经过几十年的“医生说的准没错”之后,传统医患关系正处于重大转折的临界点。OpenAI的ChatGPT、谷歌的Bard以及微软的Bing等生成式AI工具,将赋予人们更多的决策权和控制权——这种权利不仅渗透进个人生活和日常工作,更将在医疗健康层面有所体现。
随着生成式AI工具变得更加智能、安全且可靠(预计在未来五年内,AI功能将增强32倍),普通美国民众将能够随时随地获取无与伦比的医疗专业知识,而且是以易于理解的形式呈现。
目前,谷歌的Med-PaLM 2模型已经在美国行医执照考试中获得与专家相当的86.5%得分,而其他AI工具在诊断复杂疾病方面的技能和准确性也已经与普通医生相当。
很快,AI工具将能够与健康监测器和电子病历相集成,为患者提供关于特定医疗问题的详细信息(甲骨文/Cerner和Epic已经在推进此类EHR电子健康信息项目)。假以时日,相信人们能够像如今的临床医生一样准确、有效地自我诊断并管理健康问题。
而这种新兴的专业知识来源,也将动摇传统临床实践的根基。
尽管公共卫生专家长期以来一直强调临床医生与患者共同努力、携手决策的理念,但在现实推进方面却一直举步维艰。生成式AI的发展普及有望改变这一现状。
要了解生成式AI将如何影响医学实践,我们最好先从当前的医患动态入手。
医患关系最早可以追溯至五千年前,而且长期处于不对等的对抗状态之下。患者别无选择,只能以几乎完全依赖医生的方式了解自身疾病、获取诊疗意见。
尽管患者现在已经可以访问互联网来查询潜在诊断与治疗方案,但专业医疗知识的缺少导致他们无从具体甄别。事实上,大量线上资源之间往往相互矛盾、模糊不清、严重过时甚至存在误导倾向——换言之,对信息的筛选提炼本身就极具难度。而且网络用户也无法配合自己的年龄、病史、基因构成、当前用药和化验结果等指标获取有针对性的可靠建议。
未来,生成式AI将创造出公平的竞争环境,进而颠覆传统医患关系。
消费级AI工具不仅能够为用户提供知识,更能给出专业性的指导意见。这类工具能够让普通人以前所未有的高复杂方式创作艺术杰作、编写热门歌曲和输出计算机代码。而下一代AI技术也将为患者提供类似的能力,包括那些不具备科学或医学背景的病患。
如同一位数字化助手,生成式AI将以搜索引擎无法企及的方式缩小医生和患者之间的知识差距。通过访问数百万份医学文本、同行评审期刊和科学文章,ChatGPT能够以通俗易懂的语言提供准确而公正的医学专业知识。而且与互联网资源不同,生成式AI工具不会内置广告宣传机制、或者其他可能歪曲分析结论的利益要素。
为了帮助患者和医生驾驭这个即将到来的生成式AI时代,我们也许可以从以下几种经过验证的未来医疗实践模式起步:
“翻转课堂”概念的历史可以追溯到近四十年前,并且自2000年初通过北加州的Khan Academy开始在全美掀起热潮。
学生们的学习过程是通过线上观看视频和使用互动工具开始的,这就与传统课堂形成了鲜明反差。这种课前准备(或者说预习)模式允许人们按照自己的节奏安排学习内容。此外,翻转课堂还强调课间商议,让教师和学生比以往更深入地讨论主题。事实上,学生应该把握宝贵的课堂时间利用知识和协作解决问题,而不仅仅是被动听讲和记笔记。
生成式AI的引入,也为医疗保健领域的其他应用打开了大门。下面来看这项技术在实践中的几种运作方式:
美国的医疗模式常常令患者感到沮丧、不知所措。与此同时,医生们则负担沉重,过高的工作强度经常导致仓促诊断甚至误诊,由此导致的死亡和致残问题估计每年高达80万例。
受Khan Academy的启发,新的“翻转”模式利用生成式AI帮助患者掌握专业知识。这种新模式将为临床医生节约下宝贵时间,充分运用每一次就诊机会。诚然,实现这一宏伟目标还需要AI技术的后续改进以及医疗文化的整体演变,但这至少开启了希望之门,让我们看到医患关系更加和谐、患者主动改善自身健康状况的可能性。
如果还抱有疑虑,大家可以跟Khan Academy的教育工作者们聊聊,他们会分享这种创新模式如何让学生们获得更好的教育体验,包括与传统教育系统内的师生相比、该学院中的师生满意度为何遥遥领先。教育如此,医疗也将如此。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。