Obwohl es enorme Energie enthält, müssen wir die besten Anwendungsszenarien sorgfältig analysieren, um eine ideale Plattform dafür zu finden. Dies gilt insbesondere für das Gesundheitswesen – ein Bereich, der für seine langsamen Veränderungen bekannt ist und in dem jeder übereilte Einsatz neuer Technologien große Risiken bergen kann. Sie erinnern sich vielleicht noch daran, dass IBM Watson, das in den letzten Jahren viel Aufsehen erregte, einst behauptete, komplexe Krebserkrankungen diagnostizieren zu können, was jedoch nicht der Fall ist. Letztlich hat Big Blue es letztes Jahr zu einem niedrigen Preis verkauft.
Im Hinblick auf das Gesundheitswesen könnten wir also genauso gut eine einfache fünfstufige Methode verwenden, um den Beitrag zu bewerten, den generative KI leisten kann:
1 Beginnen Sie mit den Problemen, bei deren Lösung Technologie helfen kann, und finden Sie heraus, was generative KI bewirken kann Was man gut machen kann.
2. Durchsuchen Sie den gesamten Bereich, in dem diese Probleme bestehen.
3. Verstehen Sie die Beweggründe und Hindernisse für den Einsatz generativer KI in Kernanwendungsfällen, einschließlich der Frage, welche alten Ansätze Menschen aufgeben müssen, bevor sie neue Lösungen annehmen.
4. Führen Sie eine Prioritätenbewertung basierend auf der Geschäftsdynamik durch.
5. Verstehen Sie im Großen und Ganzen die Faktoren, die zum Aufbau einer Komplettlösung erforderlich sind, einschließlich Technologie, Workflow-Beratung, Patientenaufklärung usw.
Um diese Methode auf den Gesundheitsbereich anzuwenden, müssen wir zunächst klarstellen, dass das Objekt unserer Bewertung kein Deep Learning ist, das medizinische Bildgebung oder Datensätze zur Bevölkerungsgesundheit interpretieren kann. Diese Bemühungen sind bereits im Gange. Darüber hinaus erwägen wir keine einfachen Anwendungen von KI in bestimmten Szenarien, beispielsweise bei Diagnoseterminen. Hier gibt es nur einen Schwerpunkt: generative KI und neue Gesundheitsdienste.
Zunächst einmal: Welche Probleme kann generative KI lösen? Es gibt viele Antworten, aber um es einfach zu halten, können wir uns auf vier davon konzentrieren: 1) unstrukturierte Daten interpretieren; 2) Daten auf kohärente Weise interpretieren; 4) neue Ideen generieren;
Zweitens: Welchen Gesamtbereichen entsprechen diese Fragen? Ausgehend von den oben genannten vier Punkten können wir den folgenden Beispielen entsprechen:
1) Unstrukturierte Daten interpretieren: Die in der Diagnosebeschreibung in der elektronischen Krankenakte ausgedrückten Schlüsselfakten zusammenfassen, von der Krankenversicherung eine Vorabgenehmigung verlangen und Extrahieren Sie Muster aus den Daten klinischer Studien, z. B. das Finden von Gemeinsamkeiten zwischen vom Patienten berichteten Ergebnissen oder Behandlungsversagen.
2) Daten kohärent interpretieren: Kundenservice bereitstellen, Diagnosen stellen und Behandlungspläne für Krankenkassen entwickeln.
3) Beziehen Sie die Menschen in das Gespräch ein: Erfassen Sie Screening-Daten (z. B. fühlt sich der Patient zu Hause sicher?) und bieten Sie Gesprächstherapie für weniger sensible Gesundheitsprobleme an.
4) Neue Ideen generieren: Nutzen Sie Proteomik- und Genomik-Datensätze, um neue Wirkstoffe und einige neue Wirksamkeiten bestehender Therapien zu entdecken.
Drittens: Was sind die Beweggründe und Hindernisse für die Einführung neuer Technologien? Dieses Problem dürfte direkt darüber entscheiden, ob bestimmte Anwendungsfälle tatsächlich umgesetzt werden können. Bis beispielsweise generative KI von der FDA als Medizinprodukt zugelassen ist, darf kein Unternehmen KI verwenden, um eine klare Diagnose oder einen Behandlungsplan für US-Patienten bereitzustellen. Die Marktaussichten könnten sich jedoch in Zukunft ändern. Wenn man bedenkt, dass viele Kliniker bereits mit der Patientennachfrage überfordert sind, ist eine entsprechende Lockerung der regulatorischen Anforderungen vielleicht der Weg in die Zukunft für eine nachhaltige Entwicklung. Darüber hinaus kann dieser Teil der Analyse auch dazu beitragen, Bereiche zu identifizieren, die für schnelle Innovationen geeignet sind (Bereiche mit geringen Abhängigkeiten, hoher Nachfrage und geringem Risiko/Umstellungskosten). Beispielsweise wird erwartet, dass Gesprächstherapien, die ursprünglich aus eigenen Mitteln finanziert wurden, jetzt von KI durchgeführt werden.
Viertens: Bestimmen Sie die Priorität der Umsetzung in verschiedenen Märkten basierend auf der Geschäftsdynamik. Dieses Thema ist zu komplex, als dass es in diesem Artikel ausführlich behandelt werden könnte. Aber im Allgemeinen können wir Urteile auf der Grundlage von Faktoren wie Einzel-/Größenökonomie, Marktkanälen, Vertriebsprozessen und Wettbewerbsintensität fällen.
Abschließend werfen Sie einen umfassenden Blick auf die Komplettlösung. Nur wenige neue Technologien haben das Potenzial, langfristige Arbeitspraktiken so zu revolutionieren wie generative KI. Beispielsweise kann eine umfassende Einführung generativer KI eine Kundenschulung und den Aufbau eines Ökosystems ergänzender Produkte erfordern. Darüber hinaus kann generative KI auch dazu beitragen, Produkte auf dem Markt zu differenzieren, wenn Wettbewerber bestimmte zugrunde liegende medizinische Technologien nachahmen.
Kurz gesagt: Wenn Sie in der Gesundheits- oder Biowissenschaftsbranche tätig sind, können Sie genauso gut verschiedene Möglichkeiten ausprobieren, um den Wert generativer KI zu erkunden. Und anstatt nur mit der Technologie zu beginnen, könnten wir uns genauso gut auf die damit verbundenen Gesamtherausforderungen konzentrieren und makroskopisch darüber nachdenken, welche Art von Lösungen wir wirklich brauchen. Anschließend werden wir die darauf basierenden Implementierungsmethoden untersuchen, um zu sehen, ob es neben der generativen KI ausgereifte Lösungen mit niedrigeren Schwellenwerten gibt, die ähnliche Effekte bringen können.
Im Gesundheitswesen steht die generative KI auf Unternehmensebene vor einem riesigen blauen Ozean. Die zuvor erwähnte fünfstufige Methodik reicht aus, um die darin enthaltenen vielfältigen Möglichkeiten aufzuzeigen. Daher wird es selbst in einer traditionell konservativen Branche wie dem Gesundheitswesen schnell zu disruptiven Veränderungen kommen.
Das obige ist der detaillierte Inhalt vonWenn generative KI auf das Gesundheitswesen trifft. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
