三种方式AI可以获得临床医生的信任

护理团队意识到承诺的好处增强情报(AI)可以给临床带来setting-including迅速分析大型数据集,提醒临床医生对超出范围的活动,和提供最相关的信息的决策。然而,许多临床医生仍然抵制AI在医疗或漠视它由于缺乏信任和关心的意想不到的病人的伤害。

在过去的十年里,许多healthcare-specific AI和其他技术已经信誓旦旦和对待。数字化医学很大程度上发誓要减轻医生的负担,同时提高病人护理和经验。相反,增加医疗技术采用恰逢普遍医生职业倦怠。然而,利用人工智能技术在病人护理可以发掘有价值的观点,医疗用户可能忽视了在大量数据和人工资源有限审查这些数据。

人工智能技术提供了宝贵的见解埋在数以百万计的数据

使用人工智能技术确保临床医疗决策是基于全面的,完整的病人数据,而不是只使用部分,分散的数据集。例如,供应商倾向于患者,人工智能可以分析个人和集体的数据集在医疗保健系统发现有价值的见解和现在他们在病人护理。实时考虑这些见解,提供者可以用他们的专业知识和批判性思维技能来确定病人的最佳的行动方针。

三个合作领域会增加人工智能医疗

培养临床医生的信任在人工智能和帮助他们利用人工智能可以提供的临床决策,组织应该投资于透明的人工智能技术,专注于三个数据科学家和护理团队之间的合作领域。

数据科学和护理团队可以在以下三个领域合作,帮助临床医生克服怀疑艾未未的价值和增加采用前线的护理:

# 1:临床协作发展

当一个卫生系统决定采用人工智能,数据科学团队应该涉及关键利益相关者(如质量改进团队成员和临床医生)从一开始。临床医生通常不加入人工智能过程,直到之后的发展阶段。结果,数据科学家不收集临床医生对人工智能模型的独特的视角和信息将在一个繁忙的临床价值和实践。

数据科学家和临床医生应该共同使用人工智能的发展阶段来定义他们的目标在医疗和理解数据能帮助他们实现这一目标。实现哪些数据是可用的,当前数据的局限性和潜在偏见的数据帮助AI-adoption团队识别改进模型的结果通过数据质量改进的机会。

# 2:临床协作实现

数据科学团队开发模型,它是实现的时候了。涉及临床医生在AI的每一步过程很重要,尤其是在实现步骤因为数据科学家并不总是理解临床工作流和文化。没有直接的临床认识,开发人员可能不那么有效的方式实现一个模型导致次优的结果。

例如,当一个卫生系统实施了机器学习模型预测90天的承认,它不包括临床输入模型的开发过程。因此,临床团队并不信任模型的输出,因为他们不了解模型派生的洞察力。模型有助于临床医生,组织重新开发和临床预测模型的输入,让临床团队信任和使用该工具。

虽然机器学习模型已被证明成功,卫生系统不得不加倍努力,创建两个不同的模型。有组织包括临床医生输入从一开始,它可以保存的时间和资源开发多个模型。

除了利用临床从头输入,增加模型的成功的可能性在临床环境中,AI-adoption团队应该识别早期临床用户了解如何利用人工智能在病人护理。有临床医生冠军帮助其他医生看人工智能医疗可以在日常工作中受益。临床医生还提供了一个开放的行之间的这种信任关系的沟通的同事将分享诚实的反馈和改进的想法。

# 3:临床协作的结果

最后,数据科学家应该与临床医生合作去破译人工智能模型的结果。而不是数据科学家告诉医生信任模型输出,临床医师和数据科学家可以团队分析和理解AI的见解。团队合作的方式也可以提高透明度和减少黑盒算法要求专家解释复杂算法为数据科学家用户简单地说。

医生还可以提供有价值的了解最好的方法实现人工智能的见解的前线护理。使用术语,临床医生理解,供应商可以保证人工智能已经成功的最佳机会,临床医生清楚,可以理解,可验证模型的结果。

解决方案:一个协作方法和Healthcare.AI

除了一个协作方法,卫生系统应该投资于基础设施,支持数据和分析。(例如,一个复杂的数据平台世界杯厄瓜多尔vs塞内加尔波胆预测世界杯葡萄牙vs加纳即时走地健康催化剂数据操作系统(DOS™))有数据聚合功能集人工智能医疗的基础。

一旦数据平台,访问所有组织的世界杯厄瓜多尔vs塞内加尔波胆预测数据来源,卫生系统准备投资于人工智能工具。然而,克服提供者的幕后算法缺乏信任,组织必须优先考虑人工智能工具,是开放和透明的。

例如,新世界杯葡萄牙vs加纳即时走地健康医疗催化剂。AI™提供允许临床医生很容易理解和操作警报的标准(例如,为什么一个模型旗帜病人易患2型糖尿病)。增加可见性预测模型有助于供应商信任算法,其见解,AI。

这个支持基础设施(例如,数据平台和AI工具),组织准备一起工作来建立预测模型。世界杯厄瓜多尔vs塞内加尔波胆预测使用一个协作方法,临床医生可以了解哪些信息是最有价值的在一个繁忙的医院设置,允许数据科学家构建一个模型,该模型提供了洞察提供者将信任和在决策中使用。

临床医生和数据科学家之间的共同发展也能减少数据科学团队的可能性将创建一个模型,提供不切实际的洞察力和必须开始第一次over-versus构建最有效的模型。卫生系统可以在人工智能过程涉及临床医生早期教育临床医生对机器学习和从简单的项目,以帮助了解人工智能。

人工智能医疗使供应商做出最Data-Informed决定

随着人工智能在医疗、卫生系统,购买和建立人工智能技术应该考虑临床医生的观点。包括临床医师了解相关数据的决策和实践临床工作流帮助临床医生信任AI和最大限度地提高预测模型的见解。

卫生系统可以帮助临床医生AI效益的促进合作医疗的发展,预测模型的实现和结果阶段过程。这支球队的心态加上健壮的数据基础设施允许卫生系统构建人工智能模型,优化供应商决策和带来更好的结果。

更多的阅读

你想了解更多关于这个主题?这里有一些文章我们建议:

• 你的AI的旅程从这里开始:一个四个步骤成功预测分析框架
• 人工智能和机器学习在医疗保健:四个真实的改进
• 扩大人工智能医疗:引入新的医疗保健。AI™卫生催化世界杯葡萄牙vs加纳即时走地剂
• 数据科学揭示病人不良结果的风险由于COVID-19保健中断
• 维护人工智能医疗的伦理:三个最佳实践

幻灯片

你想使用或分享这些概念?下载这个报告强调的关键要点。