虽然疫情仍在肆虐，但过去18个月的混乱已有所平息，尘埃开始落定。现在是时候让医疗保健首席信息官和其他医疗保健IT负责人展望和规划他们的IT投资了——很大程度上是受到最近的教训的影响。

根据HIMSS Media的最新研究，2021年的IT预算平均为近1300万美元，其中平均15%用于IT安全。虽然这可能是一大笔钱，但有许多技术领域渴望更多的投资。

今天,欧宝娱乐是黑平台发布了一个新的专题文章系列，健康IT投资:未来五年。

我们与卫生IT领导人(主要是首席信息官)进行了交谈，通过他们在六大领域设定的投资重点了解未来的道路:人工智能和机器学习;互操作性;远程保健、联网保健和远程患者监测;网络安全;电子健康记录和人口健康;欧宝app是哪个国家新兴技术;和其他系统。

第一个特性专注于人工智能和机器学习。在本系列的第一部分中，顶级IT高管分享了他们未来五年的计划，包括:

• 肖恩博士买点他是印第安纳波利斯雷根斯特里夫研究所(Regenstrief Institute)负责数据和分析的副总裁。
• 迈克尔·克莱默博士他是俄亥俄州都柏林俄亥俄健康公司(Ohio health)的首席医疗信息学官。
• 迈克Mistretta他是位于阿灵顿的弗吉尼亚医院中心(Virginia Hospital Center)的副总裁兼首席信息官。
• B.J.摩尔普罗维登斯在阿拉斯加、蒙大拿州、俄勒冈州、华盛顿州、加利福尼亚州、新墨西哥州和得克萨斯州等7个州经营着52家医院。
• 迈克尔Restuccia他是费城宾夕法尼亚医学院(Penn Medicine)的高级副总裁兼首席信息官。

从董事会成员、首席执行官到IT经理，再到一线员工，每个人都将从接受采访的同事那里学到有价值的信息和指导。

环境，成像，预测分析

摩尔和他在普罗维登斯的团队一直在大量利用人工智能和机器学习。在未来五年内，这一领域的投资将会增加。

摩尔说:“我们的应用非常广泛，包括与Nuance合作的环境人工智能。”“这让护理人员可以练习护理传递的艺术，同时环境技术进行更新，而不是他们必须输入记录。我们正在评估人工智能成像，尤其是癌症检测。我们用成像技术做了一些早期检测。

“有了预测分析，我们将广泛使用机器学习，”他继续说道。“从重新入院，到缺席，再到急性护理。这将有助于提高病人的服务，降低成本，并使我们能够更充分地利用我们的空间。”

“我们认为机器学习对我们来说是一套真正的重大突破技术。在过去的两年半时间里，我们一直在创建基金会，让我们能够做这些事情。”

B.J.摩尔,普罗维登斯

这家供应商组织一直在广泛使用机器学习进行预测分析，以应对COVID-19带来的激增和下降，并计划继续在这类领域投资。

“然后我们会与Truveta等其他公司合作，”他补充道。“这是一个数据联盟，我们是其中的创始成员，这种合作关系涉及在数据标准化等方面使用人工智能和机器学习，以帮助获得深入见解。

“我们在那里做的一些事情是保密的，”他指出。“我们认为机器学习对我们来说是一套真正的重大突破技术。在过去的两年半里，我们一直在创建一个基金会，让我们能够做这些事情。我的三个战略支柱适用于此。它们是:简化、现代化和创新。”

摩尔认为，向其他高管和董事会出售更多机器学习投资不会有任何问题。

“他们知道我的背景，”他说。“两年半前，我在微软工作了27年。所以人们相信他们招到了合适的人。所以当我谈到大数据、机器学习和人工智能时，他们并没有反驳。随着时间的推移，它从‘嘿，我们支持b.j.’，变成了‘哇，这真是一个巨大的游戏规则改变者。’”

新技术

弗吉尼亚医院中心刚刚开始在人工智能和机器学习领域开展工作。

“老实说，我不确定我们将在这个领域做些什么，”弗吉尼亚医院中心(Virginia Hospital Center)的米特瑞塔(pretta)说。“可以说，我们目前已经涉足了败血症制剂和其他一些预测分析，所以我们将看看该组织的接受度。我们的问题并不是向领导层推销投资。直接采用的挑战低于这个级别。

“我认为这项技术面临两大挑战，”他继续说道。“首先，你必须建立大量的数据，以便能够运行算法，然后有一个方法来验证结果。其次，用户/临床医生是否准备好接受挑战，他们之前的心理模式的护理提供，他们是否足够开放(考虑)来自技术的援助?”

对于第一个问题，misttta指出，该组织已经为各种模型在“黑暗中”运行了三年的Epic EHR，收集足够的数据以获得适当的用例。

“可以说，我们目前已经涉足了败血症制剂和其他一些预测分析，所以我们将看看该组织的接受度。”

迈克·特雷塔，弗吉尼亚医院中心

“有趣的是，当我们的用户前来寻找解决方案时，我们已经准备好激活这些模型，并开始用它们验证结果，”他说。

“今天，我们正在为我们不同的用例生产仪表板，给他们各自的利益相关者，我认为结果是混合的。虽然领导层在很大程度上同意这些发现，但有些人已经抓起它们就跑了，而另一些人仍然需要大力支持，才能将人工智能纳入他们的工作流程。”

对于第二个问题，misttta认为有很多工作要做，需要让临床社区相信人工智能的价值。

他说:“这项技术已经在成像领域存在多年了，例如，过度阅读乳房x线照相术，刚刚成为主流。”“我们有一个飞利浦心电图系统，可以为心脏病专家进行预读。他们忽略了它，并要求我们关掉它，不管我们提供了多少调整或教育。

他补充说:“在过去的三到六个月里，我们的败血症制剂已经在病人护理中使用了好几年了，但我们只是在接受它。”“我的直觉告诉我，我们将需要未来五年帮助临床社区接受人工智能和机器学习，同时我们将继续努力改进它。”

他说，一些临床医生只是需要时间来深入消化和理解数据，然后才能接受它如何影响他们的护理服务。

人工智能领域的重大投资

Regenstrief研究所是国际知名的信息学先驱，也是印第安纳大学医学院的重要研究伙伴，正在进行重大投资，并在将人工智能应用于医疗保健方面取得进展。

雷根斯特里夫研究所的格兰尼斯说，这一领域将在未来五年继续成为该组织的重要重点。他补充说，人工智能在极大改善病人护理方面具有巨大潜力。Regenstrief专注于机器学习、数据挖掘和自然语言处理。

“目前的项目展示了令人鼓舞的概念证明，包括开发和测试一个获奖的机器学习系统upsstrom，”他指出。“证据表明，至少四分之一的成年人，可能多达二分之一，有健康的社会决定因素驱动的需求。

“通过NLP, Regenstrief研究的科学家创建了迄今为止最大的慢性咳嗽队列，展示了这种方法的前景。”

肖恩·格兰尼斯博士，雷根斯特里夫研究所

他说:“该项目通过结合SDOH——诸如获得健康食品或获得安全、负担得起的住房等因素——来解决患者的社会经济、行为和经济需求。”“该算法将SDOH信息与电子病历相结合，识别出可能需要全面服务的初级护理患者，比如那些由社会工作者或咨询师提供的服务，从而让护理提供者在情况变成危机之前进行转诊。”

他补充说，Uppstroms在印第安纳波利斯一个广泛的安全网络健康系统的9个诊所工作，可以集成到电子病历中，并可用于各种医疗环境中解决SDOH问题。

他解释说:“同样，NLP也可以用来在电子hr中挖掘非结构化数据。”“此外，这项技术为研究人员、临床医生和医疗管理人员提供了一个伟大的工具，以确定队列和分析趋势，为临床和管理决策提供信息。例如，通过NLP, Regenstrief研究的科学家创建了迄今为止最大的慢性咳嗽队列，显示了这种方法的前景。

他接着说:“人工智能还可以用于临床决策支持——对大量可用数据进行分类，并只显示最相关的数据。”“例如，Regenstrief及其合作伙伴开发的一款名为Health Dart的应用程序部署在大学卫生系统的急救部门。”

这款应用程序对电子病历进行分类，并识别出与7种最常见的急诊科患者主诉相关的测试和信息:胸痛、腹痛、头痛、乏力和头晕、背痛、怀孕、心跳不规则和呼吸困难。这种新颖的搜索算法为临床医生节省了几分钟的点击和搜索时间，使他们能够花更多的时间与患者在一起，并更有效地工作。

Grannis说:“这些技术已经在现实世界中得到了验证，我们的团队将继续完善和改进这些工具，并设计出新的工具。”“此外，它们已证明的成功将用于鼓励卫生系统的投资。”

继续投资，但要从经验中学习

宾夕法尼亚医药公司在部署通用电子健康记录方面进行了重大投资，以支持其所有的住院、门诊和家庭护理操作。这一目标的最初目标是确保所有护理人员都从同一系统提供服务，这样患者数据就可以集中存储，便于所有地点的所有护理人员使用。

宾夕法尼亚大学医学院的Restuccia说:“随着这个目标的实现，第二个目标出现了，重点是通过驱动获得的患者数据的价值，进一步改善患者护理和效率。”“我们在人工智能和机器学习方面的初步经验既有收获，也有挫折。

“在选定的实例中，我们已经能够将各种数据元素结合在一起，以提供关于患者临床方案、患者后续治疗和更及时的疾病识别的变化的见解，”他继续说。“尽管付出了同样多的努力，但却没有产生预期的结果。”

“我们在人工智能和机器学习方面的初步经验既有成果，也有挫折。”

宾夕法尼亚大学医学院的Michael Restuccia

他认为，这一经历代表了医疗保健行业人工智能的现状。

他说:“在医疗保健行业，情况不像在其他行业那样是二元的。”“因此，我们继续投资，并从经验中学习。我们的学习方法——尤其是在这一领域——是使用一种自开发算法的混合模型，以及由行业供应商合作伙伴提供的更普遍可用的算法。

他补充说:“这种方法使我们能够通过自我开发的努力瞄准卫生系统中的小众领域，同时利用供应商开发的算法来解决更广泛的机会领域。”“这种结合的方法确保了我们充分利用宾夕法尼亚医学院以及整个行业的技能。”

三年董事会目标

俄亥俄州健康中心的克雷默透露，医疗系统正在人工智能和机器学习方面进行大量投资。事实上，这是董事会三年目标的一部分。

他解释说:“从2019年开始，我们的目标不仅是启用人工智能和预测模型，还表明它们在企业范围内得到了使用，并带来了积极的结果。”

“从2019年开始，我们的目标不仅是启用人工智能和预测模型，而且要证明它们在企业范围内得到了使用，并带来积极的结果。”

j·迈克尔·克雷默医生俄亥俄健康中心

“我们研究了50多种不同的机会和模式。最终，我们确定了17个人工智能可以发挥作用并可能成功实现积极成果的工作流程。此外，我们的董事会目标推动我们发展所需的专业知识和严密性，以实现和维持人工智能的积极成果。”

在这项工作中，工作人员学到了三件事，他说:

1. 工作流是关键。人工智能不会解决变化问题，也不会在不考虑工作流的其他方面时成为解决方案。
2. 要想成功，必须仔细选择问题和模型。最成功的模型减少了显著的手工负担，如自动化文档或复杂数据的审查。
3. 管理人工智能需要新的专业知识和严谨性。设计、实施和维持效益需要大量的专业知识。工具和科学远比逻辑决策支持规则复杂得多。卫生系统需要一个中央专家组和工具。

“俄亥俄健康建立了一个中心辐射型模型，其中有一个中心数据科学家团队、临床信息学、项目管理和持续监测，”他指出。“不同的业务单位和临床项目团队领导了业务案例、工作流设计和变更管理。

他继续说道:“我们的董事会目标已经实现了三年，目前有17款车型正在酝酿中。”“九是生活。在这17款游戏中，8款由Epic提供，4款来自非Epic供应商，4款是内部开发的。我们预计，到今年年底，至少有10个国家将取得可衡量的积极成果。有些模型在短期内很难衡量，但临床医生认识到人工智能在他们的决策过程中的价值。”

Twitter:@SiwickiHealthIT
电子邮件作者:bsiwicki@himss.org
欧宝娱乐是黑平台医疗保健IT新闻是HIMSS媒体出版物。