全部商品分類
隨著 ＡＩ 進入臨床領域，醫生看到了一種可以增強診斷能力和改善護理的工具
雖然醫院和醫生辦公室，大多使用基于人工智能的工具進行文檔記錄和文書工作，但該領域的專家預計，將涌現出一波申請浪潮，以深入分析電子健康記錄、改進檢測和治療指導以及更高效地監測護理。
總的來說，它可能相當于人工智能臨床應用的新未來。
在洛杉磯的 Ｃｅｄａｒｓ－Ｓｉｎａｉ，該醫療中心的首席醫學信息官兼心臟病專家 Ｙａｒｏｎ Ｅｌａｄ表示，該中心長期以來一直使用臨床決策支持工具來為患者檢測決策提供信息。他說，這些工具可能很快就會被基于 ＡＩ 的算法所取代，這些算法可以整合更多參數并提供更好的指導。
他說，雖然基于規則的工具可能會在考慮患者的高膽固醇、心臟病家族史和糖尿病診斷的情況下推薦治療方法，但基于 ＡＩ 的模型可以對患者的圖表進行更深入的分析，并確定癥狀和風險因素的集合。例如，如果該分析指出幾年前的 ＣＡＴ 掃描結果發現了鈣化的血管，那么這些發現可能會觸發患者應該與他或她的初級保健提供者進行額外的測試或后續護理。
臨床醫生對基于 ＡＩ 的工具的興趣正在上升。美國醫學會今年早些時候表示，２０２４ 年接受調查的醫生中有 ６６％ 表示在實踐中至少使用一種人工智能開發的工具，高于 ２０２３ 年的 ３８％。大多數情況下，他們使用這些工具來記錄任務，例如記錄患者就診或撰寫出院小結。
不過，臨床醫生對這些技術在臨床和管理功能方面的潛力持樂觀態度。在對 １，１８３ 名醫生的調查中，７５％ 的受訪者在 ２０２４ 年表示，人工智能開發的工具可以幫助提高效率，７２％ 的受訪者表示這些技術可以增強診斷能力，６２％ 的受訪者表示它們可以幫助改善臨床結果。
盡管對 ＡＩ 工具的潛力寄予厚望，但受訪成員也對此類技術表示擔憂，只有 ３５％ 的醫生表示他們對 ＡＩ 的使用感到興奮而不是擔心，而 ４０％ 的醫生表示他們同樣感到興奮和擔憂，２５％ 的醫生表示他們更擔心。
根據調查，醫生表示，ＡＩ 技術需要整合反饋循環，解決數據隱私問題，集成到工作流程中，并為其提供足夠的培訓和教育。近一半的醫生表示，加強監管也會增加他們對 ＡＩ 工具的信任。
電子健康記錄提供商 Ｅｐｉｃ 的高管表示，美國幾乎每個醫療保健組織都在以某種方式使用 ＡＩ，大約三分之二的組織正在使用生成式 ＡＩ 創建文本塊來總結臨床信息。
Ｅｐｉｃ 數據和研究副總裁 Ｐｈｉｌ Ｌｉｎｄｅｍａｎｎ 表示，ＡＩ 開發的算法與公司的 ＥＨＲ 系統一起使用，以總結患者的臨床病史和測試結果，確定哪些患者需要額外的預約提醒，起草對患者消息的回復，查找診斷代碼，并在付款人拒絕醫療必要服務索賠時起草上訴。Ｅｐｉｃ 目前的項目包括一個評估使用 ＡＩ 幫助醫生在就診前查看患者病史的項目。他說，例如，通過總結患者心臟病專家的最新數據和實驗室結果，這些工具可以節省醫生的時間并減少他們的腦力勞動。
與此同時，計算機技術公司甲骨文在 １０ 月表示，它計劃在 ２０２５ 年推出一種經過改進的電子健康記錄，其中包含基于生成式 ＡＩ 的患者狀況和藥物摘要，并為醫生提供患者治療、副作用和以前就診記錄的額外摘要。甲骨文公司產品開發高級副總裁 Ｓｕｈａｓ Ｕｌｉｙａｒ 在一封電子郵件中表示，即將推出的 Ｏｒａｃｌｅ Ｈｅａｌｔｈ ＥＨＲ 系統將用于分析無數的患者數據源，包括利用對話式 ＡＩ 、提供治療建議和自動化管理任務的工具。
對話式 ＡＩ 通常用于通過模擬對話來模擬人類交互，并已用于聊天機器人或虛擬代理等軟件。
Ｕｌｉｙａｒ 說，新的 ＥＨＲ 將提供特定于患者的圖表摘要，分析患者數據以提供更精確的治療建議，審查測試建議，并讓醫生使用基于自然語言的搜索找到患者最近的三個 ＨｂＡ１ｃ 水平。該公司已經從用于匯總圖表和自動記筆記的 Ｏｒａｃｌｅ Ｈｅａｌｔｈ Ｃｌｉｎｉｃａｌ ＡＩ Ａｇｅｎｔ 中看到了令人鼓舞的成果，醫生報告說他們在文檔上花費的時間減少了近 ３０％。
＂同時，在醫院，ＡＩ 工具可以幫助對患者進行分類，提供護理路徑優化，并使用預測分析提高臨床決策和運營效率，＂Ｕｌｉｙａｒ 說。他補充說，實驗室可以簡化診斷數據的集成，并自動為醫生提供相關的臨床記錄。
超越基于規則的模型
在體外診斷檢測領域，人工智能的應用在數字病理學中可能最為常見。基于人工智能的算法在數字病理學中迅速發展，并成為了針對諸如肺部疾病和敗血癥等各種病癥檢測的基礎。除了分析單個檢測結果以輔助疾病診斷外，醫療保健公司還看到了利用人工智能開發的工具對患者健康記錄中的模式進行更廣泛分析的潛力。
斯蒂芬?菲恩（Ｓｔｅｐｈａｎ Ｆｉｈｎ）是華盛頓大學醫學院預測分析委員會的聯合負責人，該委員會的工作包括，研究在醫療保健和醫學研究中部署人工智能的新方法。他估計，醫療保健提供者現在已經開發出了，數以萬計旨在預測患者治療結果的算法，盡管到目前為止實際應用于臨床的算法數量要少得多。
他表示，華盛頓大學醫學院，已經花費了大量時間在 Ｅｐｉｃ 的電子健康記錄（ＥＨＲ）系統中測試基于人工智能的警報系統，并將其集成到工作流程中。例如，該系統的敗血癥模型用于提醒醫生和護士考慮實施敗血癥治療方案，并且需要進行精心調試，以便在干預措施能夠幫助患者時發出警報，同時又不會因誤報而讓臨床醫生應接不暇。
埃拉德（Ｅｌａｄ）稱，西達賽奈醫學中心（Ｃｅｄａｒｓ－Ｓｉｎａｉ）的大多數臨床醫生，從去年開始使用基于人工智能的工具來起草對患者消息的回復，并且設置了嚴格的限制措施，以防止該工具提出任何疾病檢測、診斷或治療建議。菲恩說，自大流行病以來，患者給醫生發送的短信數量大幅增加，醫生一直在使用這種由人工智能開發的工具來減輕工作負擔。
臨床醫生還一直在使用 ＂環境監聽＂ 模型，在患者就診期間記錄對話內容，并在電子健康記錄中生成病歷記錄。
＂這確實讓我能夠更加專注于真正地照顧患者，認真傾聽他們的訴求，并有機會真正思考他們的治療方案。＂ 埃拉德說。
他預計，這些自動記錄工具的未來版本，能夠聽到醫生告知近期有胸痛癥狀的患者需要進行壓力測試和膽固醇檢測，并自動生成檢測訂單草稿供醫生簽署。
Ｅｐｉｃ 公司的林德曼（Ｌｉｎｄｅｍａｎｎ）表示，俄亥俄州的一家醫院一直在使用 Ｅｐｉｃ 基于人工智能的工具來審查放射學檢查結果中的文本記錄，以識別可能需要后續跟進的偶然發現，一些報告已經成功實現了癌癥的早期發現。其他客戶也一直在使用該公司健康記錄系統中的基于人工智能的工具，通過識別最有可能需要隨訪或需要提醒按時服藥的患者來降低再入院率。
他說，雖然基于規則的敗血癥治療方案早已存在，但最近開發的基于人工智能的工具通過更早地識別敗血癥和健康狀況惡化，從而挽救了生命，使得患者能夠更快地進入重癥監護病房（ＩＣＵ）并穩定病情。
擴展對電子健康記錄的分析
梅奧診所（Ｍａｙｏ Ｃｌｉｎｉｃ）的胃腸病學家兼研究員紹納克?馬宗德（Ｓｈｏｕｎａｋ Ｍａｊｕｍｄｅｒ）表示，臨床醫生的病歷記錄中包含大量非結構化信息。去年，他與梅奧診所的其他 １０ 名研究人員共同在《胰腺病學》（Ｐａｎｃｒｅａｔｏｌｏｇｙ）雜志上發表了一篇文章，介紹了如何使用自然語言處理技術從臨床記錄中識別胰腺癌的風險因素。
馬宗德說，這樣的工具可以通過查找有關家族病史和先前基因檢測的記錄，幫助初級保健醫生確定哪些患者應該接受基于風險的癌癥篩查。它還可以用于幫助識別那些可能從基因檢測中受益的患者。
＂像這樣的工具能夠將這些信息提取出來，讓醫生能夠據此采取行動。＂ 他說。
他指出，盡管篩查和早期發現能夠改善治療結果，但胰腺癌通常要到晚期才會被診斷出來。雖然磁共振成像（ＭＲＩ）和內鏡超聲通常用于篩查，但他提到，多家公司一直在開發基于血液的早期胰腺癌生物標志物檢測方法。
例如，美因茨生物醫學公司（Ｍａｉｎｚ Ｂｉｏｍｅｄ）和液體生物科學公司（Ｌｉｑｕｉｄ Ｂｉｏｓｃｉｅｎｃｅｓ）上個月宣布，他們已達成合作，開發一種基于血液的胰腺癌早期檢測方法。免疫維婭公司（Ｉｍｍｕｎｏｖｉａ）最近也表示，計劃今年推出一種基于抗體的酶聯免疫吸附測定法（ＥＬＩＳＡ），用于識別早期胰腺導管腺癌。
馬宗德還表示，基于人工智能的工具擅長查找和呈現與在急診室檢查患有嚴重腹痛患者的醫生相關的信息。然而，這些工具的使用效果將取決于醫生是否將其視為一種幫助，還是另一種負擔。
與此同時，Ｅｐｉｃ 公司的林德曼表示，該公司正將資源集中在開發基于人工智能的 ＂智能代理＂ 或應用程序上，這些應用程序可以為臨床醫生協調一系列文書和臨床任務。醫生可以使用智能代理來識別需要進行結直腸癌篩查的患者，并推薦結腸鏡檢查或使用 Ｅｘａｃｔ Ｓｃｉｅｎｃｅｓ 公司的 Ｃｏｌｏｇｕａｒｄ 檢測方法。他說，如果 Ｃｏｌｏｇｕａｒｄ 檢測結果顯示患癌風險升高，智能代理可以利用這些結果自動提醒患者，并提供后續結腸鏡檢查的時間建議。
＂想象一下，一位醫生擁有一組這樣的虛擬智能代理，它們能夠執行一些針對癌癥治療的標準護理流程，比如結腸癌或乳腺癌篩查。＂ 他說。
這些智能代理還可以用于安排常規血液檢查或向患者發送隨訪信息。
埃拉德表示，西達賽奈醫學中心也一直在與一家供應商合作開發軟件，該軟件可以為患者生成關于其實驗室檢測結果的說明。其他項目包括輔助解讀放射學和心電圖檢查結果。
Ｅｐｉｃ 公司的互操作性和基因組學副總裁彼得?德沃特（Ｐｅｔｅｒ ＤｅＶａｕｌｔ）表示，他希望基于人工智能的工具還能夠通過更好地分析保險覆蓋要求和臨床指南，以及提醒患者有可用的檢測項目，來幫助提高基因組檢測的可及性。基于人工智能的工具還可以用于支持全基因組和全表型關聯研究，這可能會產生結合基因型、表型和電子健康記錄數據的新預測模型。
謹慎對待
不過，醫療保健領域的一些聲音呼吁采取謹慎的態度，以確保人工智能技術能夠充分發揮其潛力。
斯坦福大學的克里斯蒂安?羅斯（Ｃｈｒｉｓｔｉａｎ Ｒｏｓｅ）和喬納森?陳（Ｊｏｎａｔｈａｎ Ｃｈｅｎ）去年在《ＮＰＪ 數字醫學》（ＮＰＪ Ｄｉｇｉｔａｌ Ｍｅｄｉｃｉｎｅ）雜志上撰文指出，電子健康記錄曾被視為減少醫療錯誤和提高效率的一種方式，但后來卻增加了臨床醫生的管理負擔和職業倦怠感。他們呼吁謹慎行事，避免在人工智能開發的工具上重蹈覆轍。
設計不佳的界面會擾亂工作流程，讓臨床醫生感到沮喪，而信息過載、警報疲勞以及電子健康記錄系統的復雜性則會導致漏診和醫療效率低下。大量的數據錄入要求也會占用患者護理時間，導致醫生疲憊不堪。
＂雖然這些技術在特定情況下可能有助于防止錯誤，但它們的廣泛使用卻在無意中損害了患者安全，而這恰恰是它們本應改善的方面。＂ 他們寫道。
雖然一些人認為將人工智能驅動的工具集成到電子健康記錄中是實現電子健康記錄預期效益的途徑，但作者表示，需要以用戶為中心進行設計、制定數據標準、根據用戶反饋不斷完善，并進行用戶培訓。
埃拉德說，醫生對基于人工智能的建議接受程度如何，取決于這些建議是否在就診的合適時機提供了相關信息。過早或過晚發出的警報，或者在進行無關任務時發出的警報，都會導致警報疲勞。
他說，醫療保健提供者需要確保人工智能開發的模型是在合適的人群上進行訓練的，并且在設計上要盡量減少 ＂幻覺＂ 的可能性。西達賽奈醫學中心已經為醫生、護士、實驗室工作人員和運營人員成立了人工智能委員會，他還指出，臨床醫生仍然對患者護理的任何決策擁有最終決定權。
＂雖然我們對此感到非常興奮，但我們也必須保持警惕，要像對待任何新技術一樣，對人工智能進行嚴格的測試。＂ 埃拉德說。
注：文章來源于網絡，如有侵權，請聯系刪除
