Providence St. Joseph Health（普羅維登斯·圣約瑟夫醫(yī)療集團）已經(jīng)證明，人工智能和機器學習技術(shù)可以對當今的醫(yī)療服務產(chǎn)生重要影響。該醫(yī)療集團總部位于華盛頓州，在阿拉斯加州、華盛頓州、俄勒岡州、加利福尼亞州、新墨西哥州、蒙大拿州和德克薩斯州經(jīng)營著51家醫(yī)院，已經(jīng)建立了多種基于人工智能和機器學習的系統(tǒng)。

據(jù)雷鋒網(wǎng)了解，它的No Show技術(shù)每個月通過增加患者就診數(shù)量已經(jīng)產(chǎn)生了投資回報；它的醫(yī)療補助風險分層模型正被其醫(yī)療管理團隊用于尋找病例；圍繞脊柱融合和腦腫瘤手術(shù)的自然語言處理系統(tǒng)為新的使用案例和全企業(yè)范圍的工具提供了支持。

Providence St. Joseph Health的首席數(shù)據(jù)官Vijay Venkatesan表示，相比于其他擁有權(quán)限接觸病人信息的行業(yè)參與者，衛(wèi)生系統(tǒng)利用人工智能和機器學習顯然可以取得更明顯的進步。

“醫(yī)療系統(tǒng)獲取病人數(shù)據(jù)的最大好處是能夠清楚地講述病人的前因后果，”他解釋說?！八鼮椴∪颂峁┝艘粋€整體的縱覽視角。此外，它還允許基于人群的分析，來評估和優(yōu)化護理的方法?！?/p>

據(jù)雷鋒網(wǎng)了解，Providence St. Joseph Health已推出33個快速護理診所，患者可以一鍵安排當日預約、視頻訪問或者請護理人員到他們的家里。這些數(shù)字交互可以提供關(guān)于患者如何、何時和為何尋求護理的有價值的信息，以及衛(wèi)生系統(tǒng)如何用新的技術(shù)把他們引導至成本最低的護理機構(gòu)。

Providence St. Joseph Health推出了一個名為Circle的女性健康個性化平臺，提供內(nèi)容、產(chǎn)品和服務，讓消費者在治療期間了解自己的健康狀況和家人的健康狀況。

還有一個就是Xealth平臺，這個平臺可以讓醫(yī)生從他們的EHR中開出任何數(shù)字內(nèi)容、應用程序、產(chǎn)品或服務，就像開藥品一樣。有關(guān)患者評論內(nèi)容的數(shù)據(jù)、與應用程序的粘性等等，都可以幫助衛(wèi)生系統(tǒng)更好地調(diào)整護理策略，對人口健康管理形成更深入的了解。

“更令人興奮的是利用基因組、蛋白質(zhì)組學和生物識別數(shù)據(jù)的前景，”首席數(shù)字官Aaron Martin說，“系統(tǒng)生物學研究所(Institute for Systems Biology)是Providence St. Joseph Health的下屬機構(gòu)，由醫(yī)學博士Lee Hood領導。該機構(gòu)與健康系統(tǒng)合作開發(fā)了“科學健康”(scientific wellness)項目，來幫助患者利用數(shù)據(jù)改善自身健康狀況?！?/p>

盡管在人工智能的應用上前景良好，但Providence St. Joseph Health和其他醫(yī)療組織也面臨自己的問題，其中一個就是從電子病歷中提取有用的信息。衛(wèi)生系統(tǒng)擁有海量的電子病歷數(shù)據(jù)，這是一個優(yōu)勢，那么這些機構(gòu)面臨的挑戰(zhàn)是什么？

首席戰(zhàn)略科學家Tristan Markwell說，“文本數(shù)據(jù)代表了一個豐富的患者信息來源，包括一些可能永遠不會出現(xiàn)在結(jié)構(gòu)化數(shù)據(jù)中的東西，例如，社會信息、OTC藥物或副作用/不良反應，提取這些信息有幾個相關(guān)的問題，主要問題是實體識別，或者知道記錄中討論的是什么概念。由于語言含糊不清以及作者的縮寫或拼寫錯誤使得這一點變得更加復雜?！?/p>

處理這些文本數(shù)據(jù)的最直接的選擇是：開發(fā)自己的自然語言處理能力，通常是通過招聘具有特定計算語言學背景的數(shù)據(jù)科學家；與特定于領域的供應商合作，將NLP功能一次交付給一個項目；或者與一般的NLP供應商合作。

他說，“第一種方法擁有最大的控制權(quán)和所有權(quán)，但是風險最大，而且可能代價最大；第二種方法可以釋放特定項目的收益，但會將ROI限制在特定的使用案例中；第三種方法具有一般功能，但可能會需要認真的工作，以有益的方式融入現(xiàn)有的環(huán)境。“

“似乎‘NLP即服務’模式似乎即將成為最合理的解決方案——從記錄中提取具有元數(shù)據(jù)的實體的基本問題在全國范圍內(nèi)是相當統(tǒng)一的，因此受到規(guī)模經(jīng)濟的影響，供應商似乎對提供輕量級的分發(fā)模型感興趣，并且它與數(shù)據(jù)上云的趨勢非常吻合?！?/p>

他補充說，大多數(shù)健康系統(tǒng)都在招聘數(shù)據(jù)科學家的核心人員，并積極與大型云AI/機器學習供應商(微軟、谷歌、亞馬遜等)合作，來利用他們的專業(yè)知識和工具。

雷鋒網(wǎng)了解到，Providence St. Joseph Health正在利用其龐大的數(shù)據(jù)存儲庫，但它只是觸及了可用數(shù)據(jù)的冰山一角。

Markwell解釋說：“當預測患者的病情時，我們不僅要看診斷和藥物，還要看先前的行為和時間模式。具體來說，對于文本數(shù)據(jù)，我們分析了單詞的順序，形成了一個數(shù)學語義模型，然后用它來改善筆記搜索的結(jié)果；我們還進行了手術(shù)總結(jié)，并提取了一些關(guān)鍵的部分，比如在結(jié)構(gòu)化數(shù)據(jù)中不可用的方法。”

他補充說，獲取這些信息的關(guān)鍵是愿意投資于任用擁有正確技能的人，從簡單的工具開始，在需要的時候在復雜性工程上投入更多的時間。

今天，人工智能和機器學習如何在Providence St. Joseph Health運行的一個很好的例子就是它的No Show移動應用程序——這是對一個常見問題的綜合解決方案：由于患者錯過預約時間或取消太晚，以致醫(yī)療系統(tǒng)無法重新填補空缺，導致醫(yī)療系統(tǒng)每個月都會出現(xiàn)缺席的情況。這是一個重大的系統(tǒng)性挑戰(zhàn)。

“解決這個問題的第一步是建立一個全面的模型，我們相信這個模型可以用來進行干預，”Venkatesan解釋說，“我們的第二步是在實驗環(huán)境中讓這些數(shù)字出現(xiàn)在診所面前，并證明使用這個模型進行干預——通常是一個直接的病人提醒電話——可以有效地減少爽約，使診所更有效率。”

然后數(shù)據(jù)小組將算法整合到診所的Web應用程序中，該應用程序提供許多有用的功能，并收集呼叫信息，以便團隊可以監(jiān)控使用率和ROI。這些團隊現(xiàn)在正致力于利用干預數(shù)據(jù)創(chuàng)建一個反饋循環(huán)，以細化模型，并將干預推進到最有效的地方。

“我們還推出了營銷試點，利用機器學習為患者建立傾向模型，”Martin補充道?！皺C器學習可以幫助我們識別已經(jīng)對我們提供的服務感興趣以及有能力采取行動的人群，這些成為營銷自動化計劃的經(jīng)驗?！?/p>

Martin進一步指出，醫(yī)療系統(tǒng)正在其主要的數(shù)字接口中進行人工智能和機器學習的實驗，以幫助引導患者找到正確的治療地點，同時還在研究由語音驅(qū)動的智能工具，以簡化臨床環(huán)境中制圖和導航的工作。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。