医疗保健IT顾问在2020年的前三个月中，研究团队针对医疗保健中的人工智能(AI)进行了30次研究访谈。到目前为止，我们的对话吸引了卫生系统主管，临床医生，数据分析师，供应商，学者，教育工作者和顾问的见识和见解。

您现在如何使用AI对抗Covid-19

我们从这些对话中确定了四个重要主题。在整个2020年，我们将继续探索AI的这些及其他重要问题和应用，包括其最近针对Covid-19的部署。

主题1：每个人都想使用AI，但很少有人想做艰苦的工作

我们的对话揭示了AI计划经常无法实现价值的三个主要原因：

1.倡议往往与临床或业务目标无关;

2.他们没有执行层的支持;和

3.卫生系统在开始时没有正确的构建块或功能。

Optum

我们与分析高级副总裁Tushar Mehrotra进行了他指出，与组织目标没有明确的联系，AI飞行员不过是一项学术活动。Mehrotra说：“除非您将它们与业务模型联系在一起并定义一些投资回报率，否则所有这些努力都是无关紧要的。”(每日简报由Optum的一个部门咨询委员会出版，该委员会是UnitedHealth Group的全资子公司。)

Evident Health Strategies

的负责人，的前首席执行官Paul Bleicher也有类似的看法：“在科学或分析追求的各个方面，最困难的问题是提出正确的问题。对于技术人员而言，这很容易解决。领域之所以这样做，是因为它们具有数据和计算能力，但是就其本身而言不是很有帮助。”

Centura Health的

此外，人工智能计划需要关键决策者的支持和投资才能产生长期影响。当我们与首席数据官Ray Deiotte交谈时，他指出：“在任何行业中，执行企业范围内AI战略的最大障碍是没有足够的“自上而下”的理解力和影响力来采用并且将数据和分析作为企业能力进行投资。”

最后，我们的受访者强调，您需要使用适当的工具来启动AI项目。这可以涉及许多因素，包括拥有足够的高质量数据集，足够的员工技能和强大的IT基础架构。卫生保健组织通常使用大型索赔数据集来训练其AI，这些数据很有用，但仍然是一维的-引入新的数据源(例如，基因组，行为，社会决定因素)将带来算法复杂性的全新水平。

对于许多试图利用AI的医疗保健提供者来说，拥有足够的人才是另一个明显但持久的障碍。如今，招聘数据科学家的需求明显，但还有其他重要的互补和新兴角色，例如首席数据官。假设大型医疗机构拥有正确的领导层支持和数据驱动文化，他们可能会投资于精通AI的人才，以真正从大规模AI努力中获得价值。

MedEvolve

数据，分析和高级AI功能可以提供一系列可行的见解，但是这些技术资产需要嵌入到工作流程中，才能真正使医生和其他最终用户相信模型的价值。无法将新的AI解决方案整合到现有的工作流程中是组织无法扩展的主要原因。执行副总裁Matt Seefeld回应了这一观点，他告诉我们：“工作流自动化的最重要部分是确保您的员工专注于将产生最大影响的任务。”