ZDNet至顶网软件频道消息:正如创可贴无法修复骨折一样,原本孤立存在、杂乱无章的病历、医疗数据和账单信息也很难为数据分析提供依据。这样的数据孤岛可能会导致关键的运营决策和临床决策不明智,且效率低下。
面对不断攀升的成本和不断下降的边际利润,医疗机构的高管们(CFO首席财务官、CIO首席信息官和CMO首席运营官)如何才能为自己的机构开出一剂成本节约、效率提升、护理质量改善的良方呢?
Advisory Board Company(一家专注医疗信息化的咨询机构)最新研究预测道:在未来十年内,普通医疗机构的成本支出每年将提高5%。因此,为了生计,医疗机构应想方设法将成本降低20%。而实现这一目标的方法包括采用更加灵活的人员配备模式和实现护理标准化。这对于医疗机构的高管而言并非易事,因为长期以来,他们关注的重点都集中在如何支持护理和医师团队,如何管理日益缩小的利润空间,以及促进业绩增长等等。
Advisory Board Company建议求助于可以“带来长期回报”的创新技术。其中一项便是利用大数据分析技术。微软委托IDC进行的一项最新研究指出,全球医疗行业在未来四年内从数据挖掘中获得的数据红利将高达1090亿美元。在由一台台医疗器械构成的网络之中,隐藏着一片由纷繁的运营数据、财务数据和临床数据构成的汪洋大海,若能善加利用,便能级大地节约成本、显著改善运营效果,从而让原本不可能实现的目标变得可行。
美国已经有医疗机构通过数据洞察,节约了可观的成本,并且提高了患者护理质量:美国威斯康星州麦迪逊的Meriter Health Services公司部署了一套商业智能解决方案,把来自分析系统和电子健康档案(EHR) 的数据进行整合,为行政人员和临床人员提供了大量的、对实际工作有指导意义的信息。丰富的信息为Meriter的整形外科医师提供了准确的基准数据,还为医生选择更适合患者的植入假体提供了依据。在这些信息的帮助下,医院能够更高效地利用医疗开支——Meriter在利用数据分析后的短短8个月中节约了近100万美元。
数据洞察帮助Meriter的医生密切监控和追踪各项业务流程,从而更好地为患者订制护理方案,帮助整个医院建立更加标准的操作规范——这种功效完全可以推广到其它医疗卫生机构。通过利用数据分析工具和机器学习中的最新突破性技术,医疗机构的管理者们可以把孤立的数据集融汇成统一的数据流,从而揭示患者总体情况以及医护人员的水平。这不仅有助于医疗机构根据患者需求优化人力成本,提升护理质量,更为其评估新服务、设备或者功能的投资价值提供了依据。
为证实大数据分析的确能对医疗行业起到积极作用,英国利兹教学医院(Leeds Teaching Hospital)分析了该院六年的入院记录,结果发现了至少30项措施可以进一步提升运营效率和财务效率:比如通过减少打印,每年就能节约大约2万英磅的成本。该院还发现,因为饮酒过度看急诊的病人大多曾有犯罪前科,而偶尔在夜店买醉的大学生并不会酗酒到如此地步。这一发现能够很好地帮助社区工作人员合理部署管理资源,比如在社区中有针对性地进行饮酒警示干预。
除了对现有的数据进行分析,我们甚至能通过这些数据来预测即将发生的结果,并以此为依据制定出治疗方案。通过使用数据可视化工具和其它自助的商业智能工具,健康专家可以更加迅速地选择最经济的治疗方案。通过使用移动设备,治疗团队的成员现在可以在医院的任何地方访问统一的商业智能(BI)工具,并从临床记录、急诊笔记和社交媒体聊天记录中获得对现实工作有指导意义的信息,从而更好地监测患者的状况。治疗团队也可以更好地了解同时患有多种症状的患者的状况,并根据早期症状预测病情可能会恶化的患者,为其安排入院治疗。有了历史数据和对正在发生的情况的实时了解,治疗团队可以在接到通知后立即做出反应,及时采取预防措施,从而加速患者康复,避免走弯路,给患者带来健康和经济上的更多损失。
面对不断压缩的医疗预算和日渐增长的就医需求,商业智能和数据分析可能是最为行之有效的管理工具。它将在洞察数据价值、预防疾病蔓延、杜绝医疗浪费、避免高昂医疗费用产生等方面发挥巨大作用。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。