人工智能系统还必须得到工具的支持，这些工具可以将它们集成到不同的 IT 和数据系统中。“要通过 AI 从数据中获得有意义的见解，互操作性非常关键，”Manoharan 说。

互操作性和集成挑战是将学术研究与人工智能实际应用分开的关键因素之一。研究通常围绕开发 AI 模型，这些模型处理精心策划的健康数据集。然而，在现实生活中，数据是凌乱的、碎片化的、难以访问的。在许多情况下，缺乏适当的数据基础设施是将人工智能应用于现有应用程序的主要障碍。

“当今的医疗保健数据通常难以交换、分析和解释。今天已经存在许多具有 AI 的单点解决方案，但医疗保健供应商环境高度分散。医疗保健提供者需要集成产品，将来自不同供应商的最佳可用 HealthTech 创新结合到一个无缝且完整的以患者为中心和以疾病为中心的解决方案中，”Manoharan 说。

解决这个问题需要技术供应商、医院和医疗保健组织之间的共同努力。“我们需要连接来自多个供应商的设备的数据，链接到医院 IT 系统，我们需要数据标准，允许您使用一种数据语言以统一的方式理解数据;我们称之为语义互操作性，”Manoharan 补充说，“连接的数据湖在这里至关重要。”

数据湖是大型存储库，不会对存储在其中的数据施加示意图限制。数据可以以原始格式存储，例如文本文件、图像和视频，以及结构良好的电子表格。然后可以使用数据科学和机器学习工具挖掘和查询数据。