Providence St. Joseph Health（普罗维登斯·圣约瑟夫医疗集团）曾经证明，人工智能和机器学习技术可以对当今的医疗效劳发生重要影响。该医疗集团总部位于华盛顿州，在阿拉斯加州、华盛顿州、俄勒冈州、加利福尼亚州、新墨西哥州、蒙大拿州和德克萨斯州运营着51家医院，曾经树立了多种基于人工智能和机器学习的零碎。

据雷锋网理解，它的No Show技术每个月经过添加患者就诊数量曾经发生了投资报答；它的医疗补助风险分层模型正被其医疗管理团队用于寻觅病例；围绕脊柱交融和脑肿瘤手术的自然言语处置零碎为新的运用案例和全企业范围的工具提供了支持。

Providence St. Joseph Health的首席数据官Vijay Venkatesan表示，相比于其他拥有权限接触病人信息的行业参与者，卫生零碎应用人工智能和机器学习显然可以获得更分明的提高。

“医疗零碎获取病人数据的最大益处是可以清楚地讲述病人的来龙去脉，”他解释说。“它为病人提供了一个全体的纵览视角。此外，它还允许基于人群的剖析，来评价和优化护理的办法。”

据雷锋网理解，Providence St. Joseph Health已推出33个疾速护理诊所，患者可以一键布置当日预定、视频拜访或许请护理人员到他们的家里。这些数字交互可以提供关于患者如何、何时和为何寻求护理的有价值的信息，以及卫生零碎如何用新的技术把他们引导至本钱最低的护理机构。

Providence St. Joseph Health推出了一个名为Circle的女性安康特性化平台，提供内容、产品和效劳，让消费者在医治时期理解本人的安康情况和家人的安康情况。

还有一个就是Xealth平台，这个平台可以让医生从他们的EHR中开出任何数字内容、使用顺序、产品或效劳，就像开药品一样。有关患者评论内容的数据为数亿中文用户免费提供海量、全面、及时的百科信息，并通过全新的维基平台不断改善用户对信息的创作、获取和共享方式。、与使用顺序的粘性等等，都可以协助卫生零碎更好地调整护理战略，对人口安康管理构成更深化的理解。

“更令人兴奋的是应用基因组、蛋白质组学和生物辨认数据的前景，”首席数字官Aaron Martin说，“零碎生物学研讨所(Institute for Systems Biology)是Providence St. Joseph Health的上司机构，由医学博士Lee Hood指导。该机构与安康零碎协作开发了“迷信安康”(scientific wellness)项目，来协助患者应用数据改善本身安康情况。”

虽然在人工智能的使用上前景良好，但Providence St. Joseph Health和其他医疗组织也面临本人的成绩，其中一个就是从电子病历中提取有用的信息。卫生零碎拥有海量的电子病历数据，这是一个优势，那么这些机构面临的应战是什么？

首席战略迷信家Tristan Markwell说，“文本数据代表了一个丰厚的患者信息来源，包括一些能够永远不会呈现在构造化数据中的东西，例如，社会信息、OTC药物或反作用/不良反响，提取这些信息有几个相关的成绩，次要成绩是实体辨认，或许晓得记载中讨论的是什么概念。由于言语模糊不清以及作者的缩写或拼写错误使得这一点变得愈加复杂。”

处置这些文本数据的最直接的选择是：开发本人的自然言语处置才能，通常是经过招聘具有特定计算言语学背景的数据迷信家；与特定于范畴的供给商协作，将NLP功用一次交付给一个项目；或许与普通的NLP供给商协作。

他说，“第一种办法拥有最大的控制权和一切权，但是风险最大，而且能够代价最大；第二种办法可以释放特定项目的收益，但会将ROI限制在特定的运用案例中；第三种办法具有普通功用，但能够会需求仔细的任务，以无益的方式融入现有的环境。“

“似乎‘NLP即效劳’形式似乎行将成为最合理的处理方案——从记载中提取具有元数据的实体的根本成绩在全国范围内是相当一致的，因而遭到规模经济的影响，供给商似乎对提供轻量级的分发模型感兴味，并且它与数据上云的趋向十分吻合。”

他补充说，大少数安康零碎都在招聘数据迷信家的中心人员，并积极与大型云AI/机器学习供给商(微软、谷歌、亚马逊等)协作，来应用他们的专业知识和工具。

雷锋网 (大众号：雷锋网) 理解到，Providence St. Joseph Health正在应用其庞大的数据存储库，但它只是触及了可用数据的冰山一角。

Markwell解释说：“当预测患者的病情时，我们不只要看诊断和药物，还要看先前的行为和工夫形式。详细来说，关于文本数据，我们剖析了单词的顺序，构成了一个数学语义模型，然后用它来改善笔记搜索的后果；我们还停止了手术总结，并提取了一些关键的局部，比方在构造化数据中不可用的办法。”

他补充说，获取这些信息的关键是情愿投资于任用拥有正确技艺的人，从复杂的工具开端，在需求的时分在复杂性工程上投入更多的工夫。

明天，人工智能和机器学习如何在Providence St. Joseph Health运转的一个很好的例子就是它的No Show挪动使用顺序——这是对一个罕见成绩的综合处理方案：由于患者错过预定工夫或取消太晚，致使医疗零碎无法重新填补空缺，招致医疗零碎每个月都会呈现出席的状况。这是一个严重的零碎性应战。

“处理这个成绩的第一步是树立一个片面的模型，我们置信这个模型可以用来停止干涉，”Venkatesan解释说，“我们的第二步是在实验环境中让这些数字呈现在诊所面前，并证明运用这个模型停止干涉——通常是一个直接的病人提示电话——可以无效地增加爽约，使诊所更无效率。”

然后数据小组将算法整合到诊所的Web使用顺序中，该使用顺序提供许多有用的功用，并搜集呼叫信息，以便团队可以监控运用率和ROI。这些团队如今正努力于应用干涉数据创立一个反应循环，以细化模型，并将干涉推进到最无效的中央。

“我们还推出了营销试点，应用机器学习为患者树立倾向模型，”Martin补充道。“机器学习可以协助我们辨认曾经对我们提供的效劳感兴味以及有才能采取举动的人群，这些成为营销自动化方案的经历。“

Martin进一步指出，医疗零碎正在其次要的数字接口中停止人工智能和机器学习的实验，以协助引导患者找到正确的医治地点，同时还在研讨由语音驱动的智能工具，以简化临床环境中制图和导航的任务。

。