Soulager les problèmes d’intégration IA dans les infrastructures informatiques existantes

L’intégration de nouveaux systèmes et applications dans l’infrastructure informatique de votre organisation a parfois l’impression de configurer la machine Rube Goldberg. Tout doit être planifié à l’avance et soigneusement défini pour atteindre le résultat que vous êtes. Une petite étape incorrecte et soudain, vous pouvez faire face à une réaction en chaîne que vos autres systèmes déclenchent, ou cela pourrait faire sortir quelque chose de l’égalisation et provoquer un arrêt complet. Pour un travail important et personnel effectué dans les soins de santé, il peut être catastrophique pour vos patients et vos employés. La seule façon de contourner cela est une planification plus prudente, vous pouvez donc prédire les défis avant qu’ils ne se produisent et planifier pour soulager les effets.

Pour aider à le faire, nous nous sommes tournés vers notre incroyable communauté de soins de santé informatique aujourd’hui pour demander – quels défis sont confrontés à des organisations médicales dans l’intégration de l’IA dans leur infrastructure informatique existante et comment peuvent-ils être atténués? Leurs réponses suivent.

George Deals, vice-président des demandes de soins de santé dans l’aperçu dimensionnel
L’expansion des grands modèles de gènes d’IA et des gènes avec des données qui sont déjà disponibles dans les organisations de santé seront parmi les plus grandes opportunités d’IA dans les soins de santé. Les objectifs généraux de la LLM peuvent être complétés à la fois par un contenu spécifique aux soins de santé, tels que la littérature médicale et les données des applications opérationnelles et analytiques. Mais ce droit est livré avec des défis, notamment la protection de la vie privée du patient et garantir la validité des données créées par l’IA. L’introduction de structures de gestion des données disciplinées mais pratiques et d’IA associées aux efforts continus pour surveiller et améliorer la qualité des données contribuera à atténuer ces risques.

André Castro, gestionnaire, produits d’IA sécurisés sur Protegrits
L’IA ne change pas la nature des défis pour l’adoption de l’analyse traditionnelle des données qui peut être résumé à l’aide de problèmes de gestion des données. Au lieu de cela, il s’agit plutôt de motiver massivement les organisations à soulager ce problème en raison du coût de l’inactivité. Les organisations d’investissement de base doivent gérer les données (technologie ainsi que les changements organisationnels).

C’est la base sur laquelle l’organisation pourrait utiliser cette technologie. Pour beaucoup, les décisions sont toujours un miracle, sans parler de l’IA. Pour les meilleurs artistes axés sur les flux de travail des agents, ces initiatives seront possibles non seulement avec une maturité élevée de la gestion des données, mais avec des procédures de travail flexibles et agiles dans la boucle, en raison de la nécessité de ces systèmes.

Juste Goldsmith, président à Tento
Les organisations de santé sont confrontées à des défis importants dans l’intégration de l’IA dans leur paysage informatique existant, en particulier lorsqu’ils traitent des anciens systèmes et l’accès aux données critiques à la consommation à l’aide d’outils et de plateformes d’IA. Les systèmes plus anciens, souvent construits sur des cadres obsolètes, peuvent manquer de compatibilité et d’évolutivité nécessaires pour prendre en charge les outils d’IA modernes. De plus, les données réduites au silence dans les systèmes sans accès direct aux données ou la possibilité de partager facilement les données peuvent empêcher les capacités de l’IA de générer des connaissances significatives.

Afin de soulager ces défis, les organisations peuvent accepter des stratégies telles que l’investissement dans des solutions d’interopérabilité telles que l’API ou le middleware pour combler l’abîme entre les anciens systèmes d’IA et les plateformes. La normalisation des formats de données et du stockage des données peut améliorer la disponibilité et assurer des données propres et utilisables pour l’analyse de l’IA. La modernisation progressive de l’infrastructure informatique ainsi que la coopération avec des vendeurs spécialisés dans l’IA médicale peuvent atténuer davantage la transition et minimiser les perturbations. Des solutions proactives à ces obstacles peuvent intégrer avec succès l’IA et débloquer leur plein potentiel.

Saji Rajasekharan, directeur de la technologie de la société
L’organisation de la santé est confrontée à l’intégration de l’IA dans son infrastructure informatique actuelle, y compris la compatibilité des données, l’évolutivité du système et la confidentialité des patients. Les systèmes existants essaient souvent de s’intégrer aux solutions d’IA modernes et de créer des défis dans le domaine de l’intégration des données et du traitement en temps réel.

Afin de soulager ces défis, les organisations devraient se concentrer sur la sélection des plateformes d’IA qui s’intègrent sans problèmes, assurez une forte gestion des données et soutiennent la coopération entre l’informatique et les équipes cliniques. En adoptant des stratégies de mise en œuvre de phase, les organisations médicales peuvent utiliser l’IA pour augmenter l’efficacité opérationnelle tout en maintenant la conformité et la confiance des patients dans la prestation de soins.

Suvajit Gupta, directeur de la technologie en chef de Cotiviti, Inc.
Bien que l’IA devienne une technologie de plus en plus courante pour les organisations de santé, elle peut être difficile à mettre en œuvre et nécessite des sources spécifiques auxquelles le payeur peut ne pas avoir accès. Les organisations de santé sont souvent confrontées à des problèmes tels que des ensembles de données difficiles à créer; Défis mettant en œuvre les connaissances contrôlées par l’IA dans les systèmes plus anciens; N’avait pas d’investissement de base dans les opérations d’apprentissage automatique et la gestion du flux de travail; Et manquent des ressources continues pour configurer, surveiller et mettre à jour constamment les bons mécanismes de gestion.

Pour surmonter ces défis, les plans de santé devraient faire les investissements à long terme pertinents ou amener un partenaire digne de confiance qui peut les aider efficacement à déployer l’IA au sein de leur organisation-aniž remplacerait l’expertise humaine et la prise de décision.

Keavy Murphy, vice-président de la santé nette
Certains dirigeants hésitent à intégrer les programmes d’IA dans les piles de technologie d’entreprise existantes en raison de préoccupations concernant les données et les ombres. Afin de résoudre ce problème, la direction doit fournir des instructions claires ou des procédures éprouvées qui aident les employés, en particulier ceux qui ont une expérience limitée avec l’IA, dans les moyens les plus sûrs et les plus fiables d’utiliser ces outils. Une approche stratégique et progressive de l’adoption peut atténuer l’hésitation interne tout en permettant aux équipes de s’adapter progressivement à de nouveaux programmes. Cette méthode offre également aux équipes d’ingénierie avancée la possibilité d’explorer les nouvelles technologies pour gérer les innovations et renforcer les services externes de l’organisation.

Hugh Cassidy, le principal scientifique des données à Leantaas
Étant donné que les organisations médicales continuent d’accepter de nouveaux outils d’IA et d’améliorer ceux qui sont déjà dans leur magazine technologique, il est nécessaire d’intervenir le bon équilibre entre les innovations et la confiance. La direction doit clairement définir l’objectif, les avantages et la limitation des demandes d’IA pour les employés et les patients pour expliquer comment l’IA est utilisée pour soutenir la prise de décision, et non le remplacement, pour atténuer activement la peur de l’observation de l’automatisation et consacre le rôle de l’IA dans les soins de santé.

De plus, la mise en œuvre des processus de conception d’IA est un élément essentiel de l’intégration réussie de l’IA. De nombreuses organisations médicales utilisent déjà l’IA pour rationaliser les flux de travail, réduire le fardeau administratif des employés et optimiser les tâches manuelles telles que la planification. En connectant les utilisateurs finaux dans le processus de conception et les commentaires, les organisations peuvent se développer pour inclure ces avantages et créer des interfaces et des flux de travail plus intuitifs qui s’intègrent dans les processus existants sans aucun problème, ce qui augmente finalement le confort de l’utilisateur et minimise les perturbations.

Enfin, des systèmes de surveillance robustes sont une nécessité. Les audits réguliers, les boucles de rétroaction et les mises à jour pour résoudre les problèmes ou améliorer la précision sont essentiels pour maintenir la confiance et la démonstration de l’engagement à l’amélioration continue, ainsi que le puits des patients et des employés.

ANUP Panthaloor, vice-président exécutif des plans de santé et des services de santé à FirstSource
Assurer que les applications d’IA ont accès à des données de haute qualité sont essentielles et que les données dans les organisations de santé sont souvent en forces, parfois dans des systèmes informatiques plus anciens, fermés et propriétaires. Les interfaces de programmation (API) peuvent extraire des données dont l’IA a besoin, y compris les applications de cloud AI. Ces organisations, qui sont fournies en tant que service, peuvent permettre aux organisations médicales d’accéder à des outils d’IA sophistiqués, bien que le paysage possède de nombreux systèmes plus anciens.

La meilleure approche consiste à commencer par une petite, résoudre le point clé de la douleur avec des agents d’IA autonomes et des stages tels que l’automatisation des exigences d’autorisation précédents. Ensuite, sur ces capacités d’extension d’IA, plus profondément dans le processus, par exemple en automatisant la prise en charge de la documentation et de la soumission.

Matt Flath, vice-président de la gestion des actifs chez Onyx Equities
L’adoption de l’IA dans les soins de santé augmente la vitesse et l’industrie doit garantir qu’une énergie informatique suffisante est disponible pour maintenir cette croissance. Entre cette utilisation accrue de l’IA et des réglementations récentes américaines visant à soutenir l’IA de développement intérieur, toutes les industries de l’AI, en particulier les soins de santé, doivent être conscientes de la capacité actuelle des centres de données au sein de la croissance américaine dans cette industrie. Les organisations médicales et biopharmaceutiques rivaliseront non seulement avec ce précieux traitement des données AI, mais aussi avec d’autres industries contrôlées technologiquement.

Fondateur et PDG de l’IA
Les silos de données sont l’un des défis les plus urgents auxquels sont confrontés les organisations médicales, car elles s’intègrent plus profondément sur l’IA dans leur infrastructure existante. Pour que l’IA puisse fonctionner efficacement, les informations doivent être centralisées – une tâche difficile, car de nombreuses organisations de santé opèrent toujours dans des environnements où les données des patients, de la recherche et du traitement sont stockées dans des systèmes, départements ou serveurs distincts. Sans données centralisées, ils ne peuvent pas synchroniser les informations critiques, ce qui limite finalement l’efficacité de l’IA en limitant sa capacité à apprendre.

Un autre défi est la migration de grands ensembles de données à partir de systèmes plus anciens sur les nouvelles plates-formes d’IA qui peuvent entraîner des problèmes tels que l’augmentation des risques de cybersécurité. L’intégration des plates-formes d’IA avec de grands systèmes tels que les DSE peut également détecter la vulnérabilité et entraîner des problèmes de conformité avec des réglementations telles que la HIPAA. La normalisation des données est un autre facteur décisif pour une implémentation d’IA réussie. L’IA s’appuie sur de grands fichiers de données standardisés pour fournir des prédictions et des diagnostics précis, mais les systèmes de succession manquent souvent de gestion et de normalisation des données appropriées.

La solution de ce défi nécessite des plateformes capables de gérer un certain nombre de sources de données ainsi que des informations standardisées auxquelles les personnes propres peuvent facilement accéder si nécessaire. La normalisation offre également un certain nombre d’avantages, notamment une meilleure précision de données, qui peut augmenter la fiabilité de l’IA et sa capacité à analyser plus efficacement les ensembles de données.

Les autres défis incluent la capacité des employés de la santé à s’adapter à de nouveaux systèmes d’IA. De plus, la mise en œuvre de l’IA nécessite une puissance de calcul significative, ce qui peut conduire à une évaluation de nouveaux investissements ou des dépenses pour l’organisation.

Quelles superbes réponses! Merci George Deals, vice-président des demandes de soins de santé dans Insideal Insight, André Castro, directeur, Secure IA Products in Protegrity, Only Goldsmith, président de Teno, Saji Rajasekharan, directeur de la technologie en chef à Suvajit Gupt, Cotivit, Inc., Inc. Scientifique chez Leantaas, Anup Panthaloor, vice-président exécutif des plans de santé et des services de santé à FirstSource, Matt Flath, vice-président de la gestion des actifs dans les actions d’Onyx, et Shaji Nair, fondateur et PDG de Frisko AI pour avoir pris le temps de nous présenter! Et merci à tous d’avoir pris votre temps de jour et de lire cet article! Nous ne pourrions pas le faire sans votre soutien.

Quels défis font-ils Toi Pensez-vous que les organisations de santé sont confrontées à leurs infrastructures informatiques existantes lors de l’intégration de l’IA? Comme Toi Pensez-vous que ces défis peuvent être atténués? Faites-nous savoir les médias sociaux, nous aimerions vous entendre tous!