眾所周知,患者可以通過醫(yī)療手表檢測的心電圖來獲取心房顫動的數據,這只是醫(yī)療器械數字化引領醫(yī)學產品開發(fā)和創(chuàng)新的一個例子。然而,盡管互聯服務平臺上的醫(yī)療器械具備數據存儲、安全性、可訪問性和移動應用程序以及部分高級分析的組件,但從執(zhí)行角度來看,成功實施人工智能以推動智能操作仍然是一個挑戰(zhàn)。根據Gartner統(tǒng)計,有85%的數據科學項目是失敗的。將數據科學成功地集成到醫(yī)療器械開發(fā)中需要重新思考數據科學在產品設計和生命周期管理中的作用。
將數據科學視為一種產品
數據科學被定義為使用數學算法來實現自動化、預測、控制或描述使用交互中的過程,它必須被視為一種產品。因為與任何醫(yī)療產品一樣,數據科學從需求開始,為醫(yī)療提供者和患者提供明確的醫(yī)療效用。
將數據科學局限于算法設計領域是錯誤的。雖然數據科學家擅長擬合模型,但他們的真正價值來自于用擬合數據模型解決現實問題。數據科學中成功的算法開發(fā)過程涉及商業(yè)領袖、產品工程師、醫(yī)生和數據科學家合作發(fā)現、設計和交付。例如,與醫(yī)療器械的典型數據科學集成將包括以下活動:
● 確定醫(yī)療需求
● 確定適當的數據變量
● 開發(fā)正確的分析模型
● 設計解析算法集成
● 執(zhí)行測試和驗證
● 部署測試版
● 監(jiān)測實時結果
● 維護和更新算法
將數據科學視為一種產品或一種產品的特征,為企業(yè)提供不同的執(zhí)行方式,專注于有形的結果。數據科學家接受開發(fā)解決問題的精確模型的培訓,但很多公司面臨的挑戰(zhàn)是如何操作這些模型并將其產出商業(yè)化。
高級分析:過程的一部分,而不是事后思考
人工智能與醫(yī)療器械的成功連接取決于數據是否能夠用于對一系列事件的結果做出實時決策或報告。大多數公司沒有意識到創(chuàng)建可操作智能的高級分析的層次。通過了解這些層次,從簡單的基礎規(guī)則到復雜規(guī)則的分析、復雜事件處理和無監(jiān)督學習模型,公司可以快速開發(fā)有深遠意義的完整分析。隨著公司分析系統(tǒng)從描述性和診斷性發(fā)展到預測性和規(guī)定性,甚至還可以提供業(yè)務價值的戰(zhàn)略機會。
成功的集成包括將高級分析視為一個體系結構,而不是一個要實施的單一解決方案。在分析開發(fā)中確保您成功的最佳方法是遵循發(fā)現、設計和交付的連續(xù)過程。例如,數據科學體系結構從一個業(yè)務問題開始,要求您確定是否擁有正確的數據,并能夠在現有IT系統(tǒng)中實際利用這些數據。
數據科學執(zhí)行中的常見挑戰(zhàn)
數據科學的執(zhí)行通常會受到常見失誤的影響,如客戶和業(yè)務需求之間的不一致等。業(yè)務方面的另一個重大錯誤是將數據科學視為一次性的成就,而沒有意識到它是一個連續(xù)的過程,或者將數據科學視為一個軟件開發(fā)過程,過于專注工具,而不是技能和能力。事實上,最理想的方法是模塊化系統(tǒng),持續(xù)維護和改進已設計的系統(tǒng)。這對于醫(yī)療器械尤其如此,因為技術的創(chuàng)新和變化可以繼續(xù)為患者和從業(yè)者提供更好的支持和幫助。
在分析范圍內開發(fā)產品
成功的集成取決于清楚地識別數據科學的過程控制。為了設計和支持連接設備的分析,數據科學應包括明確的步驟,如分析樣品、分析驗證、分析啟用、分析消耗和分析維護等。雖然前兩個步驟是數據科學家將發(fā)揮關鍵作用的步驟,但隨后的三個步驟將最終影響項目的成功實施,并需要強有力的企業(yè)跨職能的支持。
企業(yè)在成功集成方面失敗的原因有很多,從項目管理、投資不足、無法更新或替換分析組件,到忽視安全威脅以及沒有替代計劃或退出戰(zhàn)略等。類似地,雖然數據不能獲得專利,但過程可以,這將保證分析的安全性。成功的數據科學實踐源于人員、流程和技術的無縫協調。而且,成功的集成取決于確定業(yè)務目標并將分析構建到連接的設備中。只有這樣,業(yè)務戰(zhàn)略才能從分析產品的開發(fā)演變?yōu)榉治霎a品內部的開發(fā)。
英國ITL致力于推動數字醫(yī)療領域的創(chuàng)新,在數字化醫(yī)療器械領域做出了諸多嘗試,平衡產品開發(fā)和產品內部數字開發(fā)之間的挑戰(zhàn),為全球診斷和生物醫(yī)學公司提供了有效的解決方案和高度集成的便捷性產品,從而為更多患者提供即時,準確,有效的診療服務。