数据质量即AI战略
本文以NYU Langone Health为例，强调高质量AI依赖于源头数据质量，而非末端过滤。通过统一数据平台、治理和数据素养社区建设，实现实时临床决策支持，提升医疗质量与效率。
数据质量是AI战略的核心，而这首先要修复事务系统。这是Databricks博客上一篇文章的核心观点。文章以NYU Langone Health为例，阐述了如何通过源头数据治理来释放AI的潜力。
医疗行业可能是AI最大的受益者之一。很少有行业能产生如此多的数据，也很少有行业能从数据洞察中获得如此大的收益——改善护理、加速研究、提高运营效率。然而，在大多数医疗系统中，从数据生成到实际使用之间仍存在巨大差距。而那些正在缩小这一差距的机构，往往是从数据入手，而非模型。
NYU Langone Health是纽约地区领先的学术医疗系统，涵盖患者护理、医学研究和医学教育。该机构采用Databricks作为统一数据和AI平台，最近已淘汰了本地数据湖，并正在迁移企业数据仓库。平台的使用者包括临床医生、分析师、科学家和企业人员，覆盖护理、运营和研究等多个领域。
首席数字和信息官Nader Mherabi早在当前AI浪潮之前就领导了该机构的数据战略，为数据驱动的医疗系统奠定了基础。2017年，他认识到NYU Langone的数据收集质量，并看到了利用新兴AI能力进一步发展的机会。他反复强调一个比喻：如果想要干净的水，就要修复管道，而不是在末端过滤。
Mherabi指出，他们的路径与一些机构略有不同。NYU Langone一直是一个高度数据驱动、指标驱动的组织，即使是在传统技术栈中，也已经拥有了统一数据的数据湖和企业数据仓库。但现代化数据平台的需求在2017年就已明确：即使在那时，AI的潜力也意味着必须现代化数据栈。构建模型是一回事，而全天候安全可靠地运行它们则是另一回事。他们需要一个能够实现患者质量、安全、效率和医学研究目标的平台，并且能够随着技术发展而成长。
他们十多年前确立的一个指导原则是：要想在智能层获得高质量数据，就必须首先在事务系统中修复它。就像水通过管道，如果源头的水是干净的，就无需在末端反复过滤。过滤脏水成本高昂。因此，目标始终应该是首先获得干净的水。虽然仍需要沿途进行一些过滤，但原则应该是让上游数据正确。
多年来，NYU Langone通过投资通用事务平台（如统一的电子健康记录和ERP系统），并制定数据指导原则，解决了数据质量挑战。例如，他们从不将数据映射在数据仓库层，而是始终尝试在源头修复。他们掌握了系统和数据，知道哪个是患者数据的权威来源，哪个是财务数据、运营数据的来源。一旦做到这一点，数据平台就变得更有意义，人们可以交叉引用数据，这在医疗领域至关重要。例如，以患者为中心，需要将护理数据与可用临床试验、财务数据，乃至手术中采集的标本及其物理位置连接起来。如果没有这种映射，就失去了巨大的能力。
在医疗领域，数据准确性的要求很高。统一的数据基础可以防止不同部门之间的“指标冲突”。在人工智能到来之前，统一数据带来的收益就已经巨大。当数据统一时，可以创建更好的指标，不同业务部门不会因为数据不一致而产生争执。如果数据不统一，指标永远无法对齐。而有了AI，风险更高：没有好数据，就不会有好AI。性能取决于数据质量。此外，还有实时维度：在正确的时间和地点向人们提供洞察至关重要。
统一治理是战略性AI要务。一旦拥有统一数据，下一个挑战是让数据可发现且可信。Mherabi强调，治理是基础：需要目录来操作数据和AI模型。他们使用Unity Catalog，但投资不仅是工具，还有围绕它的战略。需要定义主数据源，决定谁拥有目录的每个部分，并仔细考虑如何向更广泛的社区公开，以便人们找到所需数据而无需重复工作。
建立数据素养社区同样重要。Mherabi认为，当投资于此类平台时，必须优化投资。这意味着在整个机构内宣传其能力。目标是成为一个学习型医疗系统，从每次患者互动中学习，并将洞察反馈到实践中。这只有在使用平台的社区远超IT部门时才能实现。他们建立了广泛的用户群体，包括临床医生、分析师和科学家，在适当的访问控制下工作，并投资于素养计划和培训，确保护理、运营和研究领域的人都能利用它。
实时洞察在急诊室等高敏锐度环境中至关重要。Mherabi描述了在急诊室运行的模型，这些模型寻找某些危急情况，并在临床医生面前提供决策支持。目标是确保患者在出院时，系统能标记出是否有漏诊。这些模型需要实时数据才能工作，因此数据平台必须支持实时馈送，以便模型基于当前信息操作并提供及时洞察。
关于分析和BI战略，Mherabi认为分析分为三层：首先提供基本可视化；其次添加会话层（如Genie），让用户可以好奇并深入提问；第三，根据不同用户以不同形式提供答案——有时是直接事实，有时是可视化，有时是屏幕上的几个数字。他强调，人机交互历史上首次可以用人类语言与机器对话，就像问同事一样。但他建议思考在哪些场景下使用以及使用到什么程度，不要完全取代可视化。
最后，Mherabi建议接受AI的不可预测性，专注于价值创造，无论是提供安全高质量的护理、提高运营效率，还是改善患者体验。他鼓励教育自己，保持了解最新动态，以便在快速变化的市场中做出更好的决策。
NYU Langone的早期有意为之是关键启示。干净水的比喻捕捉了重要之处：投资于下游过滤脏水的机构总是落后。而那些在事务层修复数据——即使前期投入更多时间和成本——的机构，为后续每项投资（从分析到AI再到实时临床决策支持）奠定了可靠基础。在患者安全如此重要的环境下，这种纪律不是可选项。