紐約醫院高層預測多模式大型語言模型助理將引發病患照護的範式轉變

根據NewYork-Presbyterian (NYP)的醫療運營AI總監Dr. Ashley Beecy的說法，利用多模態大型語言模型（LLMs），醫院系統可以開發先進的虛擬醫生助理，主動監測和診斷患者病情。在最近於紐約舉行的AI Impact Tour活動中，Dr. Beecy強調NYP已經在低風險領域中運用了生成性AI，例如總結患者就診對話。她表達了對生成性AI日益興趣的信心，希望能推動工作流程的變革，讓醫院能創建革命性的全面助理以提升患者護理質量。

多模態LLM技術以促進主動照護

作為一名執業心臟科醫生，Dr. Beecy表示，雖然她未具體說明這些技術的實施時間表，但她希望在接下來的一年內有所進展。她目前主要接收因胸痛而轉診的患者，但希望能提前預測心臟病發作的風險。她解釋道：“我們可以利用此技術和患者數據，從影像、超聲心動圖和心電圖等多種模式中獲取見解，這些信息可能無法被人眼察覺，但AI能夠識別，從而實現及時介入。”

雖然這些技術的技術基礎已經基本建立，Dr. Beecy強調醫院工作流程中的變革管理至關重要。與國家健康組織的合作將是推動更大結構變化的關鍵。該方法最初針對低風險的行政任務，例如總結患者對話，然後再向臨床診斷推進，檢測心臟病等病症。

“我構想中一個無縫整合所有功能的模型，讓我知道下一位患者何時到來、預約時間應該多長，並提供他們之前訪問的摘要——所有信息都記錄在電子病歷中，方便訪問和行動，”她分享道。

員工參與與工作流程優化

Dr. Beecy提到，NYP的員工普遍對生成性AI持開放態度，並渴望與此技術互動。NYP大約有49,000名員工和與康奈爾大學及哥倫比亞大學相關聯的醫生。

在AI作家Sharon Goldman的主持下，Dr. Beecy強調了AI在增強關鍵應用方面的潛力，例如模式識別、數據提取和總結，這些對減輕醫生的行政負擔至關重要。她最喜愛的應用之一是記錄患者訪問，實現實時轉錄為筆記，從而減輕手動轉錄的負擔。然而，她認識到獲得患者同意進行訪問錄音的必要性，以優先考慮透明度。

從行政應用轉向臨床診斷的過程較為復雜，但NYP正在探索使用心電圖來識別結構性心臟疾病。“許多人接受心電圖檢查，這也可以檢測心臟病，從而實現更早的介入和護理，”她表示。

平衡風險與創新

在被詢問有關生成性AI實施的潛在風險時，Dr. Beecy認可若干擔憂，但強調醫生對訪問摘要和診斷的監督可以減輕許多風險。“這項技術並不完美，準確率在90%左右，因此提供者的審核至關重要，”她解釋道。

另一個潛在問題是對AI技術的過度依賴。Dr. Beecy提到LLM的快速進步，從GPT-3.5演變到GPT-4，並警告不要對人類監督的必要性掉以輕心。

NYP採取謹慎而進取的方法，確保這項技術能與所有對AI工具感興趣的利益相關者及使用者相一致。儘管對於將AI整合入現有工作流程存在有效的擔憂，Dr. Beecy報告了員工對新試點計劃的普遍興奮。

醫療行業的技術民主化

Dr. Beecy強調了技術在組織內整合方式的變化，指出NYP的醫療專業人士首次可直接訪問生成性AI工具如ChatGPT。這種去中心化促進了參與，醫療人員也發現與其工作相關的實用案例。

NYP也在與患者團體進行接洽，以了解對AI應用的透明度問題。問題涉及患者是否希望在使用AI時被告知，這需要多學科的意見，包括社會學家和生物倫理學家的見解。

在Dr. Beecy的報告之後，微軟負責負責任的AI工程的全球負責人Sarah Bird討論了技術在創建全面醫生助理中的基礎性角色。她強調雖然生成性AI可以簡化流程，但摘要的準確性仍然至關重要，因為關鍵信息的缺失可能會顯著改變患者的診斷。

在另一場會議中，Citi的Promiti Dutta分享了生成性AI如何重塑金融行業的案例，強調了向數據驅動的決策文化的轉變，但他指出，面向外部的基於LLM的聊天機器人仍然被認為風險過大而未能實施。

活動備註：微軟贊助了AI Impact Tour這一部分，但發言者均為獨立選擇。請關注即將於3月27日於波士頓及4月10日在亞特蘭大舉行的AI Impact Tour活動。