事件。

有趣的是，最有效的解决方案可以是低技术的，例如家庭访问，通过电话定期进行检查，确保药物依从性或支持家庭参与。

一些卫生系统甚至正在探索生成的AI“代理”或虚拟护士，以进行远程随访和患者监测。预测AI与这些工具的集成具有增强护理，降低成本和改善预后的潜力。

关注比尔在LinkedIn上的命中率：比尔·西维奇
给他发电子邮件： bsiwicki@himss.org
Healthcare IT News是HIMSS媒体出版物