微軟資料和人工智慧、醫療保健和生命科學部門的常務董事 Iksha Herr 表示，今天的挑戰是學習如何利用人工智慧 (AI) 處理所有這些資料並推動洞察力，從而提供更好的護理服務。
Herr 的主題演講“透過利用資料和人工智慧的全部潛力構建以人為本的醫療保健連續體”，由美國管理雜誌於 9 月 23 日至 24 日發表于田納西州納什維爾的 Care。
對 Herr 而言，生命科學行業和醫療保健提供系統之間的聯絡最好理解為一個連續體，從開發藥物的行業開始，然後轉移到治療患者的提供者和支付大部分費用的支付者. “所有這些領域都有不同程度的人工智慧使用。資料顯然是這一切的命脈，”她說。“因此，毫無疑問，藥物發現涉及大量資料。”
Herr 說，在藥物開發的臨床前階段還沒有真正看到人工智慧，但在臨床階段人工智慧的使用“已經相當成熟並將繼續發展”。一旦藥物上市，人工智慧也會發揮作用。
人工智慧與大資料
使用人工智慧推動基於價值的協議——其中藥物開發人員因治療效果好而獲得獎勵——仍然是一項正在進行的工作。電子健康記錄（EHR）中包含的資料發揮著重要作用，資料長期以來被用於風險評估和調整。Herr 說，在提供商層面將所有這些整合在一起需要在政策、資料治理和道德領域進行更多的工作——這將需要所有利益相關者之間進行更多的協調。
目前，臨床試驗收集資料，而 EHR 和其他來源（例如付款人索賠和登記處）是眾所周知的真實世界資料生成器。有許多新來源——從數字裝置到物聯網——為了一個目的收集資料，但現在可以用來改進人工智慧和結果研究。問題：生命科學和醫療保健如何建立一個框架，讓每個人都同意使用這些新資料儲存庫的規則？
Herr 說，這對未來的研究和醫療保健服務都很重要。“研究可以在不同的利益相關者的多種不同的情況下進行。這也是管理和策展需要技術的地方，”她指出。
換句話說，資料來源的增長和演變越多，就需要更多的技術來理解這一切。Herr 說，除了生命科學和醫療保健領域的利益相關者之外，最重要的利益相關者是普通人，他們的生活可以透過資料的使用得到改善。不是每個人都是病人，或者一直都是病人——所以來自健康人的資料同樣重要。
“我們都是這個連續體的一部分，因為在某個時刻，'人'會變成'病人'，”赫爾說。“另一件需要考慮的事情是，因為人工智慧如此依賴資料，我們需要來自患者和尚未成為患者的人的資料來了解疾病的發展軌跡。”
人工智慧與萬物互聯
Herr 預測，使用這個更完整的資料集將是導致更好的藥物開發和結果的一步。但要實現這一目標將需要人工智慧政策環境迎頭趕上。Herr 審查了歐洲和北美的幾項政策宣告，包括最近可以為患者隱私和演算法建立提供指導的事件：
• 荷蘭阿姆斯特丹和芬蘭赫爾辛基等城市建立了“演算法註冊”，以提高人工智慧公共部署的透明度。歐盟提出了演算法標準。
• 紐約市提出了在招聘和招聘中使用演算法的規則，而波士頓、明尼阿波利斯、舊金山和俄勒岡州波特蘭市則禁止面部識別。
• 1 月，FDA 提出了一項人工智慧/機器學習行動計劃，以管理病歷在演算法建立中的使用。該計劃為製藥行業設定軟體標準並鼓勵某些最佳實踐。
Herr 說，直到最近，資料生成和 AI 活動都在不斷湧現，但在整個生命科學領域與支付方和提供方共享資料並不常見。Herr 宣稱，為了充分發揮 AI 的力量，必須“重新構想”醫療保健連續體，以覆蓋所有相關的垂直領域。
“不僅僅是生命科學、供應商和付款人，還有學術機構、技術供應商、財團、研究機構——所有這些，”赫爾說。“如果每個部分都產生雙向資料流和 AI 見解，然後為了人和患者的利益與其他部分共享會怎樣？”
Herr 指出，COVID-19 期間的資料共享提供了此類資料系統的一個很好的例子。同樣，赫爾補充道，“如果有標準——不僅是一個，而是多個——這將有助於使這個空間成熟呢？”
在整個演講中，Herr 建立了一個以患者和人為中心的模型，然後慢慢加入所有利益相關者和監管機制，以完善一個共享資料框架。“我的行動號召真正以利益相關者為中心，”她說。“那麼人和患者可能是這個難題的重要組成部分——提供所需的大量資料。
“然而，我認為人工智慧最重要的事情之一是代表性，”赫爾強調說。所有型別的人——生病的和健康的，來自連續體的不同點——必須包括在內，資料集才能發揮作用。
包括美國商務部和國家標準與技術研究所在內的聯邦機構將重點關注實施問題。一些交換協議已經到位，因此當人工智慧在人口層面使用時，將有足夠的治理來確保隱私和道德使用，但在這方面需要做更多的工作。
抗疫加油啊！
而相較於美國，我們在這條路上顯然走得更遠，在出行大資料與疫情防控的結合上，已經幫助我們在疫情防控上走到了世界前列。當然，這其中依然存在著一些不可避免的問題，比如系統的穩定性和資料的安全性問題。就比如今天早晨，西安一碼通崩了，造成的影響遠不止大量的員工通勤不暢那麼簡單。
