核心观点与关键数据
- AI 在医疗保健领域的应用与趋势：研究表明，98% 的医疗保健领导者对 AI 在医疗保健领域的应用持乐观态度，并已投资或计划实施 AI 战略。AI 在实现组织公平目标中发挥重要作用，且 72% 的领导者信任 AI 支持非临床、行政流程，以释放临床医生时间。预计 AI 投资将节省切实成本。
- 当前 AI 在医疗保健中的机会：主要应用领域包括事先授权、员工福利和简化人群分析，旨在提升结果、体验和性能。
- 选择 AI 用例的建议标准：包括商业价值、数据可访问性（类型和数量）、模型部署能力、监管环境和风险管理。
- 人才挑战：91% 的医疗保健领导者表示，人才是实施 AI 的最大障碍，其中 45% 认为招聘具有 AI 经验的候选人是首要任务。
AI 团队建设
- 建立跨职能 AI 团队，包括战略 C Suite 监督者、分析领导者、技术背景的翻译者、解决方案建筑师、数据科学家、分析师、医疗保健数据所有者、IT 数据专家和 Analytics 开发人员。
案例研究：Optum 医师 review 解决方案
- 解决方案概述：使用深度学习模型自动化初始病例审查，提升效率和准确性，确保只有合适的病例由经验丰富的医疗顾问进行审查。
- 技术细节：采用递归神经网络变体，生成评分以设定审核阈值，模型可根据客户目标进行定制。
- 成果：客户使用模型三个月后，患者状态推荐结果的错误率仅为 2%，且模型仍在不断学习中。
模型评估与可视化
- 模型选择与评估：通过实验系统方法训练多个模型（LSTM、FastText、注意机制），并实现正则化回归作为基线。使用 AUC 和 AUPRC 了解模型性能。
- 模型解释性：解决“黑匣子”问题，开发可视化工具帮助理解模型决策依据，通过注意力权重可视化展示模型关注的文本部分。
- 阈值权衡分析：通过可视化工具展示模型分数分布和分类定制，帮助客户理解选择阈值时的权衡。
部署与运营
- 部署流程：选择冠军模型，进行 API 调用和对象部署，跟踪实验和性能，并重新训练模型。
- 自动化与便捷性：随着模型使用扩展，专注于培训自动化和部署便捷性，包括批处理访问、监视器设计和数据输入。
联系方式
- Tushar Mehrotra：tushar.mehrotra@optum.com
- Sanji Fernando：sanji.fernando@optum.com
