Когда я впервые начал работать над нашим недавним проектом, который касался разработки платформы обучения на основе ИИ для специалистов здравоохранения, мой подход к масштабируемости был точно таким же, как у большинства инженерных команд. На самом деле, наши первые диаграммы вращались вокруг API, баз данных и политики масштабирования облака.Мы хотели, чтобы система справлялась с тысячами одновременных пользователей и миллионами записей, не разрывая пот. Но через несколько месяцев в разработке, когда мы начали тестировать с клиниками, наш взгляд на масштабируемость полностью изменился.Мы узнали, что в здравоохранении масштабирование не только о том, сколько данных вы можете обрабатывать или как быстро работает ваше заключение. , , и не нарушая этической структуры, на которую опирается здравоохранение. Доверие соблюдения Употребительность Проект — платформа, основанная на ИИ и React, предназначенная для персонализации путей обучения для медсестер и работников здравоохранения — стал открывающим глаз. Он был предназначен для того, чтобы помочь медицинским работникам выявить пробелы в навыках, завершить соответствующее обучение и отследить прогресс через интеллектуальную систему рекомендаций. Как масштабировать системы ИИ для здравоохранения - на основе практического опыта Ниже я упомянул пять принципов, которые привели нас к тому, как мы научились создавать системы ИИ для здравоохранения, которые действительно масштабируются. Начать с Scaling Trust Каждый продукт ИИ зависит от доверия, но в здравоохранении это все.Когда мы запустили первую версию нашего двигателя рекомендаций, он показал впечатляющие результаты во внутренних тестах.ИИ мог предсказывать потребности в обучении и предлагать модули с высокой точностью.Однако клиницисты, которые попробовали это, колебались. Этот вопрос изменил нашу философию дизайна.Мы поняли, что объяснимость должна быть особенностью, а не нотой.Таким образом, мы сделали каждую рекомендацию прозрачной: каждое предложение поставлялось с баллом уверенности, объяснением того, какие данные информировали выбор, и простым расчётом целей обучения. Когда пользователи смогут увидеть Система думала, что для них важен определенный курс, скептицизм превратился в любопытство, а любопытство превратилось в доверие. Почему Технический масштаб не означает ничего без эмоционального масштаба, а доверие - это эмоциональный слой, который позволяет ИИ расти в экосистемах здравоохранения. Архитектор для соответствия с первого дня В большинстве программных проектов соответствие рассматривается как контрольный список в конце цикла разработки.В здравоохранении этот подход является рецептом для перестройки. Раньше наши ученые-данные хотели двигаться быстрее: поглощать данные, тренировать модели и развертывать еженедельные обновления, но здравоохранение работает в соответствии с строгими правилами, такими как HIPAA и GDPR. Информация о пациентах должна оставаться конфиденциальной, проверяемой и защищенной от мошенничества. Мы перестроили наш поток данных так, чтобы конфиденциальные данные были зашифрованы в покое и в транзите.Псевдонимизированная информация была псевдонимизирована перед входом в трубопровод ИИ, и каждое вывод производил неизменный след аудита.Это были не только технические решения, но и архитектурные границы, которые позволили нашей системе безопасно расти. Встраивая соответствие в архитектуру, мы создали фундамент, где масштабирование до большего количества клиник и мест стало простым.Каждое новое место не требовало нового юридического обзора наших процессов, потому что соответствие было буквально встроено в ДНК системы. Безопасность была стандартизирована. Построение модульных систем, которые учатся и развиваются Системы ИИ в здравоохранении являются живыми организмами, и они должны адаптироваться по мере развития медицинских знаний, протоколов лечения и поведения обучения. Мы разработали платформу вокруг независимых модулей: двигатель рекомендаций, анализатор поведения учащихся и панель приложений для взаимодействия на основе React. Каждый компонент общался через API, позволяя обновлениям, не касаясь других. Эта модульность также облегчила масштабирование в разных организациях здравоохранения.Одна из клиник, например, хотела более глубокой аналитики, в то время как другая хотела более простых панелей. Настоящая масштабируемость, мы поняли, не означает строительство одной большой системы, а строительство Это может расти и мутировать по мере развития потребностей.Это было наше страхование от изменений. Система систем Человек-центрированное скалирование побеждает чистую автоматизацию В проектах ИИ существует постоянное давление на сокращение вмешательства человека с меньшим количеством этикеток, более быстрыми циклами обратной связи и фантастическими, самоизлечивающимися трубопроводами. Мы создали обратную связь как основную особенность, а не как последующую мысль.Каждая новая итерация модели была подтверждена клиницистами, которые тестировали рекомендации в реальных сценариях обучения. Одна из моих любимых вех произошла, когда группа медсестер описала систему как «цифровой наставник», а не «инструмент».Эта смена языка показала реальное принятие.Со временем обратная связь от более чем 500 специалистов в области здравоохранения помогла нам усовершенствовать алгоритмы, тонус языка и даже сроки уведомлений. 5 Измерьте то, что действительно имеет значение Когда люди говорят о масштабируемом ИИ, они часто отмечают технические показатели: меньшую задержку, более высокую пропускную способность и сниженные расходы на вычисление.Эти цифры выглядят впечатляюще на слайд-деке, но в здравоохранении они не означают многого, если они не переводят в лучшие результаты. Вместо того, чтобы отслеживать использование процессора или время отклика в качестве показателей успеха, мы сосредоточились на метриках, ориентированных на человека: насколько быстрее новый персонал был на борту? Результаты были вознаграждающими: время входа в систему сократилось на 40 процентов, завершение курса улучшилось на 94 процента, а удовлетворенность пользователей последовательно возросла. Когда вы измеряете то, что важно для людей, вы в конечном итоге масштабируете то, что важно для организации. Переопределение масштабируемости в здравоохранении AI Оглядываясь назад, этот проект изменил то, как я думаю об архитектуре программного обеспечения. масштабируемость часто изображается как чисто техническая победа... больше пользователей, больше данных, больше рабочего времени. Это означает, что системы могут расширяться, не нарушая конфиденциальности, алгоритмы, которые могут учиться, не теряя объяснимости, и платформы, которые растут доверие пользователей, а не зависимость. Наша платформа обучения ИИ добилась успеха не потому, что она справлялась с тысячами пользователей, а потому, что она заслужила их доверие и сохранила его.Каждое техническое улучшение... от модульных API до облачной эластичности, было ценным только в той мере, в какой оно поддерживало эту человеческую связь. Чем больше я работаю в этой области, тем яснее становится: здравоохранению не нужен ИИ, который масштабируется бесконечно. Если ваша архитектура может развиваться таким образом, чтобы защищать пациентов, расширять возможности врачей и улучшать понимание, то она уже достаточно масштабируема. В смысле Потому что в конечном счете, истинная масштабируемость в здравоохранении не измеряется в запросах в секунду, она измеряется в доверии на взаимодействие.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Этот звук создан на языке оригинала истории!

Уроки масштабируемости от создания платформы обучения ИИ для здравоохранения

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Краткое введение в теорию мозга Больцмана

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Краткое введение в теорию мозга Больцмана

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Хотите выиграть конкурс HackerNoon? Вот что рекомендуют победители конкурса #crypto-api

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps