生成式人工智能将改变医疗保健

人工智能
在过去一年中,基础模型、大语言模型(LLM)和生成人工智能(AI)吸引了提供商、生物制药企业、支付方和投资者的注意力,它们被承诺使医疗保健服务更高效、更创新、更有效。传统的分析式人工智能已在医疗保健领域使用多年,而生成式人工智能的特点是能够创建新内容、总结和翻译现有内容,并最终实现推理和计划。

生成式人工智能确实在医疗保健领域发挥着重要作用,它的应用为医疗行业带来了许多变革。人工智能能够利用大数据分析、模式识别和预测分析来改善医疗保健服务的质量和效率。

  • 生成式人工智能有望显著提高生产力,改善患者和提供者的体验,并最终带来更好的临床结果。
  • 该技术可以降低管理成本,加速生物医学研究和药物开发,改善索赔管理,并帮助开发下一代诊断设备。
  • 大型科技企业正在与医疗保健组织合作,应用生成式人工智能,投资者也在围绕该工具建立的新兴企业中部署资金。
  • 投资者需要考虑生成式人工智能对投资组合企业和新投资的颠覆性潜力,并寻找利用该技术的机会。

在过去一年中,基础模型、大语言模型(LLM)和生成人工智能(AI)吸引了提供商、生物制药企业、支付方和投资者的注意力,它们被承诺使医疗保健服务更高效、更创新、更有效。传统的分析式人工智能已在医疗保健领域使用多年,而生成式人工智能的特点是能够创建新内容、总结和翻译现有内容,并最终实现推理和计划。

该技术在许多用例中都有潜力,包括:

对于医疗服务提供者和医疗服务提供者来说,它有望减少记录病人就诊和报销相关沟通的时间,这将减少临床医生的倦怠,降低管理成本。事实上,许多企业正在通过与科技企业合作来寻求这些机会,部分原因是患者可能已经在改变自己的行为,使用现成的工具来理解并告知他们与临床医生的互动。

在生物医学研究和药物开发中,生成式人工智能正在加速创新。例如,长期以来,保险企业和其他支付方一直在数据分析、索赔管理自动化和裁决、质量和风险管理方面使用人工智能。现在,他们正在为会员导航实施生成式人工智能。

与此同时,医疗科技企业正将投资重点放在下一代诊断设备上,以通过人工智能硬件、具有人工智能系统的手术机器人或智能远程监控设备来检测疾病。例如,飞利浦正在与亚马逊网络服务合作开发生成式人工智能,以推进该企业的PACS图像处理并增强放射学工作流程,作为其在诊断和治疗、互联护理和个人健康方面更广泛的人工智能努力的一部分。

随着基础模型、计算机视觉和其他领域的不断成熟,所有类型的医疗保健组织都将找到机会应用生成式人工智能来支持整个价值链的运营,例如供应链管理和后台活动。

最终,生成式人工智能可能会重塑医疗机构的核心功能领域,为投资者提供服务不断变化的市场并调整现有投资组合企业运营的机会。

投资的初级阶段

科技企业正在与主要医疗保健组织合作应用生成式人工智能工具。例如,微软和Epic联手减少临床医生记录或回复患者消息的时间。谷歌正在与拜耳合作,以多种语言自动起草临床试验通讯,并与iCad合作,将人工智能工具集成到该企业的设备中以检测乳腺癌。IBM正在与微软Azure合作,分析复杂的医疗记录。最终,医疗保健信息技术供应商站在使用生成式人工智能的最前沿,将该技术与其广泛的提供商和用户网络结合起来。

在投资者中,风险投资和成长型股权基金一直在向以生成人工智能为核心能力的企业配置资金。成熟的私募股权(PE)支持的企业在投资LLM,以推动各个领域的运营改进,包括提高临床医生或患者的参与度,降低成本结构。

对投资组合企业和新投资的影响

为了领先于这一快速发展的技术,私募股权投资者必须仔细考虑生成式人工智能对其投资组合企业的影响。首先,他们需要评估其投资组合企业市场,对生成性人工智能颠覆的暴露程度,同时关注任何潜在威胁或机遇的规模和时机。可以使用一个衡量颠覆风险的框架,该框架评估了劳动强度、执行任务所需的知识水平、与人类互动的类型和频率,以及增强模式识别的价值,以及其他变量。

以下是价值主张核心要素的企业面临更大的风险:
  • 创意内容生成、劳动密集型管理流程
  • 呼叫中心工作
  • 文本编写和摘要

例如,使用低技能劳动力为医疗索赔和拒绝进行沟通的业务流程外包商,可能是生成式人工智能可以自动化或加速流程的地方。另一方面,在依赖专家指导的医疗保健企业中,该技术带来的干扰风险较小,但可能被视为民主化访问和提高质量的机会。

在投资组合企业部署生成式人工智能时,投资者应制定包含三个关键要素的重点战略:
  • 确定利用可用的生成式人工智能工具的机会
  • 考虑构建专有的生成式人工智能软件,有机会建立竞争优势
  • 定义生成式人工智能治理以确保其正确使用,例如更新策略和数据安全。

同样,作为尽职调查和价值创造规划的一部分,投资者应考虑生成式人工智能对新投资交易主题的影响,确定生成式人工智能的颠覆风险以及生成式人工智能释放价值的潜力。

生成式人工智能的长期潜力

鉴于患者情况的复杂性和独特性,医疗保健领域的大部分工作都需要人力和判断力。即使是需要较少自由裁量权的领域,例如编码、图表和注册表提取,由于可用于训练算法的数据集相对较小,人工智能模型的影响也有限。这些努力和早期用例有可能引发强大的劳动效率收益,可以解决组织的财务压力,改善患者和提供者的体验,并导致更好的临床结果。

预计明年将在精选和重点用例方面取得进展。从长远来看,生成式人工智能对医疗保健影响的广度和深度很可能会在工作流程、应用和工作方式方面产生变革。考虑到生成式人工智能对其现有投资组合企业和新投资的影响的投资者,将能够利用这一技术变革产生回报并加速医疗保健行业的转型。

责任编辑:姜华 来源: 千家网
相关推荐

2024-03-20 15:18:00

人工智能医疗保健AI

2019-10-16 14:13:23

人工智能医疗机器人

2020-04-29 09:41:48

人工智能医疗保健技术

2021-05-07 17:49:21

人工智能医疗机器人

2022-06-29 11:32:22

人工智能AI 算法

2022-07-18 10:23:38

数据科学人工智能医疗保健

2023-05-11 16:09:08

人工智能医疗保健

2021-06-10 10:13:39

医疗保健人工智能AI

2022-09-09 11:29:27

人工智能医疗保健

2023-06-07 11:11:43

2020-05-12 11:05:08

人工智能数据医疗

2023-01-03 11:06:24

2022-08-03 15:22:26

人工智能医疗保健

2022-04-22 13:35:56

人工智能数字医疗医疗保健

2023-08-15 11:13:17

人工智能医疗保健

2021-11-04 14:28:53

人工智能AI深度学习

2021-06-28 11:37:20

人工智能AI医疗保健

2022-11-28 10:32:46

AI人口统计机器学习

2023-07-04 06:44:37

人工智能联络中心云平台

2022-10-31 15:06:37

人工智能医疗
点赞
收藏

51CTO技术栈公众号