健康

CDWのAI研究レポートから学んだ教訓

1.自分のために新しいツールを展開する代わりに問題を解決する 組織は、誇大広告のために何かを試すように圧力をかけられると感じるかもしれません。あなたは衝動に抵抗する必要があります。代わりに、解決する必要がある問題について明確にしてください。 AIがどのように適合するか。 生産性ソフトウェアスイート内やなど、組織が既に使用しているソリューションに存在する機能や機能を介して開始できる簡単な展開がある場合があります。 電子健康記録システム。 別の問題領域は、自動化の恩恵を受ける繰り返し管理タスクです。理由の1つ その周囲のリスニングツールは一貫した関心を持っています 組織が臨床医の負担を軽減し、燃え尽き症候群を緩和したいからです。臨床医が患者の関係を修復できるように、臨床医の「パジャマ時間」をどのように減らすことができるでしょうか？ 続きを読む： より良いヘルスケアの結果を得るために、データと人工知能を活用してください。 2。規制当局の不確実性の中で、AIガバナンス構造が強固です アルゴリズムが改善され、規制の反応が流動的であるため、ヘルスケア組織は自分の俊敏性と安定性を持つ必要があります AIガバナンス構造。また、州ごとに異なる可能性のある要件があるため、学際的なアプローチが変更に対応するために重要です。 潜在的なユースケース、エンドユーザーの経験、リスク、倫理的懸念、アルゴリズムバイアス、コンプライアンス、およびデータの品質を認識し、緩和することについて、適切な質問をして正しい質問をする適切なワークグループを作成します。 インフラストラクチャの考慮事項も考慮する必要があります。あなたの組織はどれだけ準備ができているか より多くのAIソリューションを採用します？あなたのチームには適切なスキルセットがありますか？環境を確保しましたか？何かあります オンプレミスの考慮事項とクラウドに移動するワークロード？組織は着陸ゾーンを構築する必要があり、彼らがどのように使用しているかに関しては、異なる戦略を持っている可能性があります 計算と保存。 探検する： 医療機関は、人工知能の評価と実装をどのようにナビゲートすべきですか？ 3.最前線にデータのセキュリティとプライバシーを維持します データガバナンス 手をつないで行きます AIガバナンス、ほとんどのAI搭載ソリューションには高品質のデータが必要であり、この時点でテーブルステークスです。これには、そのデータを保護する方法に関する戦略も必要です。 また、組織がソリューションが規制要件を満たすかどうかを適切に評価できるように、そこにあるいくつかのソリューションのいくつかのソリューションの透明性を高める必要があります。 AIソリューションが予測が間違っている場合、またはデータが不良なデータを使用する場合、実際の危険が存在するため、透明性が重要です。ヘルスケアにおけるAIへの万能のアプローチは不可能であり、結果が害を引き起こさないようにするために、人間の識別または人間がループ内の人間の必要性がまだ必要になるでしょう。 この記事はの一部です HealthTech's ブログシリーズを監視します。 #CDWのAI研究レポートから学んだ教訓