AI大数据筛选最佳乳腺肿瘤专家?

AI

患者和家属总希望找到最棒、最擅长自己疾病诊疗的医生专家。这是一个非常纠结,而且具有挑战的问题。这也是看病难的核心之一(美国医学院谏言解决看病贵难题)。全世界患者都一样。

把这个问题上升到理性和合理化水平。的确,除了经验和年龄区别之外,医生彼此之间的知识水平和治疗质量千差万别。你是患者,你愿意赶上一位“手潮”的医生开刀吗?

一家AI大数据公司Grand Rounds发现了此刚性需求,认真设计出来了用AI大数据帮助病人找到合适医生,或最好医生,或至少接近最好的医生。上周在福布斯医疗健康年会上,他们展示了最新研究成果。

出色的医生永远相对不足(数量不多)而患者的需求也永远是无序、凌乱,甚至瞬息万变的。

该项技术是通过精心梳理各专科医生的数据——包括所有事情,从候诊室等待时间开始,直到为病人匹配最合适的医生等。

技术人员基于所有公开可用和专有数据计算机模型,包括来自保险公司各类保险和补偿支付数据,也包括各种医疗服务机构从属关系(多点行医),专业委员会团体认证(会员),学术出版物专业文章发表等,以及医生各种形式的处罚。

上述数据汇集在一起,仍不能说明该医生诊治患者或某个疾病的水平如何如何。但能够给出一位医生执业行为的客观“画像”。

此医生如何接受专业教育、职业培训、学术交流水平,与哪些同行医生有业务往来,甚至包括疾病诊治处方和治疗基本状况等等。

例如,在诊治乳腺癌肿瘤患者流程中,好的、有经验的医生越来越多地采用基因组测序癌症生物标志物以辅助治疗。而在心脏病临床诊疗方面,恰恰相反,如果医生过度用许多基因检测,反映出该医生临床技能和经验不足或过度依靠那些不确定的临检试剂盒。

下面的名单就是利用AI大数据遴选出来美国在乳腺癌肿瘤方面最佳的27位医生及他们的主要就诊机构。这是一种机器学习算法的结果,是客观和循证可验证的。

1.png

全美最佳27位乳腺癌临床医生

诸如AI 和智能机器人学习或人工智能的方法,类似于从人难以评估的“黑匣子”中测算出来一个未知结果,不可能没有偏差或误差。至于怀疑其机理似乎就没有必要了,因为输入的数据是客观的,AI算法也是公认的。

换句话说,AI大数据计算本身不会“骗人”,如果原始数据有误,出现误差或偏差也在所难免。

类似这样筛选最佳医生,至少给我们一些启发,甚至可以肯定很有可能延伸出一些具有商业价值的有偿服务。帮助和辅助家庭或全科医生专科转诊,帮助患者找最恰当的医生等等。

找医生难、找好医生;找到诊治自己疾病的最佳医生难上加难。不是吗?或许你没得过难病。