医疗资源严重紧张；拥有大量患者数据，但利用数据却很难；需要新的工具来减轻医务人员的工作量——这些都是人工智能可发挥作用的地方：人工智能可以瞬间处理大量患者数据，从而帮助决策。
有效利用患者数据，对医疗质量和资源管理非常重要。通过数字化提取数据信息，或使用人工智能建模，可充分激发患者数据的力量。
例如，利用分析患者数据的应用程序，可以预测病人患心力衰竭或中风的风险。继而用于患者筛选，或制定行动建议。评估风险的手段有多种，诸如基于人口调查的常规风险计算器，以及可从既有患者数据中学习的人工智能方法。
利用患者记录
很大一部分患者数据是以非结构化，即自由形式的文本存储在患者记录中。这些记录描述了患者的背景、症状和随时间的进展，以及患者接受的治疗。然而，这种信息丰富的自由文本很难利用，因为它的形式计算机难以理解，而它的内容，卫生和社会服务人员往往没有时间彻底阅读。
近年来，人工智能在自然语言处理（NLP）领域有了重大发展。ChatGPT就使公众注意到了该领域正在取得的巨大进展。
NLP模型的潜在用途，诸如在信息没有以结构化方式记录的情况下，找出患者的吸烟量。即使是这么简单的事情，也有许多不同的表达方式，很难用传统的算法计算。
AI的优势：灵活性
传统的风险计算器，在遇到与最初进行风险评估研究对象人群不同的人群时，可能会失灵。在某案例中，重症监护室中的患者，患所研究疾病的概率，比风险计算器预测的概率高得多。传统的风险计算器对输入值的要求也很高：即使缺少一个数据，风险也无法计算。这限制了其在自动处理患者数据方面的作用，因为医疗数据往往有缺口，并不完整。
基于人工智能的模型，其优势在于灵活性。该模型可以针对每个应用或数据集单独进行学习或微调。有了人工智能，在输入值方面有更多选择–可使用仅有的数据。实验中使用的人工智能模型，只使用了基本的患者数据和诊断代码，但仍然能够产生比传统风险计算器更好的结果。
另一方面，使用人工智能的挑战在于其可解释性和验证性，以及让医护人员和患者接受其使用。有了复杂的模型，任何结果的原因都会变得模糊不清，在开发模型时，须尽量保证模型和数据的准确性与公平性。
作为医疗保健一部分的人工智能
在我看来，在不久的将来，人工智能很可能成为医疗过程中的一个重要部分。在芬兰，Kanta平台服务的患者数据存储库拥有我们许多人的大量可用数据，但有效利用这些数据，还有许多工作要做。例如，用患者数据训练过的对话式人工智能模型，可以使审查患者病史的效率远远高于目前的水平。该领域的研究与新的需求，可以帮助确定存储库在数据方面发展的优先次序。
Atostek刚刚启动了一个研究项目，依据《健康和社会数据二次利用法》（552/2019），由芬兰社会和健康数据许可机构Findata发起。该研究使用Kanta平台患者数据存储库中化名后的患者数据，对诸如自动处理和风险计算等程序的适应性。
在我的硕士论文中，我使用一个名为MIMIC-III的美国重症监护数据库调查了患者数据对风险计算的适应性，该数据库包含了约5万名患者的综合数据。患者的数据包括患者的基本数据、检测结果、化验结果、诊断和手术的代码，以及文字记录。
雅內·托莫拉（Janne Tommola）
软件设计师
我于2019年开始在芬兰Atostek公司担任软件设计师。2022年底，我从坦佩雷科技大学毕业，获得了信息技术硕士学位。我参与过多类项目，从机器视觉、健康数据研究，到为通风系统的设计程序等，我尤其对设计新事物及人工智能带来的可能性感兴趣。
