眾所周知，患者可以通過(guò)醫(yī)療手表檢測(cè)的心電圖來(lái)獲取心房顫動(dòng)的數(shù)據(jù)，這只是醫(yī)療器械數(shù)字化引領(lǐng)醫(yī)學(xué)產(chǎn)品開發(fā)和創(chuàng)新的一個(gè)例子。然而，盡管互聯(lián)服務(wù)平臺(tái)上的醫(yī)療器械具備數(shù)據(jù)存儲(chǔ)、安全性、可訪問(wèn)性和移動(dòng)應(yīng)用程序以及部分高級(jí)分析的組件，但從執(zhí)行角度來(lái)看，成功實(shí)施人工智能以推動(dòng)智能操作仍然是一個(gè)挑戰(zhàn)。根據(jù)Gartner統(tǒng)計(jì)，有85%的數(shù)據(jù)科學(xué)項(xiàng)目是失敗的。將數(shù)據(jù)科學(xué)成功地集成到醫(yī)療器械開發(fā)中需要重新思考數(shù)據(jù)科學(xué)在產(chǎn)品設(shè)計(jì)和生命周期管理中的作用。

將數(shù)據(jù)科學(xué)視為一種產(chǎn)品

數(shù)據(jù)科學(xué)被定義為使用數(shù)學(xué)算法來(lái)實(shí)現(xiàn)自動(dòng)化、預(yù)測(cè)、控制或描述使用交互中的過(guò)程，它必須被視為一種產(chǎn)品。因?yàn)榕c任何醫(yī)療產(chǎn)品一樣，數(shù)據(jù)科學(xué)從需求開始，為醫(yī)療提供者和患者提供明確的醫(yī)療效用。

將數(shù)據(jù)科學(xué)局限于算法設(shè)計(jì)領(lǐng)域是錯(cuò)誤的。雖然數(shù)據(jù)科學(xué)家擅長(zhǎng)擬合模型，但他們的真正價(jià)值來(lái)自于用擬合數(shù)據(jù)模型解決現(xiàn)實(shí)問(wèn)題。數(shù)據(jù)科學(xué)中成功的算法開發(fā)過(guò)程涉及商業(yè)領(lǐng)袖、產(chǎn)品工程師、醫(yī)生和數(shù)據(jù)科學(xué)家合作發(fā)現(xiàn)、設(shè)計(jì)和交付。例如，與醫(yī)療器械的典型數(shù)據(jù)科學(xué)集成將包括以下活動(dòng)：

● 確定醫(yī)療需求

● 確定適當(dāng)?shù)臄?shù)據(jù)變量

● 開發(fā)正確的分析模型

● 設(shè)計(jì)解析算法集成

● 執(zhí)行測(cè)試和驗(yàn)證

● 部署測(cè)試版

● 監(jiān)測(cè)實(shí)時(shí)結(jié)果

● 維護(hù)和更新算法

將數(shù)據(jù)科學(xué)視為一種產(chǎn)品或一種產(chǎn)品的特征，為企業(yè)提供不同的執(zhí)行方式，專注于有形的結(jié)果。數(shù)據(jù)科學(xué)家接受開發(fā)解決問(wèn)題的精確模型的培訓(xùn)，但很多公司面臨的挑戰(zhàn)是如何操作這些模型并將其產(chǎn)出商業(yè)化。

高級(jí)分析：過(guò)程的一部分，而不是事后思考

人工智能與醫(yī)療器械的成功連接取決于數(shù)據(jù)是否能夠用于對(duì)一系列事件的結(jié)果做出實(shí)時(shí)決策或報(bào)告。大多數(shù)公司沒(méi)有意識(shí)到創(chuàng)建可操作智能的高級(jí)分析的層次。通過(guò)了解這些層次，從簡(jiǎn)單的基礎(chǔ)規(guī)則到復(fù)雜規(guī)則的分析、復(fù)雜事件處理和無(wú)監(jiān)督學(xué)習(xí)模型，公司可以快速開發(fā)有深遠(yuǎn)意義的完整分析。隨著公司分析系統(tǒng)從描述性和診斷性發(fā)展到預(yù)測(cè)性和規(guī)定性，甚至還可以提供業(yè)務(wù)價(jià)值的戰(zhàn)略機(jī)會(huì)。

成功的集成包括將高級(jí)分析視為一個(gè)體系結(jié)構(gòu)，而不是一個(gè)要實(shí)施的單一解決方案。在分析開發(fā)中確保您成功的最佳方法是遵循發(fā)現(xiàn)、設(shè)計(jì)和交付的連續(xù)過(guò)程。例如，數(shù)據(jù)科學(xué)體系結(jié)構(gòu)從一個(gè)業(yè)務(wù)問(wèn)題開始，要求您確定是否擁有正確的數(shù)據(jù)，并能夠在現(xiàn)有IT系統(tǒng)中實(shí)際利用這些數(shù)據(jù)。

數(shù)據(jù)科學(xué)執(zhí)行中的常見(jiàn)挑戰(zhàn)

數(shù)據(jù)科學(xué)的執(zhí)行通常會(huì)受到常見(jiàn)失誤的影響，如客戶和業(yè)務(wù)需求之間的不一致等。業(yè)務(wù)方面的另一個(gè)重大錯(cuò)誤是將數(shù)據(jù)科學(xué)視為一次性的成就，而沒(méi)有意識(shí)到它是一個(gè)連續(xù)的過(guò)程，或者將數(shù)據(jù)科學(xué)視為一個(gè)軟件開發(fā)過(guò)程，過(guò)于專注工具，而不是技能和能力。事實(shí)上，最理想的方法是模塊化系統(tǒng)，持續(xù)維護(hù)和改進(jìn)已設(shè)計(jì)的系統(tǒng)。這對(duì)于醫(yī)療器械尤其如此，因?yàn)榧夹g(shù)的創(chuàng)新和變化可以繼續(xù)為患者和從業(yè)者提供更好的支持和幫助。

在分析范圍內(nèi)開發(fā)產(chǎn)品

成功的集成取決于清楚地識(shí)別數(shù)據(jù)科學(xué)的過(guò)程控制。為了設(shè)計(jì)和支持連接設(shè)備的分析，數(shù)據(jù)科學(xué)應(yīng)包括明確的步驟，如分析樣品、分析驗(yàn)證、分析啟用、分析消耗和分析維護(hù)等。雖然前兩個(gè)步驟是數(shù)據(jù)科學(xué)家將發(fā)揮關(guān)鍵作用的步驟，但隨后的三個(gè)步驟將最終影響項(xiàng)目的成功實(shí)施，并需要強(qiáng)有力的企業(yè)跨職能的支持。

企業(yè)在成功集成方面失敗的原因有很多，從項(xiàng)目管理、投資不足、無(wú)法更新或替換分析組件，到忽視安全威脅以及沒(méi)有替代計(jì)劃或退出戰(zhàn)略等。類似地，雖然數(shù)據(jù)不能獲得專利，但過(guò)程可以，這將保證分析的安全性。成功的數(shù)據(jù)科學(xué)實(shí)踐源于人員、流程和技術(shù)的無(wú)縫協(xié)調(diào)。而且，成功的集成取決于確定業(yè)務(wù)目標(biāo)并將分析構(gòu)建到連接的設(shè)備中。只有這樣，業(yè)務(wù)戰(zhàn)略才能從分析產(chǎn)品的開發(fā)演變?yōu)榉治霎a(chǎn)品內(nèi)部的開發(fā)。

英國(guó)ITL致力于推動(dòng)數(shù)字醫(yī)療領(lǐng)域的創(chuàng)新，在數(shù)字化醫(yī)療器械領(lǐng)域做出了諸多嘗試，平衡產(chǎn)品開發(fā)和產(chǎn)品內(nèi)部數(shù)字開發(fā)之間的挑戰(zhàn)，為全球診斷和生物醫(yī)學(xué)公司提供了有效的解決方案和高度集成的便捷性產(chǎn)品，從而為更多患者提供即時(shí)，準(zhǔn)確，有效的診療服務(wù)。