數據質量即AI戰略
本文以NYU Langone Health為例，強調高質量AI依賴於源頭數據質量，而非末端過濾。通過統一數據平台、治理和數據素養社區建設，實現實時臨牀決策支持，提升醫療質量與效率。
數據質量是AI戰略的核心，而這首先要修復事務系統。這是Databricks博客上一篇文章的核心觀點。文章以NYU Langone Health為例，闡述瞭如何通過源頭數據治理來釋放AI的潛力。
醫療行業可能是AI最大的受益者之一。很少有行業能產生如此多的數據，也很少有行業能從數據洞察中獲得如此大的收益——改善護理、加速研究、提高運營效率。然而，在大多數醫療系統中，從數據生成到實際使用之間仍存在巨大差距。而那些正在縮小這一差距的機構，往往是從數據入手，而非模型。
NYU Langone Health是紐約地區領先的學術醫療系統，涵蓋患者護理、醫學研究和醫學教育。該機構採用Databricks作為統一數據和AI平台，最近已淘汰了本地數據湖，並正在遷移企業數據倉庫。平台的使用者包括臨牀醫生、分析師、科學家和企業人員，覆蓋護理、運營和研究等多個領域。
首席數字和信息官Nader Mherabi早在當前AI浪潮之前就領導了該機構的數據戰略，為數據驅動的醫療系統奠定了基礎。2017年，他認識到NYU Langone的數據收集質量，並看到了利用新興AI能力進一步發展的機會。他反覆強調一個比喻：如果想要乾淨的水，就要修復管道，而不是在末端過濾。
Mherabi指出，他們的路徑與一些機構略有不同。NYU Langone一直是一個高度數據驅動、指標驅動的組織，即使是在傳統技術棧中，也已經擁有了統一數據的數據湖和企業數據倉庫。但現代化數據平台的需求在2017年就已明確：即使在那時，AI的潛力也意味着必須現代化數據棧。構建模型是一回事，而全天候安全可靠地運行它們則是另一回事。他們需要一個能夠實現患者質量、安全、效率和醫學研究目標的平台，並且能夠隨着技術發展而成長。
他們十多年前確立的一個指導原則是：要想在智能層獲得高質量數據，就必須首先在事務系統中修復它。就像水通過管道，如果源頭的水是乾淨的，就無需在末端反覆過濾。過濾髒水成本高昂。因此，目標始終應該是首先獲得乾淨的水。雖然仍需要沿途進行一些過濾，但原則應該是讓上游數據正確。
多年來，NYU Langone通過投資通用事務平台（如統一的電子健康記錄和ERP系統），並制定數據指導原則，解決了數據質量挑戰。例如，他們從不將數據映射在數據倉庫層，而是始終嘗試在源頭修復。他們掌握了系統和數據，知道哪個是患者數據的權威來源，哪個是財務數據、運營數據的來源。一旦做到這一點，數據平台就變得更有意義，人們可以交叉引用數據，這在醫療領域至關重要。例如，以患者為中心，需要將護理數據與可用臨牀試驗、財務數據，乃至手術中採集的標本及其物理位置連接起來。如果沒有這種映射，就失去了巨大的能力。
在醫療領域，數據準確性的要求很高。統一的數據基礎可以防止不同部門之間的“指標衝突”。在人工智能到來之前，統一數據帶來的收益就已經巨大。當數據統一時，可以創建更好的指標，不同業務部門不會因為數據不一致而產生爭執。如果數據不統一，指標永遠無法對齊。而有了AI，風險更高：沒有好數據，就不會有好AI。性能取決於數據質量。此外，還有實時維度：在正確的時間和地點向人們提供洞察至關重要。
統一治理是戰略性AI要務。一旦擁有統一數據，下一個挑戰是讓數據可發現且可信。Mherabi強調，治理是基礎：需要目錄來操作數據和AI模型。他們使用Unity Catalog，但投資不僅是工具，還有圍繞它的戰略。需要定義主數據源，決定誰擁有目錄的每個部分，並仔細考慮如何向更廣泛的社區公開，以便人們找到所需數據而無需重複工作。
建立數據素養社區同樣重要。Mherabi認為，當投資於此類平台時，必須優化投資。這意味着在整個機構內宣傳其能力。目標是成為一個學習型醫療系統，從每次患者互動中學習，並將洞察反饋到實踐中。這隻有在使用平台的社區遠超IT部門時才能實現。他們建立了廣泛的用户羣體，包括臨牀醫生、分析師和科學家，在適當的訪問控制下工作，並投資於素養計劃和培訓，確保護理、運營和研究領域的人都能利用它。
實時洞察在急診室等高敏鋭度環境中至關重要。Mherabi描述了在急診室運行的模型，這些模型尋找某些危急情況，並在臨牀醫生面前提供決策支持。目標是確保患者在出院時，系統能標記出是否有漏診。這些模型需要實時數據才能工作，因此數據平台必須支持實時饋送，以便模型基於當前信息操作並提供及時洞察。
關於分析和BI戰略，Mherabi認為分析分為三層：首先提供基本可視化；其次添加會話層（如Genie），讓用户可以好奇並深入提問；第三，根據不同用户以不同形式提供答案——有時是直接事實，有時是可視化，有時是屏幕上的幾個數字。他強調，人機交互歷史上首次可以用人類語言與機器對話，就像問同事一樣。但他建議思考在哪些場景下使用以及使用到什麼程度，不要完全取代可視化。
最後，Mherabi建議接受AI的不可預測性，專注於價值創造，無論是提供安全高質量的護理、提高運營效率，還是改善患者體驗。他鼓勵教育自己，保持瞭解最新動態，以便在快速變化的市場中做出更好的決策。
NYU Langone的早期有意為之是關鍵啓示。乾淨水的比喻捕捉了重要之處：投資於下游過濾髒水的機構總是落後。而那些在事務層修復數據——即使前期投入更多時間和成本——的機構，為後續每項投資（從分析到AI再到實時臨牀決策支持）奠定了可靠基礎。在患者安全如此重要的環境下，這種紀律不是可選項。