人工智能赢得临床医生信任的三种方法

护理团队知道承诺的好处增强情报(AI)可以在临床环境中使用，包括快速分析大型数据集，在超出范围的活动时向临床医生发出警报，以及在决策时显示最相关的信息。然而，由于缺乏信任和对患者意外伤害的担忧，许多临床医生仍然抵制人工智能在医疗保健领域的应用，或对其置之不理。

在过去10年里，许多针对医疗保健的人工智能和其他技术承诺过多，但未能实现。医疗数字化在很大程度上减轻了医生的负担，同时改善了病人的护理和体验。相反，医疗保健领域技术应用的增加与医生普遍的职业倦怠同时发生。然而，在患者护理中利用AI技术可以挖掘医疗保健用户可能忽略的有价值的见解，因为大量可用数据和审查这些数据的有限手动资源。

人工智能技术提供了埋藏在数百万数据中的有价值的见解

使用人工智能技术可以确保临床医生根据整体、完整的患者数据做出医疗保健决策，而不是只使用部分、碎片化的数据集。例如，当提供者照顾患者时，AI可以分析医疗保健系统中的个人和集体数据集，以发现有价值的见解，并在患者护理的背景下展示它们。考虑到这些实时的见解，提供者可以使用他们的专业知识和批判性思维技能来确定对患者最好的行动方案。

三个合作领域可以增加医疗保健领域的人工智能

为了培养临床医生对AI的信任，并帮助他们利用AI在临床决策方面所能提供的优势，组织应该投资透明的AI技术，并关注数据科学家和护理团队之间的三个合作领域。

数据科学和护理团队可以在以下三个领域进行合作，帮助临床医生克服对人工智能价值的怀疑，并增加在护理一线的采用:

#1:临床合作开发

当卫生系统决定采用人工智能时，数据科学团队应从一开始就让关键利益攸关方(例如，质量改进团队成员和临床医生)参与。临床医生通常在开发阶段之后才加入人工智能过程。因此，数据科学家无法收集临床医生的独特视角，来判断哪些AI模型和信息在繁忙的临床环境中是有价值和实用的。

数据科学家和临床医生应该在开发阶段合作，确定他们在医疗保健中使用人工智能的目标，并了解数据如何帮助他们实现这一目标。了解哪些数据是可用的、当前数据的局限性以及数据中的潜在偏差，有助于ai采用团队识别通过数据质量改进来改进模型结果的机会。

#2:临床合作实施

在数据科学团队开发了模型之后，就到了实现的时候了。临床医生的参与在人工智能过程的每一步都很重要，但在实施步骤中尤其重要，因为数据科学家并不总是了解临床工作流程和文化。如果没有第一手的临床了解，开发人员可能会以一种不太有效的方式实现模型，从而导致次优结果。

例如，当一个卫生系统执行一个机器学习模型为了预测90天的入院，模型开发过程中不包括临床输入。结果，临床团队不相信模型的输出，因为他们不理解模型是如何获得洞察力的。为了使模型对临床医生有用，该组织重新开发了具有临床输入的预测模型，使临床团队能够信任并使用该工具。

尽管机器学习模型已被证明是成功的，但医疗系统不得不加倍努力，创建了两个不同的模型。如果该组织从一开始就纳入临床医生的投入，就可以节省开发多个模型的时间和资源。

除了从基础上利用临床输入之外，为了增加模型在临床环境中成功的可能性，AI采用团队应该确定了解如何在患者护理中利用AI的早期临床采用者。拥有一位临床医生冠军可以帮助其他临床医生了解医疗保健领域的人工智能如何在他们的日常工作中受益。临床医生之间的这种相互信任的关系也提供了一个开放的沟通渠道，同事们可以在其中分享诚实的反馈和改进的想法。

#3:临床合作与结果

最后，数据科学家应该与临床医生合作，破译AI模型的结果。而不是数据科学家告诉临床医生要相信模型输出，临床医生和数据科学家可以合作分析和理解人工智能的见解。团队协作方法还可以提高透明度，减少黑箱算法，它要求专家用简单的术语向非数据科学家用户解释复杂的算法。

临床医生也可以提供有价值的见解，以最佳方式将人工智能见解交付到第一线的护理。使用临床医生理解的术语，提供者可以通过向临床医生展示清晰、可理解和可验证的模型结果，确保人工智能有最佳的成功机会。

解决方案:协作方法和医疗保健。人工智能

除了协作方法外，卫生系统还应投资于支持数据和分析的基础设施。一个复杂的数据平台(例如世界杯厄瓜多尔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™)拥有数据聚合能力，为医疗保健领域的人工智能奠定基础。

一旦数据平台到位，可以访问组世界杯厄瓜多尔vs塞内加尔波胆预测织的所有数据源，卫生系统就准备好投资于人工智能工具。然而，为了克服提供者对幕后算法缺乏信任的问题，组织必须优先考虑开放和透明的AI工具。

例如，新世界杯葡萄牙vs加纳即时走地健康触媒医疗保健。AI™这使得临床医生可以很容易地理解和操作警报的标准(例如，为什么一个模型将一个病人标记为2型糖尿病的高风险)。这增加了预测模型的可见性，有助于提供商信任算法、其见解和整个人工智能。

有了这些支持基础设施(如数据平台和人工智能工具)，组织就可以一起开发预测模型了。世界杯厄瓜多尔vs塞内加尔波胆预测通过协作方法，临床医生可以了解在繁忙的医院环境中哪些信息最有价值，从而允许数据科学家建立一个模型，提供提供者信任并在决策中使用的见解。

临床医生和数据科学家之间的联合开发也降低了数据科学团队创建一个模型的可能性，该模型提供了不切实际的见解，必须重新开始，而不是第一次建立最有效的模型。卫生系统可以让临床医生在人工智能过程的早期参与进来，方法是对临床医生进行机器学习方面的教育，并从帮助了解人工智能的简单项目开始。

医疗保健中的人工智能使提供者能够根据数据做出最明智的决策

随着人工智能在医疗保健领域越来越普遍，购买和构建人工智能技术的医疗系统应该充分考虑临床医生的观点。在决策点和实际的临床工作流程中包括临床医生对相关数据的洞察，有助于临床医生信任人工智能，并最大化预测模型洞察。

卫生系统可以通过促进在预测模型过程的开发、实施和结果阶段的合作，帮助临床医生在医疗保健中收获人工智能的好处。这种团队思维与强大的数据基础设施相结合，使卫生系统能够构建AI模型，优化提供者的决策，并带来更好的结果。

更多的阅读

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:

• 你的AI之旅从这里开始:预测分析成功的四步框架
• 医疗保健中的人工智能和机器学习:四个现实世界的改进
• 在医疗保健领域扩展AI:引入新的医疗保健。Health 世界杯葡萄牙vs加纳即时走地Catalyst的AI™
• 数据科学揭示，由于COVID-19护理中断，患者有出现不良结果的风险
• 维护医疗保健中的人工智能伦理:三个最佳实践

幻灯片

您愿意使用或分享这些概念吗?下载本演示文稿，突出重点。