人工智能（AI）和機(jī)器學(xué)習(xí)技術(shù)正在席卷大多數(shù)產(chǎn)業(yè)，醫(yī)療保健也不例外。軟件開(kāi)發(fā)公司InterSystems建議，正在部署AI技術(shù)的企業(yè)，必須確保擁有算法需要的大量高質(zhì)量數(shù)據(jù)之外，還需要投資數(shù)據(jù)管理技術(shù)，考慮訊息資產(chǎn)和訊息流，以及適當(dāng)?shù)娜藛T。

　　InterSystems在HealthcareITNews刊文表示，現(xiàn)在企業(yè)布建AI所面臨的阻礙來(lái)自數(shù)據(jù)，許多企業(yè)擁有的數(shù)據(jù)并不是存在一個(gè)地方，格式也不見(jiàn)得能使用，且數(shù)據(jù)可能含有可能導(dǎo)致錯(cuò)誤決策的偏見(jiàn)，因此企業(yè)必須評(píng)估現(xiàn)有的訊息系統(tǒng)和數(shù)據(jù)流，厘清哪里些領(lǐng)域需要投資。

　　Medicomp Systems執(zhí)行長(zhǎng)表示，機(jī)器學(xué)習(xí)的進(jìn)展在很大程度上取決于算法處理數(shù)據(jù)的精確度，而低質(zhì)量的數(shù)據(jù)無(wú)法實(shí)現(xiàn)創(chuàng)新需要的效率和精準(zhǔn)度，對(duì)醫(yī)療保健來(lái)說(shuō)是一項(xiàng)重大挑戰(zhàn)，特別是在數(shù)據(jù)復(fù)雜且通常非結(jié)構(gòu)化的臨床領(lǐng)域。

　　對(duì)實(shí)際部署AI和機(jī)器學(xué)習(xí)系統(tǒng)的企業(yè)來(lái)說(shuō)，糟糕的數(shù)據(jù)質(zhì)量會(huì)影響投資回報(bào)率，并降低采用率。INFOSYS調(diào)查顯示，接近一半的受訪者表示無(wú)法部署想要的AI技術(shù)，因?yàn)閿?shù)據(jù)還沒(méi)有準(zhǔn)備好，77%的IT決策者表示正在投資數(shù)據(jù)管理，特別是印度和美國(guó)企業(yè)。

　　AI可以快速消化大量數(shù)據(jù)，并將其轉(zhuǎn)化為臨床決策所需的可用信息，可以產(chǎn)生巨大變革。問(wèn)題是，這些機(jī)器學(xué)習(xí)系統(tǒng)必須能夠持續(xù)且快速地?cái)z取大量醫(yī)療數(shù)據(jù)，背后還必須有正確的基礎(chǔ)架構(gòu)和流程支持。

　　組織需要投資數(shù)據(jù)管理技術(shù)。報(bào)導(dǎo)建議，企業(yè)應(yīng)該關(guān)注IDC提出的第三平臺(tái)（Third Platform）數(shù)據(jù)管理技術(shù)，加速企業(yè)數(shù)碼化轉(zhuǎn)型。IDC指出，人工智能和機(jī)器學(xué)習(xí)是第四平臺(tái)，即數(shù)碼轉(zhuǎn)換平臺(tái)的一部分，因此利用第三平臺(tái)實(shí)現(xiàn)第四平臺(tái)是有意義的策略。

　　企業(yè)還需要考慮訊息資產(chǎn)和訊息流，并注意為訊息產(chǎn)制工廠提供訊息的物流。AI和機(jī)器學(xué)習(xí)可以被認(rèn)為是饑餓的算法，就像需要連續(xù)輸入以提高生產(chǎn)力的裝配線一樣。訊息物流是在正確的時(shí)間為合適的算法以正確的格式提供正確的產(chǎn)品。

　　對(duì)于企業(yè)來(lái)說(shuō)，花時(shí)間了解AI系統(tǒng)中的數(shù)據(jù)流，了解數(shù)據(jù)的質(zhì)量以及儲(chǔ)存方式，增強(qiáng)并用于未來(lái)培訓(xùn)至關(guān)重要。Mission Health執(zhí)行長(zhǎng)Chris DeRienzo提到創(chuàng)建成功的AI需要的5項(xiàng)關(guān)鍵要素當(dāng)中，只有一個(gè)與技術(shù)有關(guān)，其它都是人員條件。

　　一旦企業(yè)制定正確的技術(shù)、團(tuán)隊(duì)和程序分析，在強(qiáng)大算法、大量數(shù)據(jù)與處理能力支持下，AI和機(jī)器學(xué)習(xí)將準(zhǔn)備好實(shí)現(xiàn)這些被大肆宣揚(yáng)的應(yīng)用。