Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework
本研究开发并初步评估了一个用于评估医疗机构企业级人工智能就绪情况的五维度调查框架，结果发现，尽管领导力和治理能力相对较强，但劳动力与临床集成仍是关键差距，这些差距显著影响着实施的成功与组织价值的实现。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
医院和医疗系统正越来越多地转向人工智能，这是计算机科学的一个分支，使机器能够从数据中学习并做出决策。这些工具有望帮助医生更快地诊断疾病、更高效地管理医院资源，并减轻工作人员的行政负担。然而，仅仅购买或测试一个新的软件程序并不意味着医院已经准备好在其整个运营中有效地使用它。拥有技术与拥有安全、公平且大规模使用该技术的组织能力之间存在显著差异。正如一辆汽车不仅需要发动机，还需要驾驶员、燃料、道路和交通规则才能运行一样，人工智能系统也需要一个支持性的环境才能取得成功。如果没有正确的领导力、数据质量、经过培训的员工和明确的规则，即使是最先进的工具也可能失败或造成伤害。
加州州立大学的阿杰马尔·阿米尼（Ajmal Aminee）最近的一项研究探讨了这一差距，开发了一种衡量“企业级人工智能就绪度”的新方法。研究人员并没有计算一家医院启动了多少个人工智能项目，而是要求领导者评估其组织在五个特定领域的整体准备情况。该研究调查了来自医院、医疗中心和技术公司的 150 位领导者，随后对其中的 28 位进行了深入访谈。其目标是确定医院在这些领域的就绪程度是否实际上与其人工智能的实施效果、扩展使用的难易程度以及是否能看到实际收益相关联。研究结果表明，虽然许多组织在策略和治理方面表现出色，但在培训员工和将这些工具整合到日常患者护理中的实际工作中往往面临困难。
研究人员基于五个相互关联的就绪度支柱构建了一个框架。第一个是领导力和战略，考察高管是否拥有清晰的计划和引导人工智能工作的知识。第二个是数据、技术和基础设施，检查医院是否拥有干净、可访问的数据以及运行这些工具所需的计算机系统。第三个支柱是劳动力和组织就绪度，侧重于医生、护士和行政人员是否理解这项技术并感到准备好使用它。第四个领域是治理、安全和负责任的人工智能，检查组织是否有规则来保护患者隐私、防止偏见并确保问责制。最后一个支柱是临床集成与评估，衡量工具是否能平滑地融入患者的工作流程，以及医院是否能够追踪其是否确实改善了预后。
当研究人员分析调查响应时，他们发现就绪度在五个领域中的分布并不均匀。领导力和战略就绪度的得分最高，平均分为 3.89（总分 5 分）。这表明医院高管普遍意识到了人工智能的重要性，并已开始制定策略。治理和安全方面的得分也相对较高，为 3.71，表明许多组织已经建立了监督这些技术的委员会和政策。然而，在更具实践性的实施方面，得分显著下降。劳动力就绪度的平均分为 3.34，而临床集成与评估得分最低，为 3.29。这种模式揭示了一个共同趋势：医院擅长规划和制定规则，但在培训员工以及将这些工具编织进复杂的实时患者护理流程方面准备不足。
研究还调查了这些就绪度得分是否对实际成功有意义。数据显示，整体就绪度与三个关键成果之间存在强关联：人工智能实施的成功程度、将其扩展到其他部门的难易程度，以及组织是否觉得获得了真正的价值。在所有五个领域得分较高的组织，在部署这些工具和扩大规模方面报告了更大的成功。具体而言，领导力和战略就绪度与实施成功之间的独立联系最强，紧随其后的是将工具集成到临床工作流中的能力。这表明，拥有高层的清晰愿景至关重要，但仅靠愿景是不够的；工具必须也能被一线人员所使用。
为了更好地理解这些数字，研究人员与参与调查的领导者进行了交谈。访谈证实了调查结果，但也增加了重要的背景信息。许多领导者承认，尽管他们拥有宏大的战略和正式的委员会，但日常现实往往更加困难。他们描述了碎片化的数据系统无法相互通信、缺乏针对性员工培训以及让新工具适应现有患者常规而不产生干扰的困难。一位领导者指出，从小型试点项目转向全规模系统需要的不仅仅是证明技术有效，还需要可靠的数据、明确的所有权和持续的支持。另一位领导者指出，治理往往止步于审批阶段，对于部署后的工具监控或对人员绩效的问责关注较少。
研究得出结论，成为“人工智能就绪”不是一个单一的事件，而是一个构建和对齐能力的持续过程。医院仅仅采用一项新技术是不够的；它还必须确保其员工经过培训、数据是干净的、规则得到执行，并且工作流程得到了调整。研究表明，许多医疗机构目前在战略和治理方面处于领先地位，但在使人工智能在实践中发挥作用所需的人力和运营工作方面则相对滞后。虽然该研究提供了一个识别这些差距的有用框架，但作者提醒说，结果是基于自我报告的感知，需要随着时间的推移进行进一步测试。尽管如此，研究结果为医疗保健领导者提供了一个明确的信息：要实现人工智能的全部潜力，他们必须超越技术本身，专注于建立一个具有支持性、能力和集成性的组织。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。