隨著COVID-19開始在各地傳播，醫療保健組織被迫迅速重新評估其現有技術，并著手推動未來的數字化轉型計劃。

在極短的時間內，許多組織對傳統系統進行了大調整，以便更好地管理和護理患者，以及隨著就診數量的上升，及時并安全地存儲數據以確保隨著大流行的發展而提高效率。

對于醫療保健組織而言，最緊迫的優先事項之一是加速其采用云技術來更有效地管理大量患者信息，確保簡化的工作場所實踐以及使信息共享更加輕松。當地方領導人就如何保護其居民的安全做出決定時，云基礎架構提供了跨組織的全球網絡安全地收集、分析和共享數據的能力。

在這一迅速采用云計算的時期，人工智能（AI）和機器學習技術的使用也迅速增加。從實現信息共享和分析而不犧牲數據隱私性，到確保對最緊急需求的患者提供最快的響應，這些技術已經徹底改變了COVID-19醫療保健響應，并且將在大流行之外繼續發揮關鍵作用。

以下是COVID-19在醫療保健行業內促進持久數字化轉型的幾種方式：

取消識別患者數據

借助機器學習功能，醫療保健組織可以更好地確保患者數據的私密性，從而更輕松地跨多個來源匯總數據并獲得有關COVID-19病毒的有用見解。取消身份驗證是從患者數據中刪除身份信息的過程，對于與非特權方出于研究目的共享健康信息，從多個來源創建數據集進行分析以及對數據進行匿名化至關重要，以便將其用于先進的分析和機器學習模型。舉例來說，Google Cloud Healthcare API可以檢測敏感數據（例如受保護的健康信息（PHI）），并對其進行屏蔽，刪除或遮蓋。

為了使研究人員能夠研究關鍵的COVID-19信息來對抗病毒，可以使用掃描YouTube是否侵犯版權的相同類型的機器學習技術，大規模地清除DICOM資產（例如肺部X射線）中的患者身份，可用于高清分析的數據。此外，可以取消標識測試數據，從而加快發現速度。經過適當的哈希處理后，可以安全地重新標識這些數據，從而使研究人員可以更有效地招募諸如臨床試驗之類的公共衛生計劃。

呼叫中心響應的自然語言處理

如今，所有類型的公共衛生組織都比以往有更多的患者需求，而且許多組織起初沒有能力應對這種增長。

但是，借助基于云的AI和機器學習模型，組織可以構建未來的呼叫中心。使用自然語言處理和情感分析，醫療保健提供者可以根據需要自動對呼叫進行優先級排序。

這項技術使企業可以根據從語音困擾到語音年齡的各種情況來優化其回答/優先查詢的方法。盡管它們很聰明，但許多API在設計時都考慮到了隱私。他們不存儲私人數據，有助于確保患者的機密性。

預測分析為供應鏈決策提供依據

云計算不僅僅是通過研究和治療決策來支持醫療機構。當設備對生存的需求比以往任何時候都重要時，它還可以幫助他們解決供應短缺的問題。

隨著組織希望為有需要的人提供關鍵的醫療設備，例如PPE和通風機，云的預測分析可以幫助管理供應鏈的人員更好地了解短缺的地方以及短缺的地方，以便在出現問題之前進行分配。

匹配算法可與預測服務一起輕松實施，以減少供應鏈中的浪費，從而使供應商和采購商都能實時看到。

基于云計算的Al和機器學習正在為醫療保健利益相關者提供所需的工具，以更快，更智能的方式來對抗COVID-19病毒。盡管今天的任務非常艱巨，但這項技術以及來自我們國家最高思想的創新思想將改變我們所知道的醫療保健的面貌，從而為患者帶來前所未有的體驗。

責任編輯：PSY