部署AI系统,你所不知道的“三方协同”

2020-2-18

AI作为医疗领域新的驱动力,与临床的融合不断加深,应用场景也越发丰富。对于不少AI企业来说,围绕“防、诊、治、管”打造深度学习模型已积累深厚的实践经验,但将AI模型接入医院信息系统,充分发挥其赋能效用,背后则需要与医院、HIS厂商进行三方精密配合。

“了解系统的实施主要面临什么问题,尽最大努力去把实施周期缩短,会更利于双方的工作。”来自行业内AI服务提供商的资深实施工程师黎冬就AI项目实施的风险因素,介绍了“三方协同”的重要性。 

配合好医院的审批流程

AI系统在不同医院的部署时间基本相同,但不同医院的审批流程,一定程度上影响着系统的实施周期。

“入场之前我们会提供详细的项目材料给医院审核。级别越高的医院,审批程序越严格,走流程的时间在项目整体周期中占比较大。”黎冬说到,以申请服务器为例,大型医院可能 要进行三级审批。由于AI系统要处理庞大的数据集,需要配置高性能的服务器来满足数据处理与模型训练需求。有的医院提供的服务器性能较低,就需实施工程师提供相关说明材料重新审批。“我们配合好医院准备每一步的材料,有利于审批流程往前走。”

此外,医院对AI系统的重视程度也影响着项目的整体周期。医院对系统的应用需求与重视程度越高,在项目实施过程中的配合力度越大。比如,在这次疫情中,由于形势的紧迫,许多AI系统在短期内就迅速完成了与医院信息系统的对接。

数据采集中的挑战

数据是AI项目的基础,医院呈几何级增长的临床数据也推动了医疗AI的发展。集成循证医学知识库的医疗AI吸收大量的高质量数据,再借助深度学习技术训练模型,才能作出准确判断。而集成医院全信息平台的数据,也是AI项目实施中的一项挑战。 

“患者的数据分散在医院不同的信息系统里,医疗AI要基于患者的完整数据作分析,需要在项目实施时采集这些信息系统的数据,但院方未必愿意给出这么多的数据。”黎冬表示,例如,以AI辅助决策系统来说,有的信息科人员依然当它只是知识查询和警报提醒工具,误以为只是一个“小平台”,不需采集大批量的数据,实则不然,医疗决策一定是基于充分的数据和证据。此外,虽然AI企业会对数据进行脱敏处理,出于数据安全的考虑,医院仍会对数据的用途与去向存疑。

在这种情况下,实施工程师需要与院方进行深入的沟通,并根据医院要求提供完善的材料明确数据使用的方向。“比如说要采集检查数据的时候,这些数据要用在哪,医院必须要有一个清晰的证明。大型医院对这方面的要求更高。”黎冬说到,同时做到数据不出院,充分保证数据安全。

此外,采集数据的另一个挑战是,有些医院还存在纸质数据,信息平台上的数据不够完整。根据中国医院协会信息专业委员会(CHIMA)2019年公布的中国医院信息化现状调查,参与调查医院中,只有患者基本信息管理、住院病历书写、住院医嘱管理三种业务系统的实施比例超过80%。医院没采购系统,相应的诊疗业务数据就无法采集。“医院业务信息系统建设完善不仅对AI企业有帮助,也利于医院信息互联互通,但这涉及到增加成本负担的问题。”

第三方厂商的配合力度

很多AI系统的使用形式是嵌入电子病历系统中,通过接口自动获取患者诊断、检验检查等数据。因此,AI项目的实施需要与HIS厂商对接,这其中涉及到厂商的排期问题。

“向第三方厂商提出需求后,他们会进行排期,有的可能两周内完成对接,有的可能需要两个月甚至更长时间,这种不确定因素影响项目的工期。”黎冬表示,厂商的配合力度也是项目实施需要考虑的风险因素。此外,在与厂商对接中,可能涉及到系统的昂贵接口费,或会导致项目停滞。因此,在AI项目的实施周期中,通过三方协同排除所有的风险因素,才能使AI系统在医院顺利落地,有效发挥其临床价值。

应本人要求,本文黎冬为化名

成为我们的合作伙伴

信息提交
姓      名
所在地区
单位名称
手  机  号

提交

感谢您的关注,我们会尽快与您取得联系!