本报告基于Health Catalyst首席数据科学家Jason Jones在2019年医疗保健分析峰会上的演讲,题为“更快得到错误答案:在医疗保健中更好地使用AI”。世界杯葡萄牙vs加纳即时走地
数据和分析可以成为卫生系统成功或失败背后的驱动力。要改变医疗保健服务,数据至关重要——但只有在数据引导您得出正确结论的情况下。分析中错误的结论可能会导致患者的次优结果,并浪费在医疗保健中利用人工智能(AI)的尝试。
常用的分析方法——特别是在医疗保健领域的人工智能——常常会导致分析师和领导者在不知不觉中得出错误的结论。因此,数据领导者必须理解并利用重要的策略和工具来得出正确的结论并识别错误的答案。
通过使用AI/ML,医疗保健领域的领导者拥有大量的权力;然而,同样的数据不同的领导可以得出完全不同的结论。因此,数据领导者和分析师有责任充当数据的管家,帮助同事和团队成员正确使用数据,以便他们能够更快地得到正确的答案。数据使用者得到错误的答案,但却毫无头绪的情况并不少见,因为答案看起来仍然赏心悦目。这就是为什么数据管理员在监督数据的适当使用和显示方面起着关键作用。
在医疗保健领域使用任何形式的AI之前,关键是首先确定需要解决的问题。建议AI/ML项目至少有两年的历史数据,一个明确识别总体的统计过程控制图,以及一个明确定义的结果。
组织在使用数据和AI/ML时犯的第一个错误是在没有适当的基础数据的情况下利用AI/ML,这不可避免地会导致基于数据不足和可能需要数年才能恢复的资源浪费的错误结论。
当组织已经奠定了坚实的数据基础时,AI/ML将获取原始的表格数据(图1),并将其转化为人们可以用来做决策的东西(图3)。
寻找正确答案的另一个步骤是理解哪种数据可视化工具适合您的数据集。正确的数据可视化工具将从根本上改变人们消费、观察和解释数据的方式。
例如,如果有人想买房子,但听说该地区的某些地区癌症发病率更高,这个人可能想查看癌症发病率和位置数据,以确定哪些地区癌症发病率更高(在哪里应该避免买房)。
数据可以以多种方式显示。在下面的示例中(图1),按位置划分的癌症数据显示在一个列表中,该列表显示了已报告癌症的每个位置,并按地理区域分组。例如,在A01区域有4例癌症报告,在A02区域有2例癌症报告,等等。
另一种显示相同数据的方法是使用散点图(图2),这是一种强大的数据可视化工具,允许用户更容易地使用和解释数据。
一个人可以清楚地识别没有癌症的区域,使数据驱动的决策更加有力。正确的可视化工具还允许用户进一步分析数据(图3),并确定数据中的趋势、模式和集群,以确定改进的机会。
然而,如果这个人使用AI/ML,除了使用数据来做决定,她可能会发现有一个更好的方法来显示完全相同的数据。蓝线代表基于实际数据(基于地理位置的癌症发病率)的钟形曲线,紫色线(AI/ML)是在癌症诊断与地理位置没有关系的情况下的预期结果。由于实际数据的钟形曲线与AI/ML钟形曲线非常接近,有充分的证据表明癌症诊断与地区之间没有关系。因此,想在这个地区买房的人不应该根据不同地区的癌症发病率来做决定。
按地区划分的癌症发病率示例说明,数据从未改变,只是数据显示的方式发生了变化。对于数据领导者来说,理解数据可视化工具如何驱使人们(或卫生组织)做出正确或错误的答案是至关重要的。
例如,东非认证研究所的(ICS)试图提高肯尼亚儿童在小学的学习成绩。起初,ICS提供了更多的书(而不是为整个教室提供一本书)、活动挂图和教师。这些改变没有任何区别。事实上,ICS看到了不平等的增加。最初的假设是,从课本中受益的孩子本来就表现得很好,有了自己的课本和老师更多的关注,表现好的孩子将继续胜过表现差的孩子,从而增加差距。
ICS的一位领导向该研究所的一位同事提到了这一发现世界卫生组织世卫组织认为,由于蠕虫疾病导致的缺课可能是问题所在。事实证明,由于蠕虫感染,许多学生错过了大量的课堂时间。学校决定在学校实施“驱虫日”,让学生在学校安全接受治疗。加班的时候,ICS看到了学校旷工率降低了25%,收入水平提高了20%超过10年的水平。
尽管ICS在学术改进方面的第一次尝试导致了错误的答案,但领导层与世卫组织的领导人合作,并愿意尝试一些新的东西,以试图得到正确的答案。由于他们的合作努力、谦逊和对提高学习成绩的承诺,ICS找到了正确的答案——学校的驱虫项目——这给肯尼亚的孩子们带来了巨大的改变,无论是现在还是未来。
尽管人工智能在医疗保健领域似乎无处不在,甚至是直接的,但也出现了共同的挑战。当数据分析师和领导者试图利用AI/ML获得正确答案时,尤其会出现五个问题:
AI/ML为医疗保健领域带来了力量、效用和效率,但它并不能取代人类发挥的宝贵作用。为了得出正确的结论,分析过程需要数据领导者和管理人员的指导。
特定的AI/ML工具和技术是有用的,也是可以实现的,但它们还不足以让医疗保健组织得到正确的答案。为了更快地消除错误答案并最终找到正确答案,卫生系统需要一种协作的方法、对数据和分析过程的理解,以及消除共同障碍并始终专注于前进的领导人。
你想了解更多关于这个主题的信息吗?以下是我们推荐的一些文章:
您愿意使用或分享这些概念吗?下载突出重点的演示文稿。
我们以为您提供相关、有用的内容而自豪。我们可以用cookies来追踪你所阅读的内容吗?我们非常重视您的隐私。详情请参阅我们的隐私政策了解详情和任何问题。