Нужны ли данные и ИИ корпоративный масштаб в ветеринарной и медицинской практике, чтобы работать как ценностное предложение?

Перед Рождеством я немного поработал над будущим ветеринарных хирургов, а также над образованием и нормативными изменениями, которые, возможно, должны были произойти, чтобы эти изменения начали действовать. Одна из вещей, которая занимала меня в этой работе, была проблема систем искусственного интеллекта в конкурентной позиции ветеринарных практик. Я считаю, что расширение медицинских / ветеринарных возможностей искусственным интеллектом происходит довольно быстро, и модель крупномасштабной корпоративной практики имеет значительные преимущества в этой области по сравнению с индивидуальной практикой.

Мы все чаще видим более крупномасштабную корпоративную модель на рынке ветеринарной практики в Австралии и во всем мире. Примеры в Австралии включают Зеленый крест для крупных городских практик и Apiam Animal Health для сельских практик. Это следовало аналогичным тенденциям в медицинской практике, где у вас есть такие организации, как Medical One и Tristar, которые начинали в сельской Австралии, но также распространились на города.

Основная бизнес-модель и ценностное предложение корпоративной модели:

  • Представление продукта единой торговой марки почти как McDonalds, чтобы пациент или клиент могли быть уверены, что пойдут в клинику, где бы они ни находились.
  • Повышение покупательной способности всех подразделений бизнеса, от услуг патологии до поставок бинтов и т. Д. Это более важно в ветеринарной модели, где практикующие врачи могут прописывать и поставлять вакцины и препараты S4 и получать от них прибыль. .
  • Взять на себя административную часть бизнеса и комплаенс, чтобы позволить практикующим врачам сосредоточиться на пациентах. Это может включать стандартизацию и предоставление требований к обучению, управлению зданием, требованиям OH&S и т. Д. Это также может распространяться на предоставление консультационных часов в качестве пакета услуг.
  • Нетворкинг и поддержка практиков из небольших практик.
  • Распространение инвестиций и рисков на более широкий географический диапазон и клиентскую базу.
  • Гораздо более безопасный вариант выхода на пенсию / неполный рабочий день / продажи бизнеса для владельцев и практиков. От себя лично мой предыдущий терапевт долгое время наполовину ушел на пенсию, перейдя в практику Medical One, а затем постепенно передавая своих клиентов другим врачам очень заботливо и профессионально.

Эти модели значительно расширились за последнее десятилетие, что говорит о финансовой жизнеспособности модели, и, хотя имели место странные вспышки и обвинения в чрезмерном обслуживании в целом, модели, похоже, сработали. Изначально я начал свою трудовую жизнь ветеринаром общей практики, и акционирование ветеринарных практик является горячей темой на встречах, которые я посещал.

Конкурентоспособность индивидуальной практики была построена вокруг персонализированного обслуживания и попытки изобразить заботу о животных, которых они обслуживают, больше, чем крупного корпоративного конкурента. многие из этих практик все еще работают достаточно хорошо, но наблюдается тенденция к корпоративной практике.

Это подводит нас к будущим конкурентным позициям. Я считаю, что мы быстро движемся в будущее, в котором повышение медицинских и ветеринарных навыков с помощью искусственного интеллекта станет билетом в игру. Это будет скорее узконаправленный интеллект, чем общий интеллект. В медицинской сфере мы наблюдаем, как история за историей появляются новые модели, в которых системы искусственного интеллекта становятся такими же хорошими, как и люди-врачи, или имеют преимущество перед человеческими врачами:

Этот ИИ может диагностировать редкие заболевания глаз так же, как и врач-человек

ПРОГНОЗИРОВАНИЕ ПРОГНОЗА НЕМЕЛКОКЛЕТОЧНОГО РАКА ЛЕГКОГО ПО ПОЛНОСТЬЮ АВТОМАТИЧЕСКИМ ХАРАКТЕРИСТИКАМ МИКРОСКОПИЧЕСКИХ ПАТОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЙ

ИИ В ОБНАРУЖЕНИИ РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ ПОЧТИ КАК ЧЕЛОВЕК

САМОУЧЕННЫЙ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ БИТ ВРАЧЕЙ В ПРОГНОЗИРОВАНИИ СЕРДЕЧНЫХ АТАК

Все приведенные выше примеры основаны на вариантах машинного обучения, и одной из определяющих характеристик систем искусственного интеллекта машинного обучения является то, что им нужны большие наборы данных. В приведенном выше примере сердечного приступа искусственный интеллект обучился почти на 300 000 историй болезни. Как мы в настоящее время понимаем искусственный интеллект, эту систему нельзя перенести на диагностику рака, она остается специализированным кардиологическим приложением. Вышеупомянутая немелкая раковая система была обучена почти на 3000 изображениях и последующих записях пациентов.

Есть два способа получить большой набор данных для обучения в области медицины / ветеринарии. Первый - работать с агрегированными изображениями и записями случаев, как в приведенных выше примерах. Это, безусловно, будет основная часть рынка. Потребуются большие капитальные затраты для сборки необходимых изображений / файлов случаев и их обработки таким образом, чтобы улучшить диагностику пациентов и результаты при использовании совместно с врачами-людьми. Таким образом, мы увидим услуги, предлагаемые в специализированных областях, таких как прогнозирование сердечного приступа, диагностика рака органа за органом и т. Д. Как всегда, первыми будут предлагаться те области, которые имеют самые большие и богатые рынки сбыта.

Однако мы также движемся в мир, где системы искусственного интеллекта могут использоваться более мелкими игроками с гораздо меньшими затратами. Рассмотрим пример Как японский фермер, выращивающий огурцы, использует глубокое обучение и TensorFlow:

Сын японского фермера, выращивающего огурцы (который, по общему признанию, обладал очень хорошими техническими навыками), создал для своих родителей систему сортировки огурцов на основе искусственного интеллекта. Проблема заключалась в том, что для обучения системы требовалось много изображений, а процесс требовал больших вычислительных мощностей. В будущем вы сможете все больше и больше подключаться к облачной платформе машинного обучения, которая позволит вам использовать гораздо больше вычислительных мощностей, специально предназначенных для выполнения такой работы за вас.

Таким образом, большая сеть медицинских или ветеринарных практик может предлагать услуги, которые не предлагаются на общем рынке, путем сбора всех данных о своих пациентах по всем их практикам и использования платформ машинного обучения для обучения системы, специфичной для их базы данных пациентов.

Это будет невозможно для индивидуальной практики. Неужели это убийственное приложение для корпоративной модели, которое почти полностью вытесняет индивидуальную практику?

В таком случае я буду следить за моделями, появляющимися в ветеринарной сфере, потому что нормативные препятствия и требования к страхованию намного ниже. Если они добьются успеха, я вижу, что такие модели внедряются в медицинскую практику.