AIを既存のITインフラストラクチャに統合するという課題を軽減する

新しいシステムとアプリケーションを組織に統合します インフラストラクチャ ルーベゴールドバーグマシンをセットアップしているように感じることがあります。あなたが望んでいる結果を達成するために、すべてを事前に計画し、細心の注意を払ってセットアップする必要があります。 1つの小さな失敗と突然、他のシステムがオフになっているという連鎖反応に直面するか、何かがアライメントからぶつかり、完全なシャットダウンを引き起こす可能性があります。ヘルスケアで行われる重要かつ個人的な仕事のために、どちらの反応もあなたの患者とあなたのスタッフに壊滅的なものになる可能性があります。これを回避する唯一の方法は、より細心の計画であるため、課題が発生する前に課題を予測し、効果を緩和する方法を計画することができます。

これを行う方法に関するいくつかの助けのために、私たちは今日の信じられないほどのヘルスケアに連絡して、コミュニティに尋ねます。 AIの統合 既存のITインフラストラクチャに、そしてこれらをどのように軽減できますか？以下は彼らの答えです。

George Dealy、での医療アプリケーションの副社長 次元の洞察
ヘルスケア組織のシステムですでに利用可能なデータを備えた大規模な言語モデルとGEN AIを拡張することは、ヘルスケアにおけるAIにとって最大の機会の1つです。汎用LLMは、医療文献などのヘルスケア固有の内容と、運用および分析アプリケーションのデータの両方を補完できます。しかし、これを正しく行うには、患者のプライバシーを保護し、Gen AIが作成したデータの有効性を確保するなど、課題があります。規律ある、しかし実用的であるデータの品質を監視および改善するための継続的な取り組みと組み合わせた、規律ある、しかし実用的なデータおよびAIガバナンス構造を設置することは、これらのリスクを軽減するのに役立ちます。

AndréCastro、マネージャー、セキュアAI製品 プロテスタリティ
AIは、データガバナンスの成熟度の問題で要約できる従来のデータ分析から採用の課題の性質を変えません。代わりに、不作為のコストを考えると、組織にこの問題を軽減するために大規模に奨励することです。基本的な投資組織は、データガバナンス（テクノロジーと組織の変更）です。

これは、組織がこの技術を活用できる基盤です。多くの人にとって、データ駆動型の決定は依然としてMirageであり、AIは言うまでもありません。エージェントワークフローを目指しているトップパフォーマーにとって、これらのイニシアチブは、これらのシステムの監督の必要性を考えると、高いデータガバナンスの成熟度だけでなく、柔軟で機敏な人間のワークフローでのみ可能になります。

ジェン・ゴールドスミス、社長 持っている
ヘルスケア組織は、AIを既存のITランドスケープに統合する場合、特にレガシーシステムを扱い、AIツールやプラットフォームによる消費のための重要なデータにアクセスする場合、大きな課題に直面しています。多くの場合、時代遅れのフレームワークに基づいて構築されたレガシーシステムには、最新のAIツールをサポートするために必要な互換性とスケーラビリティが欠けている可能性があります。さらに、直接データアクセスやデータを容易に共有する能力のないシステムのサイロ化されたデータは、AIの意味のある洞察を生成する能力を妨げる可能性があります。

これらの課題を緩和するために、組織は、APIやミドルウェアなどの相互運用性ソリューションへの投資などの戦略を採用して、レガシーシステムとAIプラットフォームのギャップを埋めることができます。データ形式の標準化とデータストレージの集中化は、アクセシビリティを改善し、AI分析のためにクリーンで使用可能なデータを確保することができます。 ITインフラストラクチャの段階的な近代化は、ヘルスケアAIを専門とするベンダーとのコラボレーションとともに、混乱を最小限に抑えながら、移行をさらに容易にすることができます。これらの障壁に積極的に取り組むことにより、ヘルスケア組織はAIをうまく統合し、その潜在能力を最大限に発揮できます。

Saji Rajasekharan、最高技術責任者 経験
ヘルスケア組織は、AIを現在のITインフラストラクチャに統合し、データの互換性、システムのスケーラビリティ、患者のプライバシーを確保する際に、いくつかの課題に直面しています。既存のシステムは、最新のAIソリューションと統合するのに苦労し、データ統合とリアルタイム処理に課題を生み出します。

これらの課題を軽減するために、組織はシームレスに統合するAIプラットフォームの選択、強力なデータガバナンスの確保、およびITと臨床チームの間のコラボレーションの促進に焦点を当てる必要があります。段階的実装戦略を採用することにより、ヘルスケア組織はAIを活用して運用効率を高めながら、ケア提供を通じてコンプライアンスと患者の信頼を維持できます。

Suvajit Gupta、の最高技術責任者 Cotiviti、Inc。
AIはヘルスケア組織にとってますます一般的なテクノロジーになりつつありますが、実装するのが難しい場合があり、支払人がアクセスできない特定のリソースを必要とします。ヘルスケア組織は、適切なデータセットの作成が難しいなどの問題に遭遇することがよくあります。レガシーシステムに関するAI主導の洞察を実装する課題。機械学習操作とワークフロー管理への基礎的な投資を持っていません。適切なガバナンスメカニズムを継続的に確立、監視、更新するための継続的なリソースが不足しています。

これらの課題を克服するために、健康計画は、適切な長期投資を行うか、人間の専門知識と意思決定を置き換えることなく、組織内にAIを効果的に展開するのに役立つ信頼できるパートナーをもたらす必要があります。

セキュリティ担当副社長のケービー・マーフィー 純健康
一部のリーダーは、データに対するリスクに関する懸念のため、AIプログラムを既存のエンタープライズ技術スタックに統合することをためらっています。これに対処するために、リーダーシップは、これらのツールを利用する最も安全で準拠した方法で、スタッフ、特にAIの経験が限られている人を支援するための明確なガイドラインまたはベストプラクティスを提供する必要があります。採用に対する戦略的で漸進的なアプローチは、チームが徐々に新しいプログラムに適応できるようにしながら、内部のためらいを緩和することができます。また、この方法により、高度なエンジニアリングチームは、イノベーションを促進し、組織の外部サービスを強化するための新しいテクノロジーを探求する機会を提供します。

Hugh Cassidy、チーフデータサイエンティスト フォロー
ヘルスケア組織が新しいAIツールを採用し続け、既にハイテクスタック内のツールを改善し続けるため、イノベーションと信頼の適切なバランスをとることが不可欠です。リーダーシップは、スタッフと患者の両方のAIアプリケーションの目的、利益、および制限を明確に定義する必要があります。これは、AIが意思決定をサポートするためにどのように使用されるかを説明し、それを置き換えるのではなく、自動化に関する懸念を積極的に緩和し、ヘルスケアにおけるAIの役割を分離します。

さらに、人間中心のAI設計プロセスを実装することは、AI統合の成功の重要な部分です。多くの医療機関は、ワークフローを合理化し、スタッフの管理負担を軽減し、スケジューリングなどの手動タスクを最適化するために、AIをすでに活用しています。エンドユーザーを設計およびフィードバックプロセスに関与させることにより、組織はこれらの利点を拡大し、既存のプロセスにシームレスに統合するより直感的なインターフェイスとワークフローを作成し、最終的にユーザーの快適性を高め、混乱を最小限に抑えることができます。

最後に、堅牢な監視システムは必須です。定期的な監査、フィードバックループ、および問題に対処したり、精度を改善するための更新は、患者とスタッフの幸福だけでなく、継続的な改善へのコミットメントを実証するために重要です。

Anup Panthaloor、ヘルスプランおよびヘルスケアサービスのエグゼクティブバイスプレジデント firstSource
AIアプリケーションが高品質のデータにアクセスできるようにすることが重要であり、医療機関のデータは多くの場合、多くの場合、時には閉鎖された独自のITシステムでサイロになります。アプリケーションプログラミングインターフェイス（API）は、クラウドベースのAIアプリケーションを含むAIツールが必要とするデータを抽出できます。サービスとして提供されたこれらは、ヘルスケア組織が洗練されたAIツールに多くのレガシーシステムを持っている場合でも、洗練されたAIツールにアクセスできるようになります。

最良のアプローチは、小規模なAIエージェントとコピロットを使用して、以前の認証リクエストの自動化など、重要な問題点に取り組むことです。次に、これらの機能に基づいて、サポートドキュメントの取得と提出を自動化するなど、AIをプロセスに深く拡張します。

Matt Flath、Asset Managementの副社長 Onyx株式
ヘルスケアにおけるAIの採用は速度を上げており、業界はこの成長を維持するために十分なコンピューティングパワーが利用可能であることを保証する必要があります。この増加したAIの利用と、国内のAI開発を促進することを目的とした最近の米国規制の間で、すべてのAI使用産業、特に医療は、このセクターの米国の成長内のデータセンターの現在の能力に留意する必要があります。ヘルスケアおよびバイオ医薬品組織は、この貴重なAI-DATA処理のために、他のハイテク駆動型業界とも競合するだけでなく、自分自身と競合するでしょう。

Shaji Nair、創設者兼CEO 健康なai
データサイロは、AIを既存のインフラストラクチャにより深く統合するため、ヘルスケア組織が直面する最も差し迫った課題の1つです。 AIが効果的に機能するためには、情報を集中化する必要があります。多くのヘルスケア組織が、患者、研究、および治療データが別々のシステム、部門、またはサーバーに保存される環境で依然として運営されていることを考えると、困難な作業です。集中データがなければ、重要な情報は同期することはできません。これにより、学習能力を制限することにより、AIの有効性が最終的に制限されます。

もう1つの課題は、古いシステムから新しいAIプラットフォームに大きなデータセットを移行することです。これにより、サイバーセキュリティリスクの高まりなどの問題が発生する可能性があります。 AIプラットフォームをEHRSのような大規模システムと統合することは、脆弱性を明らかにし、HIPAAなどの規制に関するコンプライアンスの問題につながる可能性があります。データ標準化は、AIの実装を成功させるために重要なもう1つの要因です。 AIは、正確な予測と診断を提供するために、大規模で標準化されたデータセットに依存していますが、レガシーシステムには適切なデータガバナンスと標準化が欠けていることがよくあります。

この課題に対処するには、さまざまなデータソースを管理できるプラットフォームと、必要に応じて適切な個人が簡単にアクセスできる標準化された情報が必要です。標準化は、AIの信頼性と大規模なデータセットをより効果的に分析する能力を高めることができるデータの精度の向上など、多くの利点も提供します。

追加の課題には、新しいAIシステムに適応する医療従業員の能力が含まれます。さらに、AIの実装には重要なコンピューティングパワーが必要であり、組織が評価するための追加の投資または費用につながる可能性があります。

なんて素晴らしい答え！大いに感謝します Dimensional InsightのヘルスケアアプリケーションのVP、AndréCastro、ProtegrityのSecure AI Products、Jen GoldsmithのSecure AI Products、Tendoの社長、Tendoの社長、Saji Rajasekharan、Saji Rajasekharan、Saji Rajasekharan、Saji Rajasekharan、Saji Rajasekharan、Saji Rajasekharan、Suvajit Gupta、Cotivitiの最高技術責任者、Suvajit Gupta、Inc。 Leantaas、Anup Panthaloor、FirstSourceの健康計画およびヘルスケアサービスのエグゼクティブバイスプレジデント、Onyx株式の資産管理担当副社長、Matt Flath、Friska AIの創設者兼CEO、Shaji Nairはあなたの1日の時間をとって私たちにクォートを提出してください！そして、この記事を読むためにあなたの一日の時間をとってくれてありがとう、皆さんに感謝します！私たちはあなたのすべてのサポートなしではこれを行うことができませんでした。

課題は何ですか あなた AIを既存のITインフラストラクチャに統合する際に、ヘルスケア組織が直面していると思いますか？どうしますか あなた これらの課題は軽減できると思いますか？ソーシャルメディアでお知らせください、皆さんから聞いてみたいです！