Isipin ang isang beteranong clinic manager na maraming taon nang nagtatrabaho sa ospital.
Sabihin sa kanya na “may pasyenteng may varicose veins para sa konsultasyon,” at ang isang pangungusap na iyon ay nagbubukas ng maraming bagay sa kanyang isipan nang sabay-sabay. Anong mga pagsusuri ang kailangan. Kung ang sintomas ay sapat para sa insurance, o kung para sa aesthetic lamang kaya walang coverage. Sino ang medikal na tauhan para sa operasyong ito. Kailan bakante ang operating room. Magkano ang inaasahang gastos at paano ilalapag ang konsultasyon. Hawak niya ang mapa ng buong ospital — konektado sa isang salitang “varicose veins.”
Pag-iimbak at Pag-alam
Ngayon isipin ang isang karaniwang sistema ng software ng ospital. Naka-imbak din doon ang salitang “varicose veins.” Pangalan ng pasyente, rekord ng operasyon, kita — lahat ay maayos na nakapasok sa kani-kanilang kolumna. Ngunit hindi alam ng sistemang iyon kung paano nagkokonekta ang mga ito sa isa’t isa. Nag-iimbak ito ng teksto. Hindi nito naiintindihan ang kahulugan.
Pag-iimbak at pag-alam. Ang pagkakaiba ng dalawang ito ay ang ontology.
Malinaw na lumilitaw ang agwat na ito sa pasilidad. Maaari mong bigyan ng bagong empleyado ang parehong access tulad ng beteranong manager. Maaari mong buksan ang parehong database para sa kanila. Ngunit ang empleyado na iyon, kahit titingnan ang parehong screen, ay hindi makakapagsagawa ng parehong trabaho. May impormasyon ang screen, ngunit ang network kung paano magkakaugnay ang mga piraso ng impormasyong iyon ay wala pa sa kanyang isipan. Maaaring ipasa ang data. Ngunit ang pag-alam ay hindi ganoon kadaling mailipat.
Karamihan sa software ng pangangalagang pangkalusugan ay nakatuon sa bahagi ng pag-iimbak. Mas mabilis na input, mas malinis na storage, mas madaling pagkuha. Mahalagang trabaho iyon. Ngunit gumagawa ito ng mas magandang bodega, hindi ng ospital na nakakaintindi sa sarili nito. Ang bodega ay nagtatago ng mga bagay. Hindi nito naiintindihan kung paano nagkakaugnay ang mga bagay na iyon.
Ang Pag-alam ay Pag-uuri
Ang salitang ontology ay mukhang mahirap, ngunit ang kakanyahan nito ay isang pangungusap: ang pag-alam ay pag-uuri.
Kapag alam natin ang isang bagay, lagi nating inaari-ari ito. Tingnan kung paano natututo ang isang bata tungkol sa mundo. Naiintindihan niya ang “ibon” bago makilala ang pagkakaiba ng maya at kalapati. May konsepto ng “isda” bago mapagsunod-sunod ang mga uri ng isda. Ang magawa nang mag-uri ay ang magawa nang malaman. Ang hindi mauri-uri ay hindi pa nalalaman.
Dito rin ang dahilan kung bakit dakila ang aklatan. Ang halaga nito ay hindi nasa bilang ng mga libro kundi sa sistema ng klasipikasyon — ang branching structure na nagsaayos ng kaalaman ng mundo sa mga istante. Sinundan ng mga tao ang mga sangay na iyon upang maunawaan ang kaalaman ng isang buong panahon nang sabay-sabay. Ang klasipikasyon ay hindi lamang pag-aayos. Ito ay kaalaman mismo. Ang mailagay ang isang bagay sa isang bagong kategorya ay nangangahulugang naiintindihan mo ito. Ang hindi mahanap ang anumang kategorya para dito ay nangangahulugang hindi mo pa ito alam.
Ang Paghahanap ay Hindi Pag-alam
Ngayon, tumigil na tayo sa pag-uuri. Nagta-type tayo ng salita sa search bar at tinatanggap ang anumang lumabas. Tulad ng pukot na nagkakalat sa ilalim ng dagat, kinukuha ng paghahanap ang lahat nang sabay-sabay. Maginhawa. Ngunit sa loob ng kaginhawahang iyon, ang kakayahang mag-uri ay hindi lumalaki.
Ang paghahanap ay naghahanap. Ngunit ang paghahanap at pag-alam ay magkaiba. Hanapin ang “varicose veins” at bawat rekord na naglalaman ng pariralang iyon ay umaapaw sa screen. Ngunit hindi nito sasabihin sa iyo kung ang partikular na pasyenteng ito ay karapat-dapat sa insurance, anong paghahanda ang kailangan, o kung available ang operating room. Hindi naghahanap ang beteranong manager. Alam na niya — dahil inuri-uri na niya ito. Ito ang dahilan kung bakit ang kasaganaan ng impormasyon ay hindi nagpapalalim ng pag-unawa.
Bakit Mahalaga Ito Ngayon
Nagiging mas matalas ang problema sa panahon ng AI. Ibigay sa AI ang data na hindi inuri-uri at punan nito ang mga puwang sa sarili nito. Ang pagpunong iyon ay hula. Sa isang ospital, ang hula ay mapanganib. Bago magdala ng sopistikadong AI, ang ospital mismo ay kailangang maiuri-uri nang tumpak muna.
Ano ang Ibig Sabihin ng Pag-uuri ng Ospital
Ang pag-alam ng ospital ay ang pag-uuri nito nang tumpak. Ano ang isang pamamaraan, ano ang kagamitan. Aling pamamaraan ang kabilang sa aling klinikal na lugar. Aling device ang nasa aling espasyo at sino ang nagpapatakbo nito. Ano ang insurance code para sa isang pamamaraan at paano nabubuo ang gastos nito. Pagsamahin ang lahat ng ito, at i-map ang mga koneksyon sa pagitan ng mga piraso — iyon ang ontology.
Ang taglay ng beteranong manager ay hindi data. Kundi konektadong kaalaman. Ang problema ay ang kaalamang iyon ay nasa loob lamang ng kanyang isipan. Sa mga araw na wala siya, ang isang bahagi ng ospital ay umaalis kasama niya.
Ang ginagawa ng Keynoty ay ilipat ang mental na mapang iyon sa isang sistema na ibinabahagi ng buong ospital, palagi. Ang pundasyon na iyon ay ang ontology. Sa limang kabanata na susunod, ipapakita namin, hakbang-hakbang, kung paano ginagawa ang mapang iyon.