医疗保健机构如何为 AI 辅助合同管理准备数据

快速阅读: 据《商业内幕》最新报道，医疗公司正将AI用于后端流程，如合同管理。数据需结构化以支持AI分析，并考虑员工培训。AI可提升效率，但需正确准备数据并培训员工。

直到最近，医疗、制药和医疗技术公司主要将他们的AI投资集中在临床应用上。AI被用来帮助诊断乳腺癌，识别临床试验的潜在患者，并加快确定设备或新药是否有效或无效的过程。现在，医疗中心正在投资AI用于后端用途，例如加快合同生成、管理和审查。EncompaaS是一家帮助组织为实施AI工具准备数据的技术公司，其首席客户官大卫·戈尔德表示，为了有效利用AI，公司应对其数据进行结构化处理，以支持AI分析。医疗供应链专家告诉《商业内幕》，公司领导还应认识到，采用AI是一个持续的过程，需要投资于员工能力提升。

为有效的算法输入做好数据准备

戈尔德说，创建统一的数据集是任何希望构建大语言模型或部署有效聊天机器人的组织的重要步骤。他说，用于训练任何给定大语言模型（LLM）的数据必须准确分类或组织到数据库中。“结构化数据本质上是分类的，”戈尔德说。这包括已经存在于医疗系统数据库中的信息，如客户ID号码、诊断代码和耗材价格。但非结构化数据——如合同PDF文件——也需要正确处理，以便AI算法知道要提取哪些信息以及如何处理它们。

戈尔德说，由于不同供应商的合同没有统一的结构，如果想从特定表格中提取必要的数据，人们必须训练机器学习算法去寻找特定内容。想象一个PDF文件是一份合同。戈尔德告诉《商业内幕》：“AI软件只能告诉你它是一份文档，而无法告诉你它的具体内容，比如是否是合同、修订条款或通知。”“只有当数据与算法所寻找的内容匹配时，算法才能很好地工作，”他说。“如果说‘好的，聊天机器人，到处查找我的企业信息并看看你能找到什么’，这是无效的，因为处理成本会变得非常高昂。而这正是出现偏差和漂移的地方，因为数据并没有真正准备好。”

准备数据也可能意味着面对之前未正确分类或记录的历史信息，并确保它们带有正确的元数据以供基于AI的分析。这会耗费大量时间，戈尔德说。首先，数据需要被正确分类，并且处于合适的上下文中。这可能意味着识别并修正文档之前错误的标签。数据还需要以符合隐私和其他安全法规（如HIPAA，美国《健康保险流通与责任法案》，保护患者隐私）的方式存储。

考虑对员工的影响

在最近的一次关于AI整合的网络研讨会上，SpendMend（一家用于药房采购的AI工具）的马特·帕克和雅各布·汤普森表示，自动化繁琐的手动任务可以带来变革，尤其是在采购和合规领域。戈尔德说：“在制药和医疗领域，被要求做这些工作的人员受过高等教育，人力成本高且有抱负。”然而，他们长期以来一直被安排每天数小时地将电子表格合同复制粘贴到电子表格中。通过自动化这些任务，AI实施可以节省大量工时。

然而，一些员工可能需要再培训或额外培训，因为AI经常改变工作职能，拉什大学医学中心供应链副总裁杰里米·斯特朗告诉《商业内幕》。确保有一个计划来应对AI技能提升，并承认对员工工作职能变化的重要性，可以帮助管理这一过渡，斯特朗说。戈尔德表示，员工提出精确问题的能力越强，AI算法提供准确答案的能力就越强。他举了一个例子：弄清楚有多少份包含特定条款的合同将在30天内到期。通常，这个过程可能需要几周甚至几个月，由档案管理员或整个档案部门审查数千份合同。但有了AI，员工可以学会如何提出精准的问题，从而更快地获取这些信息。

(以上内容均由Ai生成)