Lezioni apprese dal rapporto di ricerca sull'intelligenza artificiale di CDW

1. Risolvere i problemi invece di implementare nuovi strumenti per il loro stesso bene

Le organizzazioni potrebbero sentirsi spinte a provare qualcosa solo per l'entusiasmo generale. Dovresti resistere alla tentazione. Piuttosto, sii chiaro sul problema da risolvere e su come l'IA si inserirà in questo contesto .

Potrebbero esserci delle implementazioni semplici da cui iniziare, tramite funzionalità o caratteristiche presenti nelle soluzioni che la tua organizzazione sta già utilizzando, ad esempio all'interno di una suite di software di produttività o di un sistema di cartelle cliniche elettroniche .

Un'altra area problematica potrebbe essere quella delle attività amministrative ripetitive che trarrebbero beneficio dall'automazione. Uno dei motivi per cui gli strumenti di ascolto ambientale hanno suscitato un interesse costante è l'esigenza delle organizzazioni di ridurre il carico di lavoro dei medici e mitigare il burnout. Come possono i sistemi sanitari ridurre il "tempo in pigiama" dei medici in modo da poter recuperare le relazioni con i pazienti?

LEGGI TUTTO: Sfrutta i dati e l'intelligenza artificiale per ottenere risultati sanitari migliori.

2. In un contesto di incertezza normativa, avere una solida struttura di governance dell'IA

Con il miglioramento degli algoritmi e la continua evoluzione delle risposte normative, le organizzazioni sanitarie necessitano di agilità e stabilità nella propria struttura di governance dell'IA . E con requisiti che possono variare da stato a stato, un approccio multidisciplinare è fondamentale per stare al passo con i cambiamenti.

Creare gruppi di lavoro adeguati con la giusta rappresentanza delle parti interessate per porre le domande giuste sui potenziali casi d'uso, l'esperienza dell'utente finale, il riconoscimento e la mitigazione dei rischi, le preoccupazioni etiche, i pregiudizi algoritmici, la conformità e la qualità dei dati.

È necessario considerare anche le considerazioni infrastrutturali. Quanto è pronta la vostra organizzazione ad adottare più soluzioni di intelligenza artificiale ? I vostri team possiedono le competenze adeguate? Avete messo in sicurezza il vostro ambiente? Ci sono considerazioni da fare per i carichi di lavoro on-premise rispetto a quelli che dovrebbero essere trasferiti nel cloud ? Le organizzazioni dovranno definire delle landing zone e potrebbero adottare strategie diverse per quanto riguarda l'utilizzo delle risorse di elaborazione e storage .

ESPLORA: Come dovrebbero le organizzazioni sanitarie orientarsi nella valutazione e nell'implementazione dell'intelligenza artificiale?

3. Mantenere la sicurezza dei dati e la privacy in primo piano

La governance dei dati va di pari passo con la governance dell'IA , poiché la maggior parte delle soluzioni basate sull'IA richiede dati di alta qualità, che a questo punto rappresentano una posta in gioco fondamentale. Ciò richiede anche strategie per proteggere tali dati.

È inoltre necessaria una maggiore trasparenza in alcune delle soluzioni disponibili, in modo che le organizzazioni possano valutare adeguatamente se una soluzione soddisferà i requisiti normativi. La trasparenza è fondamentale, poiché esiste un rischio reale se una soluzione di IA fornisce previsioni errate o utilizza dati inadeguati. Un approccio univoco all'IA in ambito sanitario non è semplicemente possibile, e probabilmente sarà ancora necessario il discernimento umano o la partecipazione di un essere umano per garantire che i risultati non causino danni.

Questo articolo fa parte della serie di blog MonITor di HealthTech .