该技术解决了构建有效数据生态系统的挑战。
人工智能，尤其是生成式人工智能，作为在医疗保健行业开发强大数据生态系统的解决方案，正在获得认可。
2024年3月25日，安永东盟生命科学和医疗保健行业负责人Abhay Bangi在新加坡举行的亚洲医疗保健峰会上发表讲话时表示：“Gen AI和AI为玩家提供了比五年前更快、更好的数据管理能力。
Bangi指出，在构建有效的数据生态系统时，这些技术在解决过时的遗留系统、互操作性问题和严格的合规要求等挑战方面发挥着重要作用。
同时，构建数据生态系统需要仔细考虑不同的因素，包括数据采集、存储、标准化和加密。
“每个人都知道快速医疗保健互操作性资源（FHIR）标准是用于数据共享的标准，但经常被忽视的是数据标准化，”Bangi说。
他强调，所有主数据都应与特定标准保持一致，并且必须投资于数据工程计划。“否则，’垃圾进，垃圾出’的陈词滥调也会在你的场景中发挥作用，这很容易避免，这是我们推荐的，”他说。
长期投资不足
尽管人工智能日益普及，但医疗保健行业对信息技术 （IT） 平台和数据基础设施的投资长期不足。
“我认为这很大程度上与过去的借口有关，即无法规避这些挑战，但我认为也有很大的认可，”Bangi说。
还值得一提的是，医疗保健组织正处于采用技术的不同阶段。“一方面，升级核心系统以捕获正确数据的参与者也投资了临床数据仓库，现在他们正在投资计算能力，”他说。
与此相一致，他提到了新加坡的一些卫生机构如何开发数据基础设施，为临床医生提供提供预测智能的服务。
“另一方面，有些玩家仍在尝试将他们的患者记录数字化，”Bangi指出。
大型语言模型
根据安永东盟专家的说法，个性化数据的能力需要使用大型语言模型。“将其与基因组学数据相结合，我们看看是否有可能不仅个性化，而且作为副驾驶，为医生提供诊断复杂疾病的可能性，”他说。
Bangi还指出，GenAI可以通过将语音转换为文本来提高数据利用率，这些文本可以转录并直接集成到电子病历（EMR）中，并可能与其他系统集成。
“获得的生产力非常高，我们通常会看到医疗保健参与者和临床医生都非常感兴趣，因为归根结底，这不会干扰他们的决策，”他说。
“这使他们能够通过减少行政任务来做出决策，使他们能够更多地关注患者，”他补充道。
他举例说，谷歌在一年两次的检查中讨论了如何使用他们的大型语言模型来提高临床医生的工作效率。
“我认为你在这里看到了一个主题，这个主题是，今天，人工智能更多地用于效率，而不是临床决策，”Bangi说。
