ヘルスケアテックの良いところと悪いところ
AIプロジェクトを立ち上げて結果を測定する病院やその他のタイプの医療機関の数は、過去数年間で劇的に増加しました。ロボット支援手術、仮想看護アシスタント、管理ワークフローアシスタントは大きな投資を引き付けるプロジェクトですが、AI関連のヘルスケアイニシアチブの範囲は広いです。ほんの数例を挙げると、テレヘルス、予測ロジスティクス、およびAIによって生成された診断も混在しています。
さらに、ゲノム研究が病気のバイオマーカーを発見することがますます増えているので、人間はおそらく、すべての新しい関連データを活用するためにAIの支援を必要とするでしょう。
信頼の欠如は、ヘルスケアAIの障害です
この分野の専門家によると、ヘルスケアにおけるAI導入の最大の障害は信頼の欠如です。本質的な問題は、AIシステムが「ブラックボックス」、選択された少数の医療従事者または結果がどのように達成されたかを理解しているデータ科学者だけで答えと予測を提供するアプリケーションになることです。
ブラックボックスの問題は一般的にAIに固有の問題ですが、生命が危険にさらされている可能性があり、エラーが致命的になる可能性があるため、ヘルスケアでは特に心配です。 1つのアプローチは、さまざまな種類のアルゴリズムに適用できるデータのガイドラインを作成するために、技術スタッフおよび医療スタッフの代表者と患者の支持者を集める学際的なチームを集めることです。
データ統合が重要
AIにはデータが必要であり、AIアプリケーションに入力できるデータが多いほど、結果は正確になります。しかし、医療情報は乱雑であることで有名です。データは、構造化形式と非構造化形式が異なる複数のデータベースに存在し、画像や手書きのメモも含まれます。
ほとんどの組織で健康関連情報の普遍性と構造の欠如を考えると、首尾一貫したデータ管理プラクティスの形成はあらゆる医療AI戦略の成功への鍵です。成功を確実にするためには、データクレンジングおよびデータ収集と統合のためのETL（抽出、変換、ロード）のベストプラクティスに従う必要があります。
最近の研究によると、困難にもかかわらず、米国のほとんどの医療機関は、AI関連のアプリケーションを計画しているか、現在導入しています。これらのイニシアチブの予後は明るいです。プロジェクトの種類によって、ROIは一般に3〜4年以内に発生すると予測されています。
株式会社NAMについて
医療AIの会社です。未踏事業に二度採択された中野哲平氏が率いる新進気鋭の企業です。ご相談は、いつでもどうぞ！
