随着医疗机构争相采用人工智能，在人工智能战略中纳入以流程为中心的方法是十分必要的，这可能也是一个获得可持续竞争优势的重要机会。
OptumIQ最近的一项针对主要医疗机构进行的关于医疗人工智能的年度调查显示，未来5年每个组织的平均投资将达到3240万美元。在接受调查的500名医疗行业领袖当中，91％的人相信人工智能将带来投资回报－－未来4年，医院高管将获得投资回报，38％的雇主和20％的医疗计划高管甚至认为可以在3年或更短时间内获得投资回报。其中75％的受访者正在积极实施或计划实施人工智能战略。
一个定义良好的人工智能战略，将有助于了解如何将人工智能添加到当前的IT组合当中。AI可以包含在现有的应用程序当中，也可以与工作流程中的应用程序进行集成。或者，在鲜为人知的以流程中心的方法中，人工智能可以被封装成工作流，而这些工作流将带我们进入下一个前沿领域。
包含AI的应用程序
EHR供应商一直因其应用程序的UI／UX不达标而被指责干扰了患者与供应商之间的关系，而他们正努力通过在应用程序中添加人工智能来实现创新。在文档中使用语音助手和自然语言处理（NLP）来总结文本笔记就是其中的两个例子。“我们希望能够帮助他们定制系统，选出最有趣的可用信息，以及他们最有可能想要执行的任务，然后将它们放在用户的指尖。这将使临床医生能够有更多的时间与患者在一起，”Epic公司的分析和机器学习部门经理Seth Hain说。人工智能是否能解决EMR的UI／UX问题，目前还没有定论－－而以前被盲目承诺过的临床医生也可能不会急于相信人工智能能马上解决他们所有的电子病历问题。
在工作流中集成AI
威彻斯特中心健康网络（WMCHealth）的案例研究是将人工智能添加到现有工作流的一个很好的例子。WMCHealth既使用了EHR的风险模型，也使用了来自Health Catalyst的第三方供应商的预测模型，来实现对出院患者进行优先级排序，以减少再入院的工作量。他们将Health Catalyst的风险评分和EHR数据共同添加到一个仪表盘上，仪表盘上有出院清单，可以用来组织病例经理的工作，并帮助他们对需要参与的患者进行优先排序。综合人工智能的新风险评分有助于识别更多的真实阳性病例（8％），并减少与EHR风险模型或LACE相比的误报率（30％）。
在医疗工作流程中应用人工智能的另一个例子是Beth Israel Deaconess医疗中心使用了Amazon SageMaker上的TensorFlow用以扫描术前文档包，以便识别同意书并将其插入到相应的电子医疗记录当中。如果缺少同意书，该工具就会向EHR发送通知，并触发后续的工作流程操作。
