学術医療システムがAIに賭ける前にソースでデータを修正した理由
によって アリー・マギュー による投稿
ヘルスケアはAIの最大の受益者の一つとなる可能性があります。これほど多くのデータを生成する産業は少なく、そこから洞察を抽出することで得られるものも多い産業はほとんどありません。しかし、データの生成と、それを実際にケアの改善、研究の加速、運用の効率化に利用することとの間には、ほとんどの医療システムで依然として大きな隔たりがあります。その隔たりを埋めている組織は、モデルからではなく、データから始めています。
ニューヨーク大学ラングーン・ヘルスは、主要な学術医療システムであり、患者ケア、医学研究、医学教育を通じてニューヨーク大都 市圏にサービスを提供しています。ニューヨーク大学ラングーンは、統合データおよびAIプラットフォームとしてDatabricksを利用しており、最近オンプレミスのデータレイクを廃止し、現在、エンタープライズデータウェアハウスを移行中です。同機関は、ケア提供、運用、研究全体でプラットフォームを使用する臨床医、アナリスト、科学者、および企業従業員の広範なコミュニティを構築しました。
ニューヨーク大学ラングーン・ヘルスの最高デジタル・情報責任者であるNader Mherabi氏は、現在のAIブームのはるか前から同機関のデータ戦略を主導し、データ主導型医療システムの基盤を構築してきました。2017年、彼はニューヨーク大学ラングーンのデータ収集の質を認識し、新興のAI機能でさらに推進する機会を創出しました。
Nader氏が繰り返し用いた比喩：きれいな水が欲しいなら、パイプを修理しろ。最後にろ過しようとするな。
Aly McGue氏：ニューヨーク大学ラングーンは、成熟したデータスタックを持つ、指標主導の組織です。機能的なウェアハウスとデータレイクがすでに存在する場合、最新のデータプラットフォームへの移行を必要とする「失われたピース」とは何ですか？
Nader Mherabi氏：私たちの道のりは、一部の機関とは少し異なっていました。私たちは常に高度にデータ主導型で指標主導型の組織でした。すでにデータレイクとエンタープライズデータウェアハウスに統合されたデータを持っており、 従来のスタックでも同様でした。そのため、最新プラットフォームへの移行は、他の組織よりも私たちにとっては容易でした。
しかし、その必要性は明らかでした。2017年当時、私たちはAIの可能性が、たとえその非常に初期の段階であっても、データスタックを近代化する必要があることを認識していました。モデルを構築することは一つのことです。それを安全かつ確実に24時間年中無休で実行することは別のことです。患者の質、安全性、効率性、医学研究に関する野心を達成するのに役立ち、技術の進化とともに成長できるプラットフォームが必要でした。
10年以上前に確立した指針の一つは、インテリジェンスレイヤーで高品質のデータを得たいのであれば、トランザクションシステムで最初に修正する必要があるということです。それはパイプを通って流れる水のようなものです。ソースがきれいであれば、最後にろ過する必要はありません。汚れた水をろ過するのは高価です。したがって、目標は常にまずきれいな水を得ることであるべきです。途中でいくつかろ過する必要があるものもありますが、原則として上流で正しく行うべきです。
Aly氏：トランザクションレベルでデータを修正するという規律は、データレイヤーの実際の有用性をどのように変えましたか？
Nader氏：数年前、私たちは患者データが複数の場所に散在し、統一された識別子がない多くのシステムを持っていました。それはデータ品質にとって大きな課題であり、それを使用してできることを制限します。私たちの取り組みの一部は、共通のトランザクションプラットフォームに投資することでした。1つの電子カルテと1つのERPシステムです。新しい診療所や病院を取り込む際に、共通のプラットフォームに全員を参加させることに投資し、データのガイドラインを作成しました。
例えば、データウェアハウスレイヤーでデータをマッピングすることはありません。常にソースで修正するように努めています。私たちはシステムとデータを習得したので、これが患者データの権威あるソースであり、これが財務データのソースであり、これが運用データのソースであることを知っています。それを実行すると、データプラットフォームははるかに意味のあるものになります。人々はデータをクロスウォークできます。これはヘルスケアでは非常に重要です。患者を中心に考えます。ケアデータを、利用可能な臨床試験、財務面、手術中に採取された検体、およびそれらが物理的にどこにあるかにまで接続する必要があります。そのマッピングがないと、計り知れない機能を見逃すことになります。それを可能にする指針は常に同じです。上流で修正することです。
Aly氏：ヘルスケアでは、データの正確性に対するリスクは高いです。統合されたデータ基盤は、異なる部門間の「矛盾した指標」の議論をどのように防ぎ、エージェント型AIシステムに向かう際にその信頼がなぜそれほど重要なのでしょうか？
Nader氏：それは非常に大きいです。AIの前でさえ、統合データからの利益は計り知れませんでした。データが統合されると、より良い指標を作成でき、ビジネスのさまざまな側面から「その数値は意味をなさない」 と言うことはなくなります。データが統合されていない場合、指標は決して一致しません。
もちろん、AIを使用すると、リスクはさらに高まります。優れたデータがなければ、優れたAIは得られません。パフォーマンスはデータ品質に依存します。そして、リアルタイムの次元もあります。適切なタイミングで適切な場所に人々の洞察を得ることが重要です。
Aly McGue氏：統合データが利用可能になったら、次の課題はそれを大規模に発見可能で信頼できるものにすることです。データガバナンスはどのようにそれに適合しますか？
Nader Mherabi氏：それは基本的です。データとAIモデルを操作するにはカタログが必要です。私たちはUnity Catalogを使用しており、さらに推進し続けています。
しかし、投資はツールだけでなく、それを取り巻く戦略にもあります。マスターデータソースを定義し、カタログの各部分の所有者を決定し、それからコミュニティにどのように公開するかを慎重に検討して、人々が作業を重複させることなく必要なものを見つけられるようにする必要があります。膨大なデータプログラムを持つことは一つのことです。人々がその中で適切なデータを見つけられるようにすることは別のことです。このようなプラットフォームを採用する場合、最初からカタログを正しく設定することを常にお勧めします。それは他のすべてを支えています。
Aly McGue氏：統合プラットフォームは、組織全体の人が実際にそれを使用した場合にのみ価値を提供します。データエンジニアリングチームを超えて、そのコミュニティを構築するためにどのようにアプローチしましたか？
Nader氏：このようなプラットフォームに投資する場合、投資を最適化する必要があります。私たちにとって、それは組織全体でそれが何ができるかを普及させることを意味します。目標は、学習する医療システムになることです。これは、すべての患者とのやり取りから学び、その洞察を実践にフィードバックするシステムです。それは、プラットフォームを使用するコミュニティがITを超えて広がる場合にのみ機能します。私たちは、適切なアクセス制御内で作業する臨床医、アナリスト、科学者の広範なユーザーベースを構築し、ケア提供、運用、研究全体の人々がそれを活用できるように、リテラシープログラムとトレーニングに投資しました。ITをプラットフォームに乗せることは当然です。成功の真の尺度は、組織の他の部分もそれを使用できるかどうかです。
Aly氏：救急室のような高緊急度の環境では、「翌日の洞察」は事実上無用です。誤診を防ぐことができるリアルタイムの臨床意思決定支援に、レトロスペクティブなレポートから移行するためのプラットフォームのアーキテクチャ要件は何ですか？
Nader氏：ケア提供では、影響は直接的です。救急室では、特定の重篤な状態を探し、臨床医に意思決定支援を提供するモデルを実行しています。目標は、患者が退院する場合、システムがフラグを立てられるようにすることです。この診断を特定しましたか？これを検討しましたか？なぜなら、私たちが望まないのは、見逃された場合に深刻な結果をもたらす可能性のある状態を抱えて救急室を去る患者がいることだからです。
他の機関で誤診が悪い結果につながるケースについては、私たちは皆聞いています。私たちは、継続的に実行され、臨床医に最良のアドバイスを提供するリアルタイムモデルを望んでいます。彼らの判断を置き換えるのではなく、「おい、これを見落としたかもしれない。もう一度見てください」と言うのです。それが機能するためには、モデルはリアルタイムデータが必要です。そして、それはデータプラットフォームがリアルタイムフィードをサポートすることを必要とします。これにより、モデルは現在の情報で動作し、ジャストインタイムの洞察を提供できます。
Aly氏：AIは、組織が分析とBI戦略に取り組む方法をどのように変えましたか？
Nader氏：分析は3つのレイヤーから成ると信じています。まず、基本的な可視化を提供する必要があります。単に「何を見たいですか？」と言うことはできません。人々には構造化された開始点が必要です。第二に、Genieのような会話レイヤーを追加します。これにより、人々は好奇心を持ってさらに深く質問できます。第三に、ユーザーに応じてさまざまな形式で回答を提供できる必要があります。時には直接的な事実、時には可視化、そして時には画面上のいくつかの数字です。
今、私たちがいる場所の強力な点は、人間と機械の歴史の中で初めて、同僚に尋ねるように、人 間的な言葉で機械に話しかけることができることです。それは明らかに場所があります。しかし、どこでそれが意味をなし、どの程度かを考えることを皆に勧めます。可視化を完全に置き換えないでください。会話レイヤーを追加して、人々が好奇心を持ち、より多くの質問をし、簡単な方法で自分自身を助けられるようにします。
Aly: AI開発のペースは多くのリーダーにとって麻痺するほどです。安定した長期戦略の必要性と、6か月後にはテクノロジーが全く異なるものになる可能性があるという現実とのバランスをどのように取りますか？
Nader: まず、AIの予測不可能性を受け入れてください。明日目が覚めたら、新しい何かが登場しているでしょう。ツールやテクノロジーは変化し続けます。それに固執しないでください。変化の一部としてプラットフォームを成長させることができる良いパートナーを見つけ、価値創造に集中してください。
安全で質の高いケアを提供する場合でも、運用効率を改善する場合でも、患者体験を向上させる場合でも、それが価値です。今日の能力でそれに取り組み、進化し続けてください。そしてもう1つは、自己教育です。人々がためらう理由の一部は、何が起こっているのか理解していると感じていないことです。市場が進化するにつれて、特に現在のペースで、より良い意思決定をするのに役立つので、可能な限り最新情報を把握する必要があります。
NYU Langoneの早期かつ意図的なアプローチは、この議論から得られる重要な教訓です。きれいな水の比喩は、重要な何かを捉えています。後工程で汚れたデータをフィルタリングすることに投資する組織は、常に後手に回っています。トランザクションレイヤーでそれを修正する組織は、たとえ時間がかかり、初期費用が高くても、分析からAI、リアルタイムの臨床意思決定支援までのすべての後続投資が確実に構築できる基盤を構築します。患者の安全が重要視される状況では、その規律は任意ではありません。
業界のリーダーから話を聞き、AIの運用パスを定義するには、Economist Enterpriseレポート「Making AI Deliver」をダウンロードしてください。
(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事
ブログを購読して、最新の投稿を受信トレイにお届けします。