生成式AI正在引领医疗保健走向又一个变革新时代,并对患者护理、疾病诊断等工作产生深远影响。这项技术能否帮助我们攻克资源稀缺前提下,医疗保健体制面临的最大问题?又能否将医疗保健服务交付到每一个人手中?虽然我们暂时还得不出确切答案,但从以下六大用例来看,生成式AI在为医疗行业赋能与增值方面无疑拥有巨大潜能。
GPT-4等顶尖生成式AI模型能够与人类医生的专业知识相结合,为我们带来一大波前所未见的强大虚拟健康工具。Ada是一款由医生开发、AI驱动的应用程序,旨在评估患者症状并以多种自然语言(包括英语、德语、法语、西班牙语、葡萄牙语及斯瓦希里语)提供医疗指导。截至目前,这款应用程序已经积累下1300万用户,并完成超过3000万次症状评估。该应用会向患者询问关于症状的问题(用户也可以为亲朋好友建立单独的症状档案),而后提出可能的诊断结论与治疗意见,同时持续跟踪患者的康复进展情况。
考虑到全球各地仍有数以百万计民众因地理位置、经济原因乃至当地资源紧缺等而得不到医疗服务,相信生成式AI将有效补齐其中部分缺口。
相信随时间推移,生成式AI系统将在患者咨询期间越来越多地为医生提供支持——AI将在后台保持运行,接收输入并生成笔记 ,根据患者病史及当前症状提出潜在问题以供医生参考。这类AI系统类似于医疗聊天机器人与诊断工具的结合,但在设计上更多强调与患者间的一对一交流。
RythmX AI就是个很好的例子,它建立起一套精准护理平台,帮助医生提供超个性化护理服务。在本质上,该系统使用生成式AI加预测AI算法为患者开具特定诊疗建议。之后,医生可以使用自然语言界面深入研究建议内容,如同获得了为拉力赛车手们宣读路书的领航员。这种AI增强方法能够帮助医生提高效率,确保患者能在宝贵的预约诊断时间内(最短可至10分钟)获得帮助。
生成式AI还能帮助医生改善患者治疗方案——通过分析大量患者数据集,AI模型可以推荐个性化治疗计划、优化用药剂量并预测潜在的不良反应,充分考虑到不同个体间的差异。此外,这类AI系统还能帮助提出量身定制的康复练习与治疗选项。
更重要的是,生成式AI有助于加强预防医学的效果。例如,诊所和医院可以利用生成式AI,根据患者独特的基因构成、健康史及生活方式制定出个性化的健康生活建议。
AI在诊断领域的应用已非新鲜事物,但生成式AI正显著增强医学图像的分析能力。未来,我们也将越来越多地看到生成式AI工具被用于帮助放射科医生通过X射线、MRI核磁共振与CT扫描,以更高的准确性与速度识别并诊断疾病。
一项相关研究整理了大量在急诊室中使用AI解读胸部X光片并提供诊断结论的应用报告。由于不少医院的急诊科无法24/7全天候提供专门的放射科服务,因此这部分图像往往需要由远程放射科医生甚至急诊室医生负责解读。研究发现,AI工具在根据放射影像提出解释与报告方面的质量和准确性已经不逊于人类放射科医生,而且超越了专业医生的远程解读。在其中一个案例中,AI的表现甚至比人类放射科医生更好,成功发现了医生并未报告的问题。由此可见,AI不仅能够帮助放射科医生更快、更高效地完成工作,还能帮助其他科室的临床医生理解医学影像、加快病患处理速度。
生成式AI已经在发现疾病治疗新药方面发挥着作用。具体如何起效?简单来讲,该项技术能够帮助研究人员更轻松地找到疾病标志物,并寻求最佳化合物组合(甚至发明全新的组合)来创造出新的药物治疗方法。也就是说,生成式AI将通过创造新型分子结构、快速筛选化合物、预测药物间相互作用、重新利用现有药物、优化临床试验及增强药物配方等多种方式,加快药物的发现与开发速度。
未来,这种能力也有望让更完善的个性化治疗变成现实——理论上,任何药物都可以根据个别患者的实际数据进行定制。
虽然表面上看不像发现新药、或者实现个性化护理那么令人兴奋,但生成式AI确实有助于减轻医疗保健环境中的管理负担,特别是将医疗编码、计费、日常查询和病历记录等任务全面推向自动化时代。再加上生成式AI强大的写作、听取、解释人类语音并理解文本内容的能力,其中的潜力几乎拥有无穷无尽的想象空间。
NextGen Healthcare公司开发的Ambient Assist笔记工具就是个典型案例,这款工具能够接收患者与临床医生间的对话,而后提供摘要记录。临床医生在完成患者问诊的短短30秒之后即可查看AI提供的笔记内容,且记录准确率超过90%。总之,像NextGen这样的工具能够帮助临床医生减少管理任务,且不影响临床病历的记录质量。当下,管理负担已经成为引发临床医生倦怠问题的公认根源,相信任何有助于减轻临床医生管理负担的方案都将为我们的医疗保健系统创造巨大的价值。
毫无疑问,还没有什么技术方案能够彻底零花人类医生及其他医疗保健专业人士的优质护理。但可以想见,生成式AI提供的功能选项有助于弥合不断增长的医疗需求与明显短缺的医疗资源间的鸿沟。面对日益捉襟见肘的医疗保健体系,将人类专业知识与机器智能相融合有望成为患者诊疗与康复建议的最佳实现途径。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。