Yale bieten Experten Strategien für den erfolgreichen klinischen AI-rollouts

Yale bieten Experten Strategien für den erfolgreichen klinischen AI-rollouts

Bei HIMSS20 März dieses Jahres, zwei ärzte von der Yale School of Medicine bieten, Ihre Sichtweise und Ratschläge für die sichere und wirksame Umsetzung der künstlichen Intelligenz-powered klinische Entscheidung zu unterstützen.

In Orlando, Dr. Wade L. Schulz, Direktor der informatik an der Yale School of Medicine und Dr. Harlan Krumholz, Kardiologe und Forscher an der Yale Universität und der Yale-New Haven Hospital, bietet eine übersicht über die veränderten regulatorischen Landschaft für AI-und machine-learning-algorithmen in der klinischen Einstellung – und deuten einige best practices für das Krankenhaus-Hoffnung zu nutzen, diese Technologien als die Regeln Sie zu entwickeln.

Decision support tools geändert werden, grundsätzlich durch die KI und ML, mit neue prädiktive algorithmen gebaut von real-world electronic health record und bildgebenden Daten die änderung der Rechnung, wie Pflege Entscheidungen getroffen werden.

Aber es gibt noch viel zu gebügelt werden, wenn es um die behördliche Aufsicht über diese sich schnell ändernden Technologien, mit Bundes-Agenturen wie FDA und FTC noch Honen Ihre Ansätze, um die Sicherheit und Wirksamkeit von Regeln.

In Ihrer Sitzung, Schulz und Krumholz geben einen überblick über verschiedene Ansätze für die KI und die klinische Entscheidung Unterstützung regs, und bieten spezifische Anwendungsfälle sagen Sie sind vielversprechend für eine erfolgreiche Umsetzung von predictive algorithmen, die in der Zwischenzeit als spezifische Regel-frameworks entwickelt.

Sie werden spotlight einige Einschränkungen von real-Welt-Daten zu beschreiben, die Anstrengungen zur Reduzierung bias und Fehler in der machine-learning-Modelle und schlagen Sie ein paar best practices für die Implementierung und die lokale Validierung dieser fortgeschrittenen-CDS-tools.

Es ist wichtig, um „sicherzustellen, dass wir qualitativ hochwertige Modelle, wenn wir schauen auf die Bereitstellung von algorithmen oder klinische Entscheidung Unterstützung, die Anbieter und Patienten-zugewandt“, sagte Schulz.

Er ist ein klinischer Pathologe, spezialisiert in der Transfusionsmedizin, aber die meiste Zeit in diesen Tagen wird damit verbracht, die Erforschung der computational healthcare-Raum, sagte er: „die Werkzeuge, die wir verwenden, um Daten zu gewinnen, Daten-integration, all das,“ wie advanced analytics, predictive-Modelle, neuronale Netzwerke und vieles mehr.

„Wir wollen nicht, um einen block zu Dinge, die neu und spannend und kann haben gute Ergebnisse. Wir haben gerade gesehen, zu viele Male Dinge, die schlecht gegangen, weil wir noch nicht genau angeschaut, die Dinge, die in Sie gehen.“

Dr. Wade L. Schulz, Yale School of Medicine

Während seiner Jahre als klinischer informaticist, Schulz sagt, dass er gesehen, viel von Anbietern pitch decision support-Produkte, die Sie sagen, kann helfen.

„Was ist schon eine wenig über mich ist wirklich die fehlende Validierung, dass geht in predictive modeling oder clinical decision support eine Menge Zeit“, sagte er.

„Die logische Folge für mich, eine Menge der Zeit, ist die klinische Seite – Labor“, fügte er hinzu. „Wenn ein Anbieter mit einer neuen Labor-test, der FDA-gelöscht oder genehmigt. Wenn ich jemanden kommen, der mit einem neuen Algorithmus, es ist wirklich nur ein test lab auf dem computer. So haben Sie ähnliche Fragen: ‚Haben Sie überprüfen die Qualität der Daten kommen, haben Sie überprüfen Sie Ihre verbindungen, um sicherzustellen, dass es die richtigen Patienten?‘

„Es gibt eine Menge von Schritten, die miteinander korrelieren sehr eng an dem, was wir bereits in das klinische Labor und das, was wir getan haben, für Jahrzehnte“, erklärte er. „Sie haben einfach noch nicht wirklich angewendet worden, die auf der informatik-Seite, und das ist oft, denn es gibt nichts um es zu vergleichen, es ist ein völlig neues Feld.“

Informierte Entscheidungen sicherer Bereitstellungen

Schulz sagt, sein Krumholz ist HIMSS20 Präsentation richtet sich teilweise an CIOs und CMIOs: „die Leute sind oft lagerten diese tools von Fremdfirmen.“

Oft betont er, „du hast Glück, wenn Sie sogar geprüft durch mehr als eine institution. Also, wenn Sie einen Verkäufer kommen, wie können Sie wirklich beurteilen, was Sie getan haben, um sicherzustellen, dass das Werkzeug sicher und effektiv in einer klinischen Einstellung für Sie? Was sind die Schritte, die Sie tun können, um zu helfen überprüfen Sie, dass Algorithmus?“

Der richtige Ansatz, natürlich, „anstatt zu sagen, dies ist eine wirklich glatt-tool, das ist beworben mit dem Ergebnis, integrieren wir es in unsere EHR nächste Woche und schieben Sie ihn zu ärzten, mal sehen, was es sieht aus wie für die Validierung und die immer wieder aus der klinischen Frontlinie, um sicherzustellen, dass es sicher und wirksam ist.“

Der Vortrag richtet sich auch an ein analytics-und data science-Publikum, sagte Schulz, und zielt darauf ab, bieten einige „details über diese analytischen Schritte, besonders wenn Sie den Aufbau Ihrer eigenen Algorithmus, anstatt etwas aus dem Regal bei einem Händler – was können Sie erstellen, damit Sie auf die Datei, die alle Daten zur Unterstützung der Validierung, und wenn Sie wollte, Sie konnte sich bewegen vorwärts für die regulatorischen Einreichung.“

Die Herausforderung im moment, so erklärte er, ist, dass für diese AI-powered CDS-tools, gibt es „derzeit keine regulatorischen Signalweg anderen als die 510(k) clearance, die ist nicht erforderlich. Also die Sorge ist, dass es ist wirklich nicht eine gute regulatorischen Weg gerade jetzt, also eine Menge von diesen algorithmen nur bereitstellen, ohne gesehen worden, die von den Regulierungsbehörden, welche Art von in Bezug auf.

„Sie kann nicht gehen mit der Annahme, dass ein Verkäufer oder eine Forscherin hat über diese Bemühungen“, fügte er hinzu. „So, als ärzte, als Verwalter dessen, was in der healthcare-IT, was können Sie tun, als ein CIO oder einer CMIO, obwohl Sie nicht notwendigerweise über einen Rechtsrahmen, um sicherzustellen, was Sie tun, ist sicher, bevor Sie es implementieren? Sie wollen in der Lage sein, diese zu erhalten bis schnell, aber Sie tun es sicher oder es wird zu noch viel mehr belastend ist, wenn medizinische Fehler passiert starten, weil dieser algorithmen.

Schulz betont, dass die Rede nicht zu sein, Neinsager dieser aufkommenden Technologien – nur, um eine Notiz von Vorsicht.

„Wir wollen nicht, um einen block zu Dinge, die neu und spannend und kann haben gute Ergebnisse“, sagte er. „Wir haben nur gesehen zu viele Male Dinge, die schlecht gegangen, weil wir noch nicht genau angeschaut, die Dinge, die in Sie gehen. Wir werden nicht unbedingt fangen alle Fehler, aber wenn wir denken können effiziente Weise zu fangen, die Mehrheit der Fehler, die Dinge verbessern sich für den Patienten ziemlich schnell.“

Schulz betont, dass die Rede nicht zu sein, Neinsager dieser aufkommenden Technologien – nur, um eine Notiz von Vorsicht.

„Wir wollen nicht, um einen block zu Dinge, die neu und spannend und kann haben gute Ergebnisse“, sagte er. „Wir haben nur gesehen zu viele Male Dinge, die schlecht gegangen, weil wir noch nicht genau angeschaut, die Dinge, die in Sie gehen. Wir werden nicht unbedingt fangen alle Fehler, aber wenn wir denken können effiziente Weise zu fangen, die Mehrheit der Fehler, die Dinge verbessern sich für den Patienten ziemlich schnell.“

Dr. Wade L. Schulz und Dr. Harlan Krumholz diskutieren über diese neuen Technologien in Ihre HIMSS20 Sitzung „Validierung und Behördliche Beaufsichtigung der Klinischen AI-Tools“. Es ist geplant für Dienstag, den 10. März von 10:30-11:30 Uhr im Raum W230A.

Schulz interviewt wurde für diese Geschichte von Jona Comstock.
 

Twitter: @MikeMiliardHITN
E-Mail der Autorin: [email protected]

Healthcare-IT-News ist eine Publikation der HIMSS Medien.