从孤岛到协同:绘制加拿大医疗保健中临床AI的采用和互操作性差距

科学领域:

• 医疗信息学 医疗信息学
• 临床人工智能 临床人工智能
• 数字健康数字健康

背景情况:

• 人工智能 (AI) 整合到临床工作流程中在全球范围内不断增长,但加拿大的采用是分散的,集中在特定领域.
• 一个全国性的协作,AI in Action工作组,是为了解决临床AI缺乏泛加拿大观点而成立的.

研究的目的:

• 进行加拿大各地临床AI部署的首次结构化环境扫描.
• 建立一个国家基线,并为未来的AI在医疗保健中的互操作性扩展提供信息.
• 为协调采用人工智能创建一个共享的国家分类学和数据集.

主要方法:

• 利用公开可用的来源和标准化分类法,在全国范围内确定了152个临床AI计划.
• 独立核实每个倡议的数据元素,使用共同的编码框架.
• 建立了语义和分析互操作性,以便在各司法管辖区之间进行一致的比较.

主要成果:

• 在工作流程中嵌入的AI应用显示了最高的采用率.
• 存在显著的公平性和互操作性差距,在初级保健,长期护理,社区健康和偏远环境中代表性不足.
• 最少的证据报告阻碍了评估,大型语言模型/机器人技术是新兴的前沿.

结论:

• 加拿大的临床人工智能领域多样化,但受到语义,工作流程,组织和评估互操作性差距的限制.
• 已建立的国家分类学和基线数据集为公平和可互操作的AI扩展提供了基础基础设施.
• 解决代表性不足的环境和改善证据报告对于在加拿大医疗保健中推进人工智能至关重要.