Die Demokratisierung des Gesundheitswesens – Chancen und Herausforderungen
Viel diskutiert wurde darüber, wie die explosion von Daten im Gesundheitswesen kann, führt zu einer besseren Gesundheit-Erkenntnisse und Ergebnisse für mehr Menschen, da der Zugang zu billiger Rechenleistung und das Wachstum der künstliche-Intelligenz-Technologien zur Verarbeitung großer Datenmengen. Aber die Realität ist, dass die aktuelle Quellen-Daten sind fragmentiert und unstrukturiert, so dass es schwierig ist, um wirklich nutzen Sie die macht der Daten – dieses Gefühl ist auch von Dr. Ian Chuang, CMO von Elsevier. Die Demokratisierung des Gesundheitswesens scheint vielversprechend, aber der Weg ist eine Herausforderung, wie Dr. Chuang geteilt.
F: Intelligent computing, auch bekannt als der Einsatz von Künstlicher Intelligenz (KI) und maschinelles Lernen (ML), ist eine der Säulen in der Demokratisierung der Gesundheitsversorgung, wie dies in Stanford Medizin ‚2018 Health Trends Report“. Was sind Ihre Gedanken/Vorhersagen der Auswirkungen von KI und ML auf die Gesundheitsversorgung in den kurz-und langfristig)?
A. Wie jede innovation und neue Technologie-Annahme, es wird eine Verabschiedung Reise. Die aktuelle Einführung in KI und ML nutzen Sie die computing-Funktionen, die weit über das hinausgehen, was ein Mensch tun kann. Die Bereiche mit signifikanten Aktivität und Annahme sind in imaging und Genomik, die beiden Bereiche Daten-Dichte. Genomik ist Reich mit den molekularen details. Suchen Sie für die Verbindung zwischen dem genetischen code und der nachfolgenden Moleküle, Proteine und biologische Funktionen vorgegeben und die entsprechenden menschlichen Erfahrung erfordert massive Rechenleistung. Ebenso die Analyse der digitalen Signale von einem radiologischen Bild zu erkennen, die subtilen änderungen, die zu identifizieren, Pathologie erfordert eine Sehschärfe nur durch Computer. Diese Funktionen sind bereits in Erweiterung der klinischen Entscheidungsfindung am Krankenbett.
Im Hinblick auf die Nutzung der KI und ML zu prognostizieren oder erkennen von klinischen Bedingungen, basierend auf big-data-aggregiert über verschiedene Domänen hinweg ist schwieriger. Bergbau große Körper von Daten ist in Erster Linie stark abhängig von den vier V ‚ s von den Daten: volume, variety, velocity und veracity. Es besteht weiterhin die Grenzen, um alle vier Dimensionen, so dass jede AI/ML nur mit den besten verfügbaren Daten zu einem bestimmten Punkt in der Zeit.
Der Großteil der Daten, die gesammelt werden heute durch regelmäßige Pflege kommt aus mehreren Quellen, wie z.B. elektronische Patientenakten und health-tracking-Geräte. Diese Daten sind oft inkonsistent und unstrukturiert für computing, sondern ist breit und spiegelt realistisch den Pflegebereich und komorbiditäten. Um diese in glaubwürdige, Reale Beweise unterstützt, dass die klinische Praxis, die Daten zuerst strukturiert werden müssen, codiert und für AI zu beginnen, auch. Meine Kollegen und ich dazu beigetragen, ein Stück, Sprach über die Bedeutung der Erlangung von Qualität der Daten, bevor die KI kann wirklich verwandeln das Gesundheitswesen – was erklärt, warum die Auswirkungen von KI und ML auf die medizinische Versorgung ist noch eine überlegung für die langfristige, weil es mehrere Hürden, die die Branche als ganzes braucht, um zu überwinden.
Das Risiko, wie jede Forschung und Entdeckung, ist, dass wir die Schlussfolgerungen auf der Grundlage unvollständiger und unvollkommener dataset. Als ein Ergebnis, alle erzeugten Vorhersage-Modell muss im Kontext analysiert werden, was verstanden wird durch klinische Untersuchungen und auf der Grundlage der Forschung Prinzipien. Förderung von know-how ist inkrementell; daher müssen wir analysieren und beurteilen, neue Erkenntnisse, vor allem diejenigen, die nicht von Maschinen und nicht basierend auf Heuristiken, um zu sehen, ob es Sinn macht oder ob es überhaupt in den Bereich der Plausibilität. Wir benötigen Möglichkeiten zum peer-review des Datensatzes und algorithmen im Zusammenhang mit der Maschine generierten Wissens. Dieser Aspekt der KI und ML wird langsam Voraus und erfordern umsichtige Analysen und cross-Validierung mit vorhandenen wissen, das wurde mal getestet.
In der kurzen Frist, healthcare-Anbieter muss beginnen, Konzentration auf die Vorbereitung der klinischen und Patienten-Daten für deep-data-Analytik mit Hilfe von ML und Technologie wie bei klinischen Entscheidungen unterstützen, die helfen können, mit der richtigen Aufnahme und Strukturierung von klinischen Daten, um Ihre Qualität zu verbessern.
F: Die Demokratisierung des Gesundheitswesens bedeutet mehr wissen, Bequemlichkeit und Ermächtigung der Patientin / des Patienten verantwortlich in Ihre eigene Versorgung. Einer der anhaltenden Herausforderungen für den einst so abgeschiedenen Gebiet der Medizin wird die Bestimmung, wie am besten, um Verantwortung für die Versorgung der Patienten mit externen Organisationen und wie Sie zusammenarbeiten in einer Weise, die tatsächlich führen zu verbesserten Ergebnissen für Patienten.
Als ausgebildeter Arzt selbst, was sind Ihre Meinungen auf die Mentalität der ärztliche Paternalismus versus gemeinsame Verantwortung/Kenntnisse mit dem Patienten, um sicherzustellen, dass die besten Ergebnisse für Sie?
Ein. Als Arzt, das Herz unserer Praxis ist die Anwendung spezialisierten Wissens zu behandeln und zu verbessern die Gesundheit und das Wohlbefinden unserer Patienten. Realistisch gesehen, meine persönliche Meinung ist, dass das paternalistische Modell der Gesundheitsversorgung noch nicht konsequent geführt, um die optimale Versorgung der Patienten oder Erfahrung. Wissen ist gewachsen und medizinische Ausbildung hat traditionell folgte der „see one, do one, teach one“ – Ansatz. Mit diesem Ansatz, der Arzt ist nur so gut ausgebildet wie seine Lehrerin und wird, lag das wissen, wie die Zeit vergeht.
Halten Sie aktuell auf dem medizinischen wissen, das ist hart und wird immer schwieriger mit der explosion des medizinischen Wissens. Mit der Internet-und healthcare-content-Quellen wie WebMD, die Verbraucher nun Zugang zu aussagekräftigeren Informationen. Schwierigkeiten mit dem Zugang und eskalierenden Kosten für medizinische Versorgung, zusammen mit der Unzufriedenheit mit der Betreuung, die Erfahrung, ermächtigt haben, die Verbraucher zu mehr Kontrolle in der Suche nach Ihrer eigenen Informationen und üben der selbst-Pflege.
Philosophisch gesehen, haben die Patienten wollten mehr darüber informiert und werden in der Lage, sich in Ihre eigene Versorgung Entscheidungen, im Gegensatz zu nur gesagt, was zu tun ist. Wenn ich bin ein patient, ich persönlich würde Wert auf eine Diskussion über meine Behandlungsmöglichkeiten und kommen zu einer gemeinsamen Entscheidung mit dem behandelnden Arzt über die Pflege meiner eigenen Gesundheit. Wir müssen die Patienten zu beschäftigen, Ihre eigene Gesundheit und die Erhaltung der Gesundheit. Kliniker nur herausgefordert fühlen, wenn Sie glauben, dass Ihre Rolle ist der Anspruch und die Beziehung hierarchisch ist. Wenn das Gesundheitswesen ist wirklich eine Berufung und eine Berufung ist über den Dienst und der Versorgung von denjenigen, die versuchen, unsere Pflege, dann der Kliniker sollte sich weiterentwickeln, und richten Sie die Versorgung erleben und die Beziehung mit dem Patienten, die Ihnen helfen, fühlen sich geschätzt, als person: in Bezug auf Ihre Meinungen und ängste, wie wichtig und Ihre Wünsche und Vorlieben als wichtige Aspekte der Pflege Entscheidungen.
F: Wie hat die Flut von Daten im Gesundheitswesen betroffen, die Ihre Arbeit als Arzt?
Ein. Die explosion des medizinischen Wissens und Digitalisierung von Daten im Gesundheitswesen schafft die Herausforderung und angst ist für mich wie ein Arzt. Die Realität ist, dass ich wahrscheinlich bei meiner besten in Bezug auf meine knowledge base-in der Nacht vor meiner Lizenzierung board-Untersuchung, nach der medizinischen Schule. Seitdem, es war eine ständige Verfolgungsjagd auf dem Laufenden zu bleiben – es ist menschlich unmöglich zu erlassen, die eine memory-basierter Ansatz, die so skaliert werden kann, um das gesamte Universum medizinischen Wissens. Wir sind in eine ära, in der Medizin, wenn wir mehr wissen und können mehr tun, um besser für die Gesundheit der Bevölkerung. Derzeit ist die klinische Forschung für die Pflege von Daten und wissen bildet die Grundlage der Evidenz-basierten Medizin, doch es dauert rund 17 Jahre für nur 14% der neuen wissenschaftlichen Entdeckungen, die Ihren Weg in die tägliche Praxis! Wissen wird distanziert bleiben und unzusammenhängend aus der klinischen Pflege, wenn Sie weiterhin in der Bibliothek nur.
Daher die wichtigste Fähigkeit ist, um auf dem Laufenden zu bleiben auf breiten Grundlagen und Fortschritte in der Medizin und zu wissen, Wann, wie und wo heraus zu suchen die neusten Informationen um das wissen. Die klinische Implikation ist nicht mehr, die gespeichert, die meisten, sondern wer kann die meisten aktuellen und relevanten Evidenz-basiertes wissen am klinischen handeln, um die beste Pflege.
Während der Flut von Daten und wissen ist überwältigend und schwierig zu verwalten, die wir jetzt glücklicherweise haben Technologie wie point-of-care-Zugriff auf digitale Referenzen-Datenbank und der klinischen Entscheidung support (CDS) zu helfen, brechen diese Barriere zu demokratisieren wissen und machen es zugänglich ist, wenn die Angehörigen der Gesundheitsberufe, die es benötigen. CDS-tools machen die klinische Entscheidung und Aktion einfacher und transparenter.
F: welches Potenzial und Welche Herausforderungen sehen Sie in der Technologie-Unternehmen wie Google und Amazon, die sind nicht traditionell in der Gesundheitsversorgung, die zunehmend konzentrierte sich auf die Förderung von Innovationen in der Gesundheitsversorgung? Wie können Organisationen im Gesundheitswesen die Zusammenarbeit mit Technologie-Unternehmen?
A. Innovative Unternehmen wie Google und Amazon suchen bei der Bekämpfung Gesundheitswesen aus zwei Gründen. Es ist ein problem, das noch nicht gelöst worden ist gut, und es wird potenziell enorme Kostenersparnis, wenn diese großen Probleme sind gelöst. Diese großen Organisationen haben sowohl politische als auch Markt Gewicht durch das entfernen einige der Struktur-und Prozess-Barrieren in der Gesundheitsversorgung genauso wie Amazon haben einige die Kosten-und prozessmanagement die Reibung in der traditionellen Ziegel und Mörtel Einzelhandel. Das Gesundheitswesen hat ähnlichkeiten in Bezug auf die traditionellen backstein-und-Mörtel-Modell, als die einzige access-point, um die medizinische Versorgung und die „hohen Reibung“ wie Pflege erhalten und bezahlt für.
Doch Gesundheit ist nicht jede herkömmliche retail oder supply-consumer-Geschäftsmodell. Die Drittanbieter-payment-system schafft eine interessante Dynamik als „moral hazard.“ So, die Verbesserung der Gesundheitsversorgung in Bezug auf die Erfahrung und die Kosten erfordern re-engineering der gesamten Anlage. Die Herausforderung für Google und Amazon ist das system wechseln. Praktisch gesprochen, wenn es um die Reduzierung von Kosten, jemandes Kosten jemand anderes die Einnahmen. Also, meine Meinung ist, dass zu ändern, wird schwer. Es kann ein neues Modell für Gesundheitsversorgung mit einer besseren Angleichung der Anreize und Wert, sowie die all-wichtig für Patienten.
Healthcare-Organisationen können weiterhin widerstehen ändern, sondern Widerstand gegen Veränderung wird nur verewigen ein legacy-system, das nicht funktioniert gut für Kliniker und Patienten. Als externe Entitäten, die ein Interesse an der Festsetzung des Gesundheitswesens, der entweder die ärzte können passiv sein und akzeptieren, was das Ergebnis, oder engagieren und zu beteiligen, um sicherzustellen, dass Ihre und Ihrer Patienten Perspektiven betrachtet werden. Kliniker und Patienten sind die Verbraucher die wichtigsten Akteure im Gesundheitswesen. Organisationen im Gesundheitswesen und die ärzte müssen offen sein, neue Rollen und Pflege delivery-Prozesse in der Zukunft. Ich würde Sie ermutigen, einen offenen Dialog und nähern sich jede Lösung von innen heraus, Anwendung von human-centered design thinking. Ansonsten, jede neue Lösung wird immer eingeschränkt durch ein „Feld“, definiert durch externe Kräfte und Vermächtnis denken. Die zukünftige Lösung wird nie wirklich innovativ sein.
Ein wichtiges Kriterium für den Erfolg wird, benötigen alle beteiligten beginnen, durch Veränderung von Einstellungen und Haltungen und nicht gegeneinander. Zahler sind, nicht versucht, rip off die Kliniker und Patienten, ärzte werden nicht versuchen, Milch das system, und die Patienten werden nicht versuchen, um Dienstleistungen für Sie kostenlos. Gemeinsam können wir Schritte zu definieren, die ein Gesundheits-Modell für die Zukunft, Nutzung von wissen und Technologie.
Dr. Ian Chuang ist in der Jury der HIMSS-Elsevier Digital Healthcare Awards 2019 und der Asien-Pazifik-edition von die Preisverleihung findet auf der kommenden HIMSS AsiaPac19 Konferenz von Oktober 7-10 in Bangkok, Thailand. Early bird Preise für die Konferenz-Registrierung wird bald zu Ende, also nicht verpassen! – mehr details hier.
