پر کردن شکاف های آمادگی هوش مصنوعی در مراقبت های بهداشتی

یافته های کلیدی

• بیش از نیمی از ارائه دهندگان مراقبت های بهداشتی و پرداخت کنندگان در حال حاضر تا حدی از هوش مصنوعی استفاده می کنند.
• هنگامی که بارهای کاری هوش مصنوعی بر روی زیرساخت طراحی شده برای نیازهای مختلف اجرا می شود، ابتکارات جدید می توانند متوقف شوند.
• استقرار یک محیط ترکیبی با سرورهای اختصاصی تک مشتری به علاوه منابع ابری به سازمان‌های مراقبت‌های بهداشتی اجازه می‌دهد تا هر حجم کاری هوش مصنوعی را با زیرساخت مناسب مطابقت دهند.

سازمان های مراقبت های بهداشتی به سرعت در حال پیشرفت در پذیرش هوش مصنوعی هستند. در واقع، طبق یک نظرسنجی اخیر، 56 درصد از ارائه دهندگان مراقبت های بهداشتی و پرداخت کنندگان به طور فعال امروزی از هوش مصنوعی استفاده می کنند – در مقایسه با 43 درصد در سال گذشته.¹

بیشتر ابتکارات هوش مصنوعی در مراقبت‌های بهداشتی از کوچک شروع می‌شود. سازمان‌ها اغلب یک پروژه آزمایشی یا اثبات مفهوم را راه‌اندازی می‌کنند و یک مورد استفاده واحد را بررسی می‌کنند. برای میزبانی از این بارهای کاری جدید، آنها ممکن است از ابر یا زیرساخت دیگری که از قبل در دسترس است استفاده کنند.

این یک راه معقول برای شروع است. اما چه اتفاقی می‌افتد وقتی زمان مقیاس‌پذیری فرا می‌رسد؟ بسیاری از سازمان ها زیرساختی برای پشتیبانی از استفاده از هوش مصنوعی در تولید ندارند – و ابر عمومی همیشه پاسخگو نیست. پر کردن این شکاف آمادگی با زیرساخت مناسب برای تحقق بخشیدن به مزایای بالقوه هوش مصنوعی بدون متحمل شدن هزینه های بیش از حد بسیار مهم است.

تشخیص ترک در فونداسیون

حجم کاری هوش مصنوعی کاملاً با برنامه های معمولی مراقبت های بهداشتی متفاوت نیست. برای مثال، سیستم‌های پرونده الکترونیک سلامت (EHR) و پورتال‌های بیمار، تا حد زیادی تقاضای پایدار و قابل پیش‌بینی دارند. هیچ جهش ناگهانی عظیمی وجود ندارد که به منابع بیشتری نیاز داشته باشد. به طور مشابه، بارهای کاری هوش مصنوعی یک بار در تولید به طور قوی اجرا می شوند، اگرچه نیازهای منابع بسیار بالاتر و ثابت تری نسبت به سیستم های EHR یا پورتال های بیمار دارند.

سازمان‌ها گاهی اوقات پایلوت‌های هوش مصنوعی را در فضای ابری راه‌اندازی می‌کنند تا بتوانند ضمن اجتناب از هزینه‌های زیرساختی، آزمایش کنند. اگر یک پروژه آزمایشی مبتنی بر ابر موفقیت آمیز باشد، اجرای حجم کار تولید در فضای ابری نیز گامی منطقی به نظر می رسد. اما محیط‌های ابر مقیاس بزرگ برای پاداش دادن به حجم کاری که مقیاس و حل می‌شوند ساخته شده‌اند. برای مثال حجم کاری استنتاج هوش مصنوعی هیچ کدام را انجام نمی دهد. فقط کار می کند و به کار خود ادامه می دهد.

هنگامی که سازمان‌های مراقبت‌های بهداشتی این حجم‌های کاری هوش مصنوعی را در فضای ابری اجرا می‌کنند، متوجه می‌شوند که صورت‌حساب‌هایشان به همان سرعتی که حجم کاری آن‌ها انجام می‌شود، افزایش می‌یابد. به جای پرداخت هزینه ثابت، هر ماه بیشتر و بیشتر می پردازند.

درک اینکه چرا ابتکارات هوش مصنوعی متوقف می شود

تعداد بارهای کاری هوش مصنوعی در تولید قطعا در حال افزایش است. اما ابتکارات زیادی وجود دارد که قبل از اینکه بتوانند مزایایی را که وعده داده‌اند شروع کنند متوقف می‌شوند.

همه مشکلات فنی نیستند. افزایش هزینه های ابری – که به دلیل عدم تطابق بین نیازهای حجم کار و مدل قیمت گذاری کشسان ابر رخ می دهد – می تواند به سرعت یک ابتکار هوش مصنوعی را از بین ببرد. برخی از ابتکارات هرگز از مرحله آزمایشی عبور نمی‌کنند زیرا بخش‌های فناوری اطلاعات نمی‌توانند به‌طور دقیق پیش‌بینی کنند که اجرای یک بار کاری حالت ثابت در فضای ابری چقدر هزینه دارد. وقتی آن صورت‌حساب‌های ابری بزرگ شروع به انباشته شدن می‌کنند، برخی دیگر لغو می‌شوند.

متعادل کردن بارها با زیرساخت

برای کاهش موانعی که می تواند ابتکارات هوش مصنوعی را متوقف کند، سازمان ها باید هر بار کاری را با زیرساخت مناسب هماهنگ کنند. در برخی موارد، ابر در واقع برای بارهای کاری هوش مصنوعی مناسب است. برای مثال، زیرساخت‌های ابری ممکن است برای استفاده از هوش مصنوعی برای تجزیه و تحلیل تصاویر در یک سیستم بایگانی و ارتباطی تصاویر (PACS) یا یافتن روندهای جمع‌آوری شده بیماران در دریاچه‌های داده بزرگ، منطقی باشد. ظرفیت ذخیره سازی الاستیک ابر و منابع محاسباتی بر اساس تقاضا برای پشتیبانی از این نوع بارهای کاری طراحی شده است.

برعکس، خطوط لوله داده مورد نیاز برای ابتکارات هوش مصنوعی و بارهای کاری استنتاج در مقیاس تولید بهتر با سرورهای اختصاصی تک مشتری مطابقت دارند. این سرورها می توانند این حجم کاری را ثابت نگه دارند و در عین حال قیمت کشسانی را که می تواند منجر به صورت حساب های شگفت انگیز شود حذف کنند.

بنابراین، برای بسیاری از سازمان های مراقبت های بهداشتی، یک محیط ترکیبی – با ترکیبی از سرورهای اختصاصی و زیرساخت ابری – اغلب بهترین رویکرد است. سازمان‌ها می‌توانند از هر نوع زیرساخت استفاده کنند و جریمه‌های اجرای بارهای کاری خاص هوش مصنوعی در مکان‌های اشتباه را به حداقل برسانند.

یک رویکرد ترکیبی می تواند به طور کلی برای سازمان های مراقبت های بهداشتی که دارای طیف متنوعی از بار کاری هستند، به خوبی کار کند. آن‌ها می‌توانند از سخت‌افزار اختصاصی و بدون فلز برای بارهای کاری غیرکشسان، مانند پورتال‌های بیمار یا برنامه‌های بهداشت از راه دور استفاده کنند. در همین حال، آنها می توانند از ابر برای بارهای کاری انفجاری، مانند آموزش مدل های هوش مصنوعی یا ارزیابی خطرات برای پرداخت کنندگان استفاده کنند.

آماده سازی زیرساخت برای هوش مصنوعی

وجود زیرساخت مناسب برای موفقیت ابتکارات هوش مصنوعی بسیار مهم است. اما مسلماً آنچه برای یک حجم کاری مناسب است برای همه مناسب نیست. ارزیابی دقیق نیازمندی‌های حجم کار و اجرای مناسب‌ترین زیرساخت می‌تواند به سازمان‌ها کمک کند تا ابتکارات را از آزمایشی به تولید منتقل کنند و در عین حال از هزینه‌های غیرمنتظره اجتناب کنند. برای اکثر سازمان‌های مراقبت‌های بهداشتی، یک مدل ترکیبی به پوشش طیف کاملی از نیازها کمک می‌کند و بهترین پایه را برای ارائه نتایج از ابتکارات هوش مصنوعی فراهم می‌کند.

بیاموزید که چگونه Hivelocity می تواند به سازمان مراقبت های بهداشتی شما کمک کند تا زیرساخت های ابتکارات هوش مصنوعی شما را ایجاد کند.

سوالات متداول

س: راه حل های زیرساختی چگونه می توانند ابتکارات هوش مصنوعی در مراقبت های بهداشتی را متوقف کنند؟
پاسخ: اگر سازمان‌ها محیط‌های ابری با قیمت‌گذاری انعطاف‌پذیر را برای بارهای کاری هوش مصنوعی در حالت ثابت انتخاب کنند، ممکن است از صورت‌حساب‌های ابری بزرگ غافلگیر شوند. در حالی که محیط ابری ممکن است انتخاب مناسبی برای یک پایلوت اولیه باشد، انتقال بارهای کاری حالت ثابت، از جمله استنتاج های هوش مصنوعی، به سرورهای اختصاصی بدون استخوان می تواند به کاهش هزینه ها کمک کند.

س: آیا انتقال بارهای کاری هوش مصنوعی به حالت بدون استخوان به معنای رها کردن کامل ابر است؟
الف: خیر. بارهای کاری آزمایشی یا بارهای کاری که ترک می‌کنند، مانند آموزش مدل در مقیاس بزرگ، می‌توانند از منابع الاستیک زیرساخت ابری استفاده کنند. اما بارهای کاری که به طور مداوم بدون انفجار اجرا می شوند برای سرورهای اختصاصی تک مشتری مناسب تر هستند.

س: چرا سازمان های مراقبت های بهداشتی باید در مورد زیرساخت تصمیم های اولیه بگیرند؟
پاسخ: سازمان‌ها مشتاق هستند از حالت آزمایشی هوش مصنوعی به سمت تولید حرکت کنند تا بتوانند از قابلیت‌های هوش مصنوعی استفاده کنند. اما بدون برنامه ریزی زیرساختی کافی، ابتکارات می توانند در تولید متوقف شوند زیرا هزینه واقعی اجرای حجم کار در مقیاس مشخص می شود. اتخاذ تصمیمات زیرساختی هنگام ایجاد یک استراتژی هوش مصنوعی به جلوگیری از این نقطه شکست کمک می کند.

نقل قول
1 NVIDIA، وضعیت هوش مصنوعی در مراقبت های بهداشتی و علوم زندگی: روندهای تا سال 2026، ژانویه 2026