คุณพลาดเซสชั่นจาก Future of Work Summit หรือไม่? ตรงไปที่ของเรา Future of Work Summit ห้องสมุดออนดีมานด์ สตรีม.
ในการดูแลสุขภาพ กระบวนการรับประกันการรับประกันภัยและการวิเคราะห์การเคลมสามารถทำได้ทั้งที่ใช้แรงงานจำนวนมากและมีโอกาสเกิดข้อผิดพลาดได้ง่าย ผู้ปรับการเรียกร้องและผู้จัดการการจัดจำหน่ายมักจะต้องอ่านและแยกวิเคราะห์เอกสารหลายร้อยฉบับต่อกรณีอย่างละเอียด ในแต่ละปี ตลาดประกันภัยลงทุนมากกว่า 3 พันล้านดอลลาร์ในชั่วโมงการทำงานที่ทุ่มเทให้กับการจัดเรียงและสรุปเวชระเบียนเท่านั้น
สถาบันสุขภาพแห่งชาติสหรัฐอเมริกาปี 2006 ศึกษา ระบุความท้าทายที่สำคัญหลายประการในการวิจัยเวชระเบียน รวมถึงการประเมินคุณภาพของข้อมูลและการรวมข้อมูลจากบริษัทที่มีระบบการเข้ารหัสที่แตกต่างกัน (การเข้ารหัสทางการแพทย์เกี่ยวข้องกับการดึงข้อมูลที่เรียกเก็บเงินได้จากเวชระเบียนและเอกสารประกอบทางคลินิก) แต่ AI — โดยเฉพาะการประมวลผลภาษาธรรมชาติ (NLP) ซึ่งเป็นสาขาย่อยของ AI ที่เกี่ยวข้องกับข้อมูลภาษา — สามารถเสนอวิธีแก้ปัญหาในความสามารถในการอ่าน สรุป และวิเคราะห์ข้อความที่ไม่มีโครงสร้าง รวมทั้งรายการเวชระเบียน
หนึ่งในผู้ขายหลายรายที่เสนอแพลตฟอร์ม AI สำหรับการวิเคราะห์เวชระเบียนคือ นกฮูกดิจิตอลซึ่งประกาศในวันนี้ว่าได้ระดมทุน 20 ล้านดอลลาร์ในซีรีส์ A จาก Insight Partners DigitalOwl ซึ่งตั้งอยู่ในเมืองพอร์ตแลนด์ รัฐเมน อ้างว่าซอฟต์แวร์ของตนสามารถช่วยบริษัทประกัน ประกันภัยต่อ และทนายความในการต่อสู้กับการฉ้อโกง จัดทำแผนประกันสุขภาพ ดำเนินการเรียกร้อง และสร้างคดีทางกฎหมายที่เข้มงวดยิ่งขึ้น
วิเคราะห์เวชระเบียน
ตลาดทั่วโลกสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ในการดูแลสุขภาพมีมูลค่า 16.87 พันล้านดอลลาร์ในปี 2017 และคาดว่าจะสูงถึง 67.82 พันล้านดอลลาร์ในปี 2025 ตามข้อมูลล่าสุด รายงาน จากการวิจัยตลาดพันธมิตร มันคือ เชื่อว่า การที่องค์กรด้านการดูแลสุขภาพใช้การวิเคราะห์ข้อมูลขนาดใหญ่อาจทำให้ค่าใช้จ่ายประจำปีลดลงมากกว่า 25% ในปีต่อ ๆ ไป การวินิจฉัยและการคาดการณ์โรคที่ดีขึ้น โดย AI และการวิเคราะห์สามารถนำไปสู่การลดต้นทุนได้ อัตราการกลับเข้ารับการรักษาในโรงพยาบาลท่ามกลางปัจจัยอื่น ๆ
DigitalOwl ซึ่งก่อตั้งขึ้นในปี 2018 โดยพี่น้อง Amit Man และ Yuval Man ใช้ประโยชน์จากเอ็นจิ้นที่เป็นกรรมสิทธิ์เพื่อดึงข้อมูลตั้งแต่หลายร้อยถึงหลายพันหน้าของเวชระเบียนอิเล็กทรอนิกส์ ข้อมูลจะถูกนำเสนอตามลำดับเวลา ทำให้ผู้ใช้สามารถค้นหาและกรองตามเงื่อนไข วันที่ ส่วนของร่างกาย ระบบของร่างกาย และผู้ให้บริการ ประวัติทั้งหมดอยู่ใน PDF — ทุกเงื่อนไข วันที่ และรายการสามารถคลิกได้ นำผู้ใช้ไปยังแหล่งข้อมูลในบันทึก
“ความจำเป็นในการวิเคราะห์เอกสารทางการแพทย์ได้ก้าวไปไกลกว่า NLP แบบดั้งเดิมแล้ว การตรวจจับหน่วยงานทางการแพทย์ไม่เพียงพอต่อการแก้ปัญหาให้กับลูกค้าของเรา จำเป็นต้องแยกการเล่าเรื่องออกจากคดี แยกประเด็นสำคัญออกจากเสียง ค้นหาความสัมพันธ์ และปรับให้เข้ากับความรู้ทางการแพทย์และการประกันภัย” แมนบอกกับ VentureBeat ทางอีเมล “ในขณะที่การระบาดใหญ่บีบให้พนักงานต้องทำงานจากระยะไกล บริษัทต่างๆ จึงต้องนำเทคโนโลยีใหม่ๆ มาใช้เร็วกว่าที่เคยเพื่อให้พนักงานมีประสิทธิผลในการทำงาน โดยทั่วไปแล้วสิ่งนี้ส่งผลดีต่อทัศนคติต่อเทคโนโลยีในรูปแบบธุรกิจดั้งเดิมบางอย่าง เช่น การประกันภัย”
ก่อนที่จะร่วมก่อตั้ง DigitalOwl Yuval Man เป็นส่วนหนึ่งของสำนักงานกฎหมาย EKT ของอิสราเอล Amit Man เป็นผู้นำกลุ่มอัลกอริทึมและกลุ่มเทคโนโลยีหลักที่ Briefcam ซึ่งเป็นการเริ่มต้นระบบคอมพิวเตอร์วิทัศน์ ก่อนที่จะก่อตั้งบริษัทชื่อ Takes และเข้าร่วมบริษัทอุปกรณ์ช่วยเหลือ OrCam
ด้วยการดึงข้อมูลทางการแพทย์จากบันทึกที่ส่งไปยังแพลตฟอร์ม พี่น้อง Man กล่าวว่า DigitalOwl สามารถให้ "สรุปที่เน้น" ของจุดข้อมูลด้วยระบบนำทางที่คล่องตัว สำหรับผู้ให้บริการรายหนึ่ง บริษัทอ้างว่าได้ระบุข้อเรียกร้องความทุพพลภาพโดยมิชอบด้วยกฎหมายมูลค่า 150,000 ดอลลาร์ อีกประการหนึ่ง DigitalOwl รายงานว่าประหยัดเงินได้ 270,000 เหรียญ
“โซลูชันเทคโนโลยี DigitalOwl ดึง … จุดข้อมูลทางการแพทย์ด้วยความแม่นยำสูงสุด รวมถึงมะเร็งทุกประเภท โรคหัวใจ อุบัติเหตุ ศัลยกรรมกระดูก เบาหวาน โรคข้ออักเสบ ความดันโลหิตสูง อาการบาดเจ็บที่สมอง และอื่นๆ อีกมากมาย” บริษัทเขียนบนเว็บไซต์ “เมื่อเร็ว ๆ นี้ DigitalOwl ได้บรรลุความสำเร็จครั้งสำคัญของบันทึกทางการแพทย์มากกว่า 30 ล้านหน้าที่ประมวลผลโดย [แพลตฟอร์มของเรา]”
DigitalOwl อ้างว่าให้บริการลูกค้า "หลายราย" ในอิสราเอล แคนาดา และสหรัฐอเมริกา รวมถึงผู้ให้บริการประกันภัย ผู้ดูแลระบบบุคคลที่สาม และบริษัทดึงข้อมูลบันทึก
ข้อเสียที่อาจเกิดขึ้น
เป็นที่น่าสังเกตว่าบริษัทประกันสุขภาพอยู่ในช่วงเริ่มต้นของการนำ AI มาใช้ ในการสำรวจตลาดประกันภัยของเยอรมนีในปี 2017 แมคคินซีย์พบว่า “บริษัทประกันสุขภาพเพียงไม่กี่ราย” ที่ใช้ประโยชน์จากเทคโนโลยีแมชชีนเลิร์นนิง เนื่องจากความไม่แน่นอนเกี่ยวกับกรณีการใช้งานจริง ช่องว่างในความเชี่ยวชาญด้านเทคโนโลยีภายในองค์กร และการขาดความโปร่งใสเกี่ยวกับข้อมูลที่มีอยู่ .
และสำหรับศักยภาพทั้งหมดของ NLP เทคโนโลยีอาจอ่อนไหวต่ออคติในชุดข้อมูลที่ใช้ในการ "สอน" เพื่อค้นหารูปแบบบางอย่างในเอกสาร ซึ่งรวมถึงเวชระเบียน การศึกษา ได้เปิดเผยหลายอย่าง อคติ ที่สามารถเกิดขึ้นได้ในบันทึกด้านสุขภาพ รวมถึงการกล่าวถึงผู้ป่วยผิวดำที่มีลักษณะ "เชิงลบ" และการเลือกปฏิบัติต่อผู้ที่เป็นโรคเซลล์เคียว เวชระเบียนยังมี ภาษาติเตียนซึ่งสามารถแสดงการอนุมัติ แต่ยังรวมถึงการไม่อนุมัติและแบบแผน
Tom Simonite แห่ง Wired ได้ชี้ให้เห็นในงานชิ้นล่าสุด ชุดข้อมูลแบบเบ้เป็นบรรทัดฐานในการวิจัยด้านสุขภาพ AI อันเนื่องมาจากความไม่เท่าเทียมกันในอดีตและต่อเนื่อง อา กระดาษสแตนฟอร์ดปี 2020 พบว่า 71% ของข้อมูลที่ใช้ในการศึกษาที่นำ AI มาใช้กับข้อมูลทางการแพทย์ของสหรัฐฯ มาจากผู้ป่วยในแคลิฟอร์เนีย แมสซาชูเซตส์ หรือนิวยอร์ก อื่น ศึกษาซึ่งเผยแพร่เมื่อปีที่แล้ว ได้ตรวจสอบระบบมากกว่า 150 ระบบโดยใช้ AI เพื่อทำนายการวินิจฉัยหรือหลักสูตรของโรค และพบว่าส่วนใหญ่ “มีความเสี่ยงสูงที่จะมีอคติ”
อุตสาหกรรมประกันภัยไม่มีภูมิคุ้มกัน A 2019 ศึกษา พบว่าอัลกอริธึมที่บริษัทประกันใช้เพื่อระบุว่าผู้ป่วยรายใดจะได้รับประโยชน์จากโปรแกรม "การจัดการดูแลที่มีความเสี่ยงสูง" ได้เลือกผู้ป่วยผิวดำน้อยกว่าผู้ป่วยผิวขาว ปฏิเสธไม่ให้ผู้ป่วยผิวดำเข้าถึงเจ้าหน้าที่พยาบาลที่ได้รับการฝึกอบรมมาเป็นพิเศษ และการเข้ารับการตรวจดูแลหลักเพิ่มเติมสำหรับการดูแลอย่างใกล้ชิด
"อัลกอริธึมการเรียนรู้ด้วยเครื่องมีศักยภาพในการปรับปรุงการรักษาพยาบาลโดยการคาดการณ์ผลลัพธ์ที่แตกต่างกันมากมายที่วัดได้ในบันทึกสุขภาพอิเล็กทรอนิกส์และให้การสนับสนุนการตัดสินใจทางคลินิกตามการคาดการณ์เหล่านี้" ผู้เขียนร่วม ของบทความปี 2018 เกี่ยวกับ AI bias ในการดูแลสุขภาพ เขียนไว้ใน JAMA Internal Medicine “อย่างไรก็ตาม ควรให้ความสนใจกับข้อมูลที่ใช้ในการผลิตอัลกอริธึมเหล่านี้ รวมถึงข้อมูลที่อาจขาดหายไปและใครบ้าง ความไม่เท่าเทียมกันในการดูแลสุขภาพที่มีอยู่ไม่ควรถูกขยายออกไปด้วยการพึ่งพาเครื่องจักรอย่างไร้ความคิดหรือมากเกินไป”
ในการตอบสนอง Man กล่าวว่าแบบจำลองของ DigitalOwl ได้รับการ "แกร่ง" เมื่อเวลาผ่านไปโดยการนำเข้าเอกสารทางการแพทย์ "นับสิบล้าน" ในการสอนแบบจำลองความสัมพันธ์ภายในเอกสาร แต่ละหน้าจะมีป้ายกำกับโดยทีมผู้เชี่ยวชาญ "ที่มีความรู้ด้านตรรกะทางธุรกิจด้านการดูแลสุขภาพและการประกันภัย"
“ด้วยความช่วยเหลือของโครงข่ายประสาทเทียม ความเข้าใจ การสรุป และแม้แต่การคาดการณ์ก็เป็นไปได้ มาตรฐานและการทำให้เป็นมาตรฐานของข้อมูลที่ไม่มีโครงสร้างมีความสำคัญเท่าเทียมกันสำหรับองค์กร ข้อมูลจากผู้ขายและผู้ให้บริการต่างๆ สามารถผสาน เปรียบเทียบ และใช้งานโดยระบบขององค์กรได้แล้ว” นายแมนกล่าวเสริม “ตามจริงแล้ว บริษัทต่างๆ ได้ลงทุนน้อยไปในด้านเหล่านี้ ในขณะที่มุ่งเน้นไปที่การขายและการบริการลูกค้าทางดิจิทัลเป็นเวลาหลายปี แต่ความท้าทายด้านพนักงาน 19 ประการ โควิด-XNUMX และต้นทุนที่เพิ่มขึ้นทำให้องค์กรเหล่านี้นำโซลูชันเทคโนโลยีมาใช้อย่างรวดเร็วกว่าที่เคยเป็นมา”
นอกเหนือจาก Ibex, Fusion LA, Menora Mivtachim และผู้ก่อตั้ง Mobileye Amnon Shashua อยู่ในกลุ่มพนักงาน 50 คนของ Digital Owl เป็นอันมาก. ปัจจุบันบริษัทมีพนักงานมากกว่า 40 คนในสำนักงานในอิสราเอลและสหรัฐอเมริกา การระดมทุนรอบล่าสุดทำให้ทุนทั้งหมดเพิ่มขึ้นเป็นกว่า 26 ล้านดอลลาร์
ภารกิจของ VentureBeat คือการเป็นจัตุรัสกลางเมืองดิจิทัลสำหรับผู้มีอำนาจตัดสินใจด้านเทคนิคเพื่อรับความรู้เกี่ยวกับเทคโนโลยีและการทำธุรกรรมขององค์กรที่เปลี่ยนแปลง เรียนรู้เพิ่มเติม
- 000
- 2019
- เกี่ยวกับเรา
- เข้า
- ตาม
- ข้าม
- AI
- AI อคติ
- วิจัยไอ
- ขั้นตอนวิธี
- อัลกอริทึม
- ทั้งหมด
- การอนุญาต
- ในหมู่
- การวิเคราะห์
- การวิเคราะห์
- ประกาศ
- ประจำปี
- บทความ
- ใช้ได้
- กำลัง
- ข้อมูลขนาดใหญ่
- พันล้าน
- Black
- ร่างกาย
- สร้าง
- ธุรกิจ
- แคลิฟอร์เนีย
- แคนาดา
- โรคมะเร็ง
- เมืองหลวง
- ซึ่ง
- ผู้ให้บริการ
- กรณี
- ความท้าทาย
- การเรียกร้อง
- ลูกค้า
- เอกสารทางคลินิก
- ใกล้ชิด
- การเข้ารหัส
- มา
- บริษัท
- บริษัท
- วิสัยทัศน์คอมพิวเตอร์
- สภาพ
- ค่าใช้จ่าย
- ได้
- Covid-19
- พืชผล
- บริการลูกค้า
- ลูกค้า
- ข้อมูล
- วิเคราะห์ข้อมูล
- เครื่อง
- โรคเบาหวาน
- ต่าง
- ดิจิตอล
- ผู้พิการ หรือ ผู้ซึ่งมีความบกพร่องทางร่างกาย สมองและจิตใจ
- การแบ่งแยก
- โรค
- เอกสาร
- การขับขี่
- ก่อน
- อีเมล
- พนักงาน
- Enterprise
- ความชำนาญ
- สารสกัดจาก
- ปัจจัย
- เร็วขึ้น
- บริษัท
- พบ
- ผู้สร้าง
- การหลอกลวง
- การระดมทุน
- รอบการระดมทุน
- อนาคต
- อนาคตของการทำงาน
- เหตุการณ์ที่
- บัญชีกลุ่ม
- หัว
- สุขภาพ
- การดูแลสุขภาพ
- การดูแลสุขภาพ
- ช่วย
- จุดสูง
- ประวัติ
- HTTPS
- ร้อย
- ความดันโลหิตสูง
- แยกแยะ
- ส่งผลกระทบ
- สำคัญ
- รวมทั้ง
- อุตสาหกรรม
- ข้อมูล
- Insight Partners
- ประกัน
- อุตสาหกรรมประกันภัย
- ผู้ประกันตน
- อิสราเอล
- ชาวอิสราเอล
- IT
- คีย์
- ความรู้
- ภาษา
- ล่าสุด
- กฏหมาย
- ทนายความ
- นำ
- การเรียนรู้
- นำ
- กฎหมาย
- ยกระดับ
- เรียนรู้เครื่อง
- เครื่อง
- เมน
- สำคัญ
- มนุษย์
- ตลาด
- การวิจัยทางการตลาด
- แมสซาชูเซต
- ทางการแพทย์
- ดูแลรักษาทางการแพทย์
- ยา
- กล่าวถึง
- ขั้น
- ล้าน
- Mobileye
- โมเดล
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- แห่งชาติ
- สถาบันสุขภาพแห่งชาติ
- ภาษาธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- การเดินเรือ
- เครือข่าย
- ประสาท
- เครือข่ายประสาทเทียม
- นิวยอร์ก
- NIH
- NLP
- สัญญาณรบกวน
- การพยาบาล
- เสนอ
- การเสนอ
- organizacja
- องค์กร
- เกี่ยวกับศัลยกรรมกระดูก
- อื่นๆ
- มิฉะนั้น
- การระบาดกระจายทั่ว
- พาร์ทเนอร์
- ผู้ป่วย
- รูปแบบไฟล์ PDF
- คน
- ชิ้น
- เวที
- พอร์ตแลนด์
- คำทำนาย
- การคาดการณ์
- กระบวนการ
- โปรแกรม
- ให้
- ผู้จัดหา
- คุณภาพ
- ยก
- ตั้งแต่
- ระเบียน
- บันทึก
- ความสัมพันธ์
- ความเชื่อมั่น
- การวิจัย
- คำตอบ
- เปิดเผย
- ความเสี่ยง
- ปัดเศษ
- กล่าวว่า
- ขาย
- ค้นหา
- เลือก
- ชุด
- ชุด A
- เงินทุนชุด A
- ซอฟต์แวร์
- โซลูชัน
- เฉพาะ
- สี่เหลี่ยม
- Stanford
- การเริ่มต้น
- การศึกษา
- ส่ง
- ประชุมสุดยอด
- สนับสนุน
- การสำรวจ
- ระบบ
- ระบบ
- วิชาการ
- เทคโนโลยี
- เทคโนโลยี
- ก้าวสู่อนาคต
- อนาคตของการทำงาน
- ที่มา
- ของบุคคลที่สาม
- เวลา
- ในวันนี้
- แบบดั้งเดิม
- ความโปร่งใส
- เรา
- การจัดจำหน่าย
- ผู้ใช้
- มูลค่า
- ผู้ขาย
- VentureBeat
- วิสัยทัศน์
- Website
- อะไร
- WHO
- ภายใน
- งาน
- คุ้มค่า
- ปี
- ปี