作为几乎所有医疗趋势，流程和解决方案的基础，数据在医疗服务的交付和成功中起着至关重要的作用。

从风险分层到慢性疾病管理，精密医学和医学研究，数据是日常医疗保健任务和更广泛的行业改进的中心，这使其成为组织不可思议的宝贵资源。

“如果您与任何数据科学家交谈，他们都会告诉您，他们拥有的质量越高，经过科学验证的数据，就越有可能产生有用的趋势和见解，” Press CIO Todd Frech说。盖尼

“我们所做的一切工作的核心是获取我们收集的大量数据，并为试图改善其运营的医院创造价值。”

随着医疗保健迅速成为数字行业，越来越多的实体正在使用人工智能和其他先进的分析技术从这些大数据中收集含义。

“我们要克服的挑战是，我们拥有的数据量超出了人类可以处理的数量，并且我们正在尝试根据这些数据量来开发见解。这个问题很自然地适合AI，因此该技术的使用将继续加速。” Frech说。

“人工智能不仅可以从产生新见解的角度增强人们对数据的理解，而且可以比典型的人类分析人员更快地生成这些见解。”

在分析和从临床数据中提取见解方面，有无数的AI胜过人类的例子。该技术改变行业的潜力已引起人们对机器人侵占医疗保健工作，创建完全由机器运行且没有人为干预的环境的担忧。

虽然AI可能会破坏标准的医疗服务交付，但先进的分析工具不太可能完全取代临床医生的角色。Frech强调说，在高风险情况和敏感数据成为常规的领域中，不能简单地让技术独自运作。

他说：“人工智能将在医疗保健中发挥更大的作用，而人类也将继续发挥重要作用。”

“我们不能仅仅假设人工智能在没有人工验证的情况下做出正确的决定。有一种趋势，您将看到更多的东西–所谓的AI增强，或使用AI进行人类增强，而不是所谓的完整机器人AI，这意味着您可以在无需人工干预的情况下让AI做出决策。”

最近的研究表明，在实施AI工具时，人工干预可以带来最佳结果。一个研究的一个小组在医学和纽约大学中心数据科学的纽约大学进行显示，结合人工智能与人类放射科医师显著提高乳腺癌检测分析。

使用AI增强方法还可以帮助组织分析和衡量非结构化数据。

“我们以回答问题的形式收集了数十万个调查数据点，并以评论的形式收集了非结构化数据。我们使用AI来查看调查中的评论。这些评论显然是以非结构化文本的形式出现的，它们传达了有关提供商和服务感知的信息。” Frech解释说。

“这些不是肯定或否定的问题。这些是需要一些软技能才能解释的问题。我们可以使用AI进行初步的情绪分析，这为我们提供了一种真正测量此类数据的方法，它不像我们通常评估的某些数据那样二进制。

但是，如果数据驱动的技术获得的信息不准确或信息不完整，则无法改善护理质量–实际上，这可能产生相反的效果。

“永远不要低估数据质量的重要性，” Frech说。“没有高质量的数据，任何人工智能工具都无法正常工作。人们谈论数据湖和非结构化数据，这些都是很好的工具。但是，如果没有高质量的数据，您将面临比数据湖更多的数据沼泽。”

“如果您尝试使用AI来收集没有高质量数据的见解，那么结果显然不会成功。甚至更糟的是，结果可能会提供危险的建议，可能会对人们产生负面影响。”他补充说。

Frech说，拥有坚实的数据生态系统可确保任何创新工具都将对卫生系统的运营做出积极贡献，并与其他组织进行公开交流。

“在实施人工智能或任何新技术时，请确保基础牢固。确保有测试和验证。如果那没有发生，那么组织就有可能向后而不是向前迈出一步。”

“与您的同行找到机会，找到案例研究，并与使用该技术的人交谈。您的组织越能相互协作和相互学习，就会增加更多的想法和成功。”

AI具有巨大的潜力，可以改变提供者提供护理和做出治疗决策的方式。广泛采用该技术的道路并非没有挑战，但该技术很可能会进入常规临床护理。

“使用AI的方式有很多，并且已经进行了很多实验。随着时间的流逝，将会有越来越多的成功，并且这些成功将成定局，并取决于市场中数据的成熟程度。现在对AI的投资太多，以至于没有其中的一些成功发挥作用，” Frech总结道。