KI im Gesundheitswesen: Anwendung des Automatisierungsspektrums auf Unternehmen
In unserem neusten Beitrag Vinay Ramani, CPO von Pipedrive, diskutiert Präzision innerhalb der KI im Gesundheitswesen.
Da das KI-System von Google kürzlich demonstriert hat, dass es 26 Hauterkrankungen mit der gleichen Genauigkeit diagnostizieren kann wie von US-amerikanischen Dermatologen zertifizierte Dermatologen, wird zunehmend über das Potenzial von KI in der Automatisierung geredet. Die von dieser KI demonstrierten Fähigkeiten wurden in einem Artikel mit dem Titel „Ein Deep-Learning-System zur Differentialdiagnose von Hautkrankheiten“ und wurde mit großem Beifall aufgenommen. Trotzdem listen die British Skin Foundation und ihr amerikanisches Gegenstück häufige Hautkrankheiten auf, die näher an 70 liegen. Das bedeutet, dass das KI-System von Google zwar beeindruckend ist, aber nur 37 Prozent der häufigsten Hautkrankheiten erkennen kann. Daher könnten wir versucht sein zu fragen, was es daran hindert, alle Hauterkrankungen zu erkennen?
Ein guter Ausgangspunkt ist die Untersuchung von Präzision und Rückruf. Mit Präzision beziehen wir uns darauf, wie genau eine Maschine eine Vorhersage für eine bestimmte Frage treffen kann. Präzision ist nicht etwas, was Maschinen sofort oder von dem Moment an, in dem sie eingeschaltet werden, erreichen können; Es erfordert ein erhebliches Training, da es großen Datenmengen ausgesetzt ist. Nur durch diesen Prozess kann sich die KI dem Genauigkeitsgrad annähern, den wir von einem Menschen erwarten, und dies gilt nur für einen bestimmten Anwendungsfall. Es wird immer schwieriger, KI zu entwickeln, da die Anzahl der Anwendungsfälle, die sie erfüllen müssen, zunimmt. Um dies anhand eines Beispiels zu demonstrieren, schauen wir uns die KI von Google und ihre Präzision an. Diese KI ist zwar „auf Augenhöhe“ mit einem US-amerikanischen Dermatologen, aber nur in diesem einen spezifischen Anwendungsfall wertvoll. Im Gegensatz dazu kann Ihr durchschnittlicher Dermatologe wahrscheinlich eine Reihe anderer Aufgaben mit großer Genauigkeit ausführen. Eine KI zu entwickeln, die ihre Rolle im Moment vollständig erfüllen kann, ist technologisch zu herausfordernd. Mit zunehmender Anzahl von Anwendungsfällen steigt jedoch der Wiedererkennungswert einer KI, da sie über mehr Erfahrung verfügt, um Vorhersagen zu treffen und zu bewerten.
WEITERLESEN: NHS richtet KI-Labor ein, um die Gesundheitsversorgung zu verbessern
Mit diesen beiden unterschiedlichen Kriterien im Hinterkopf können wir nun damit beginnen, das „Automatisierungskontinuum“ zu betrachten. Automatisierung ist der Einsatz von Technologie, um es einer Maschine, einem Prozess oder einem System zu ermöglichen, Aktivitäten schneller, mit größerer Genauigkeit und ohne Vorurteile im Vergleich zu menschlichen Arbeitern auszuführen. In einfachen Beispielen ist die Automatisierung einfach eine Maschine, die vorgegebenen Regeln folgt, um einfache und wiederholbare Aufgaben zu erledigen. Zum Beispiel Roboter, die Workflow-Software verwenden, um Teile in bestimmten Fertigungsumgebungen zu bearbeiten, zu schweißen, zu lackieren und zu montieren.
Am anderen Ende des Spektrums, wo wir fortgeschrittenere Beispiele haben, kann die Automatisierung es Maschinen ermöglichen, menschliches Verhalten auf vielfältige Weise zu simulieren. In diesen fortgeschritteneren Anwendungsfällen kann sich die Automatisierung oft verbessern, wenn die zugrunde liegende KI lernt und sich anpasst, ohne dass ein menschliches Eingreifen erforderlich ist. Wir können dies beim Kassieren in Fast-Food-Restaurants und an Geldautomaten sehen, die einem Kunden helfen, ein Bankkonto zu eröffnen. Davon abgesehen sind jetzt sogar noch fortgeschrittenere Beispiele in der Lage, weniger vorhersehbare oder höherqualifizierte Aufgaben auszuführen, die die menschlichen Fähigkeiten erweitern und erweitern. Dadurch können Mitarbeiter von routinemäßigen Verwaltungsaufgaben entlastet und Zeit für wertschöpfende Aktivitäten gewonnen werden. Dies wird eine zentrale Rolle in Branchen wie Buchhaltung, Recht oder Finanzen wo sich wiederholende und zeitraubende Aufgaben andere Aktivitäten behindern.
Für diese fortgeschritteneren Anwendungsfälle ist künstliche Intelligenz ein wichtiger Treiber. KI und maschinelles Lernen sind die Technologien, die diese Fähigkeiten untermauern und Aufgaben erfüllen, die einst als exklusiv für Menschen galten. Dies liegt an der Tatsache, dass KI in der Lage ist, menschliche Sprache zu verstehen und mit ihr zu interagieren, Bilder zu interpretieren und abzugleichen, Muster in Daten zu erkennen, Empfehlungen abzugeben, Ergebnisse vorherzusagen und unabhängig aus Erfahrungen zu lernen. Darüber hinaus können sich diese KI-basierten Systeme durch die Kombination von Informationen aus einer Vielzahl von Eingaben auf der Grundlage früherer Erfolge und Misserfolge selbst anpassen.
Zusammenfassend hängt die Entscheidung, welches Ende des Automatisierungsspektrums für Ihren geschäftlichen Anwendungsfall am besten geeignet ist, von zwei Faktoren ab. Erstens, welche Eingaben Sie zur Verfügung haben, um sie in die KI einzugeben, und zweitens, was Ihre benötigte Ausgabe ist. Auf der grundlegenden Seite, wo die gewünschte Ausgabe einfach ist und es begrenzte Eingaben gibt, ist die Basisautomatisierung die beste Wahl. Für komplexere Ausgaben sind jedoch starke KI-Integrationen erforderlich. Wenn Sie also daran denken, Automatisierung oder KI am Arbeitsplatz einzuführen, sollten Sie sorgfältig überlegen, was das beste Ergebnis für Ihr Unternehmen erzielen wird.
