当前位置： AI资讯 > 内文

医疗AI项目实施中的“风险因素”

2020-2-18 关键词：临床决策支持(CDSS),单病种质控/上报,医疗AI

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