美国各地的医院、医疗机构的服务和医疗保健系统都在苦苦挣扎。 医务工作人员过劳,人手短缺。 运营成本在不断攀升。对服务的需求往往超过了医疗系统的承载能力,患者获得医疗服务因此受到限制。
人工智能登场。ChatGPT 是两年前推出的,在此期间人工智能迅速成为焦点。投资者、科技公司和医疗机构在人工智能领域投入了巨额资金,也发布了无数的新闻稿,启动的试点项目的数不胜数,有时候甚至还描绘出人工智能可以拯救医疗保健系统的美好愿景。
然而,到目前为止人工智能对医疗保健的整体影响仍然十分有限。我们是不是太心急了?期望是否过高?
在整个更广泛的(非医疗)领域里,对人工智能的期望与现实之间的差距正在扩大,因而越来越多的声音在表达对人工智能的负面看法。虽然许多公司现在都在使用人工智能生成电子邮件、图像和营销材料,但并没有出现“杀手级应用”,也就没有足够的理由说明人工智能的高昂成本是合理的。
与其他行业相比,人工智能在重塑医疗行业时可能会遇到更大的困难,因为医疗行业风险高、组织结构复杂,而且监管政策存在不确定性。
一方面技术上存在挑战。预测算法在不同环境下难以通用。例如,一些医院直接采用现成的败血症算法(未经本地数据训练)时会出现许多误报及漏检测败血症病例。此外,生成式人工智能太不可靠,无法应用于一些高价值任务,例如分诊、诊断和推荐治疗方案。微软研究院院长 Peter Lee 的解释是,“像GPT-4这样的生成式人工智能系统既比你见过的任何人都聪明,也比你见过的任何人都笨。我们对于其在医疗保健领域的潜力作的假设既过于乐观又过于悲观。”
此外,许多医生、护士和医疗消费者对人工智能持怀疑态度,担心会危及隐私、加剧偏见并损害医患关系。根据他们使用电子健康记录的经验(电子健康记录未能达到预期并导致了多余的负担),他们认为人工智能一定会改善医疗服务的说法已不再可信。
还有最后一点,在现实世界中实施人工智能非常复杂,涉及许多利益相关者,需要大量资源,而且充满潜在隐患。而且,与之前的数字化举措(如实施电子健康记录,超过 340 亿美元的付款有其意义)或COVID-19大流行期间临时转向虚拟医疗的情况不同,医疗服务提供者组织缺乏主要的动力去采用人工智能产品,原因是这些人工智能产品会增加成本,还会迫使他们改变工作流程,但通常却不会直接增加所获得的拨款。
这并不是说人工智能在医疗保健领域现在或将来都毫无用处。一些机构已经在使用带来了显著好处的人工智能解决方案,例如预防再次住院和减轻医生的文档负担。随着人工智能技术的进步,人工智能将有望改善临床护理、运营和研究等各个方面。
不过,我们必须降低期望值。历史告诉我们,我们需要很多年而不是几个月的时间才能开发出有用的人工智能产品并将其整合到工作流程中,最终开启新的、更好的医疗服务方式。
在这个过渡时期里,医疗服务提供组织应采取以下措施,以最大限度地发挥人工智能当前和未来的净效益。
医疗服务提供组织必须遵循循证医学的基本原则,要认识到无论技术多么令人振奋,医疗保健的核心始终关乎人而不是产品。诸如医疗人工智能联盟一类的 组织正在致力制定实施医疗人工智能模型的标准,并设立保障实验室对其进行评估,以确保安全、公平地使用有效的人工智能工具。
医疗保健系统是一个复杂的自适应系统,其中的多个动态互动的组成部分决定了整个系统的性能。实施人工智能的组织应采取整体的系统方法,不仅仅关注技术,还要包括人员、系统和设计。
首先,在急于实现任何医疗保健任务的自动化之前,医疗服务提供组织必须先问问这项任务是否值得一做。正如 Peter Drucker 的教导所说,“没什么比高效地做一件根本不该做的事更加徒劳。”
其次,由于制约因素(即需求超过产能的节点)决定了整个流程的运作速度,因此在应用人工智能提高各种流程的效率之前,必须先识别并缓解下游的瓶颈。例如,如果医生的日程已经排满,那么患者预约系统自动化的作用就将微乎其微。同样,若护士和临床医生无法根据信息采取行动,那么早期识别败血症患者也将毫无用处。
各组织必须抵制大胆的主张,务必立足现实。人工智能不会神奇地解决医疗保健领域的所有问题。而且,由于大型语言模型无法进行推理或真正地进行理解,许多医疗保健问题可能需要新的混合方法,将机器学习与更传统的符号人工智能结合起来。
然而,医疗服务提供组织仍然可以利用当今的人工智能获得一些适度的益处(例如,减轻部分的繁重工作,定制患者教育和参与内容),同时为未来的成功奠定基础。重要的是,不能忽视非人工智能手段的机会,目的是做得更好。最重要的是,应该反思自己的身份及自己是做什么的,要反思如何做得更好,无论有没有人工智能。
好文章,需要你的鼓励
瑞典皇家科学院宣布2024年物理奖颁给了,两位AI先驱Geoff Hinton和John Hopfield。两位提出的Hopfield网络、玻尔兹曼机器、神经网
2017年7月份,Purley的新一代服务器平台,Purley平台将产品型号命名方式由此前连续使用四代的E7/E5变为至强可扩展处理器(Intel
随着AI技术进步、大量生物数据集的出现以及计算能力的持续提升,数字孪生概念在医疗保健领域也开始获得关注。在生命科学领域,数字孪生甚至能够表达患者、细胞、器官或者其他非生物系统,例如为健康系统或者药物制造过程建立孪生副本。
爱立信和软银表示,作为合作项目的一部分,两家公司将探索共同的网络和计算基础设施服务,使人工智能和 RAN 能够在相同的网络基础设施上运行,最终目标是利用人工智能的力量提升网络效率,进而为通信服务提供商提供新的应用场景。