今天，医疗健康领域只有不到4％的诊疗行为涉及人工智能（AI）技术，不过到2023年，可能有五分之一的诊疗行为将利用AI技术。

因为在一个以蜗牛速度著称的行业中，AI通常被视为提升效率、质量的灵丹妙药。在通常情况下，医院需要去追求降低人工成本、提高护理质量和改善患者体验—— 也被称为“ 三重目标倡议 ”。

据咨询公司埃森哲预测，到2026年，医疗健康领域应用人工智能技术，每年可为美国节省1500亿美元。而其潜在的节约更是巨大的：在2018年对15,000名美国医生的调查中，56％的人将“ 太多官僚主义任务 ”作为他们倦怠的原因。而AI擅长执行基于规则的重复性任务，因此可以减轻医生工作量。

将这些“官僚任务”外包给AI，将使医生有更多时间专注于提高临床诊疗的质量，从而改善患者体验。但在将AI真正应用到临床工作之前，需要解决一系列的挑战。

本文作者：GetApp副首席分析师Lauren Maffeo

机器学习等AI技术的基础是应用软件分析系统对数据集进行分析、挖掘。而数据集的大小至关重要，因为机器学习需要特定、大量的数据。

乍一看，医疗健康行业应该具有优势：该行业拥有大量数据。到2025年，医疗健康领域的数据数量将超过金融、媒体和制造业等领域，其年复合增长率达到36％。这在很大程度上是由于医疗健康领域新兴技术的不断涌现，例如医学成像、康复机器人以及不断成熟的大数据分析工具。

但不幸的是，数量只是数据的一个方面：质量是另一个关键。医疗领域的数据往往数量足够，但质量令人堪忧。

2018年11月，国际数据公司（IDC）发布了一份报告，评估了4个行业（包括医疗健康行业）的“数据质量”，范围为1（严重）到5（优化）。IDC 将医疗健康行业的数据质量评为2.4。报告显示，60％的医疗行业受访者缺乏数据处理能力。

GetApp的研究也回应了IDC的发现。在2019年4月，他们调查了五个行业（包括医疗健康行业）的近500名小企业领导者，以了解他们是如何使用数据做出决策。实际上医疗行业的受访者利用数据的比例很高。

您的数据中有百分之多少未使用？

但是，当询问受访者数据分析过程的哪个方面让他们感到信心最低时，25％的医疗行业受访者表示，他们对收集“相关数据”——可以提供决策的高质量数据的能力最不自信。

谁觉得收集相关数据最不自信？

关于这个问题，相比会计/财务、IT /技术、销售和营销行业，医疗行业比例是最高的。

事实上，42％的医疗行业受访者表示，在使用数据做出关键决策之前，他们希望获得更多的客户满意度评分。在所有五个领域 - 包括医疗行业 - 数据质量是他们关注的主要问题。

所以，在医疗健康行业可以采用人工智能之前，必须首先提高用于培训人工智能系统的数据的质量和相关性。如果没有大量高质量的数据来训练这样的系统，就没有希望将AI应用到临床工作流程中。

END