我们都意识到，人工智能和机器学习的浪潮正在重新定义未来的医疗保健目标。
我们问了几个关于人口健康的问题。未来五年人口健康状况如何?健康数据会影响整个疾病研究吗?我们怎么去那里?
美国的医疗保健很复杂。更重要的是，随着PHM将传统的以医院为中心的方法转变为现代护理，复杂性也在增加。
它还需要用更少的资源实现更有效的结果。在一个以急性护理为导向的行业，这不是一份容易的工作。那么，在这个不断发展的环境中，组织如何才能触发质量改进和成本降低呢?
我们现在在哪里
人口健康管理结束了患有多个资源 - 医生办公室，医院，临床和现代护理工具的患者健康数据的聚合，分析数据进入可操作的洞察力，并制定了实现临床和金融成果的知情卫生决策。
PHM中应用的传统方法是一个闭环过程，它将来自不同来源的大数据汇集在一起，检查和更新护理决策，分析结果，并创建新的健康目标。
然而,闭环分析医疗一直是复杂的。人口健康管理需要准确的数据和工作流系统的集成视图-电子病历、临床报告、实践管理和护理支持。
这些系统由遗留框架进行，这些框架具有挑战来互操作。目前的分析方法具有显着的断点和局限性，限制了患者完全健康之旅的透明度。
应用新的算法，看到大局，发现洞察力和跨组织的一致部署——这些是一些核心的好处AI-driven解决方案．一个区域AI将产生巨大影响人口健康管理．人工智能可以从对人口健康计划至关重要的复杂数据集(大多未开发)中获得可操作的见解。它比传统的卫生工具更好地预见了未见的模式，揭示了新的预测，分析了趋势。
“人工智能可以改变世界的方方面面人口健康管理解决方案但要获得最佳结果，研究人员必须了解要选择哪些数据，用于比较的数据以及如何正确使用该系统以在您做出正确的决定之前分析数据，“
- Frost & Sullivan公司的harpreet Singh Buttar。
人工智能的功能
在我们申请AI以解决人口健康挑战之前，必须了解传统分析未命中的隐藏模式的能力至关重要。
- 发现：AI使用EMR.记录，患者生成的数据，财务数据和社会经济数据，以检测模式并发现一组共享类似健康特征的患者。
- 预测:分析临床和非临床、医院和卫生系统的数据，以更好的准确性预测患者未来的健康状况。
- 理由：回答每个健康发现，预测和建立患者患者的治疗史的所有健康发现，预测和行动的所有“WHYS”。
- 行动:增强人类决策的可操作性见解，影响人口参与、饮食习惯和公共卫生项目。
- 学习：学习改善预测，因为AI分析了越来越多的复杂数据集，重点是准确的健康干预和患者参与。
人工智能将如何升级患者监控?
根据耶鲁大学领导的一项研究，五分之一的医保患者可能会在出院后30天内再次住院。
大约14%到27%的急诊室就诊是非紧急症状，这意味着他们可以通过常规的医生就诊来发现或治疗。
如果患者和提供者共享及时信息，则可以避免这些紧急访问中的许多紧急访问。远程健康一直努力解决这一挑战。有效跟踪重要症状和其他生物标志物，很容易消除不必要的医院入院和紧急访问。
但遗留系统等障碍，互操作性不兼容，隐私要求，安全挑战阻碍患者管理。他们需要配备AI，使遥理成为成功的选择。
人工智能目前正在解决的一些问题包括提高再入院率、缩短住院时间、改善卫生干预措施以及降低患者风险。今天，医院让病人出院的不仅仅是一袋药片，还有技术。
医疗保健组织正在使用机器学习来实现一个病人监控程序。在心力衰竭或糖尿病患者出院时，医院会向他们提供平板电脑，将他们的健康信息传递给医院。该设备在家中及时监测血压、氧气和体重水平，以及患者的疾病症状。
此数据将进一步预测患者在急诊室中的患者的健康，以便提供商可以在日常访问期间或通过电话进行干预。
- AI将转换患者提供者的关系。AI不会取代医生，但将使他们能够优先决定。患者负责他们的健康，自我护理和生活方式选择。
- 交互式人工智能能够理解对话文本，综合学习到的信息，通过电话文本向患者提供咨询。
- 人工智能提醒患者可能导致哮喘和高花粉计数的特定环境条件。
- 使用语音转文字技术，帮助患者实时回答常规体检问题。
- AI可穿戴设备使用生物识别设备和与患者历史集成的移动设备提供了建议和提醒患糖尿病或心脏患者的患者，并服用药物。
人工智能将如何造福公共卫生项目?
根据疾病预防控制中心的数据，美国每年约有260万人死亡，其中约三分之一的死亡是可以避免的人口健康策略．
由于积极的公共健康意识项目，与癌症、糖尿病、心脏病、呼吸系统疾病和中风相关的死亡人数大幅减少。通过戒烟运动说服民众戒烟花费了4800万美元。这场运动的广泛影响使它成为一件昂贵的事情。
人工智能和机器学习可以帮助确定具体的人口统计或地区，并恰恰使用教育和治疗方案来定位健康问题。
人工智能帮助卫生专家进行详尽、实时的数据审查，并确定面临疾病风险的人群。
可以从ai中受益的医疗保健中的一个部门是阿片类药物成瘾。阿片类成瘾在美国造成42,000多人，这就是为什么药物过度被认为是流行病的原因。每天，在毒品过量后，国家的115人死亡。
有了这样一个惊人的数字，人工智能可以帮助确定出现主要药物滥用和误用的县、州和地区。公共教育项目可以更好地针对那些服药过量率较高的特定地区。
案例研究-
2016年，印第安纳州约有1500人死于阿片类药物成瘾。为了遏制这一问题，印第安纳州管理绩效中心(Indiana Management Performance Hub)利用人工智能和机器学习创建了hc1阿片类药物仪表板(阿片类药物仪表板)，以获得全州阿片类药物使用趋势的实时洞察。
- 仪表盘从政府测试数据库、诊断实验室和病人的病史中收集了数十亿个匿名实验室测试结果。
- 它组织和分析数据，以确定药物阳性水平到邮政编码水平。
- 将卫生运动重新导向受影响的地点。
这使得政府能够在危机爆发前针对最需要的地方实施卫生计划。印第安纳州官员在这一过程中确定了导致这一问题的关键因素，包括医生过度开药、滥用药物者寻求心理帮助、非法交易和药物的可获得性。
人工智能支持的处方药监测项目帮助减少了基于病史的不必要处方，以应对广泛的药物流行。
人工智能将如何减轻电子病历的使用负担?
电子健康记录是一个病人健康数据的金矿，但提取和准确分析这些数据一直是一个重大的障碍人口健康管理．
这种丰富的信息都带来了MishMash的数据格式，不完整的细节，结构化和非结构化记录，这使得专家们难以整合临床决策提供者的预测机制。
许多EHR分析工具提供疾病预测，如中风或抑郁症，但当您做一点研究时，您会发现该工具正在预测与疾病相关的账单代码。EHR与预测分析有结束。
是时候为组织使用AI的深度学习技术，以改善预测挑战并确定无关数据集之间的连接。任务在入门级以统一的临床文档开始。
语音识别和自然语言处理有助于改善手动临床文档工作量。人工智能将有助于处理常规临床遭遇，药物补充和实验室结果通知。
基于AI和ML的EHR EMR系统使医生和护士能够：
- 指示观察结果，而不是手动添加它们，这使得提供数据更快
- 获得有意义的见解，以便立即开出药方或提出建议。
- 在提示治疗或药物治疗时获得通知以考虑。例如，如果患者对基于遗传概况的一些药物感到不舒服，则AI和ML将推荐更合适的药物。
著名的EHR供应商Allscripts已经与微软合作开发了Avenel，这是一款具有创造性的人工智能技术基于云计算的电子健康档案．这种移动优先的电子病历将使用机器学习使临床记录更快。通过滑动和点击导航，书写笔记对临床医生来说将是真正有效的。
EclinicalWorks正在部署一个新的EHR，将具有不同的语音交互面板，机器学习和远程医疗引起的决策支持。
对现实的炒作:人工智能如何帮助你的医疗保健业务?
无论你是在处理账单代码还是开发新的药物疗法，人工智能都在医疗保健行业的每个角落产生影响。
它将如何帮助您的业务？寻找AI解决方案 -
- 连接多个数据集之间的桥梁
- 提高临床受益
- 改善病人的生活
- 超越EHR
- 使卫生变得容易获得和负担得起
通过呈现新的模式，人工智能可以帮助您的企业设计健康干预措施和健康项目，以吸引患者亚群。从不同的数据集对患者健康的全面理解将有助于创建针对特定人口的新的临床路径。
目前PHM环境的局限性可以通过人工智能的进步来解决，人工智能将允许提供者管理更多人的健康，并每次改善一个病人的健康。
