根据纽约-长老会医院（NYP）人工智能运营医疗主任Ashley Beecy博士的说法，医院系统可以利用多模态大型语言模型（LLMs）开发先进的虚拟医生助手，以主动监控和诊断患者的健康状况。在最近的AI影响力巡回活动上，Beecy博士强调，NYP已经在低风险领域（如总结患者访谈）中应用生成性人工智能。她希望生成性AI日益增长的热情将推动工作流程的改变，使医院能够创建全面的助手，从而革新患者护理。
多模态LLM技术助力主动护理
Beecy博士，作为一名心脏病专家，虽然没有明确实施这些进展的时间表，但她希望在接下来的一年内取得进展。目前，患者在感到胸痛后才会转诊给她，而她希望能够在心脏病发作之前预测风险。她解释说：“我们可以利用这项技术和患者数据，从影像、超声心动图和心电图等多种方式获取洞察，这些信息可能人眼无法识别，但AI可以检测，从而实现及时干预。”
虽然这种能力的技术基础已基本建立，Beecy博士强调了在医院工作流程中进行变革管理的必要性。与国家卫生组织合作将对促进更广泛的结构性变革至关重要。她的策略是从低风险的行政任务入手，比如总结患者交谈，然后逐步推进到临床诊断，如心脏病的检测。她分享道：“我设想一个无缝整合所有功能的模型，让我可以清楚下一位患者的到来时间、预约长度，并查看他们之前访问的总结，所有信息都自动更新到电子记录中，方便访问和处理。”
员工参与与工作流程优化
Beecy博士指出，NYP的员工对生成性人工智能普遍持积极态度，表现出对技术的浓厚兴趣。NYP约有49,000名员工以及与康奈尔和哥伦比亚大学相关联的医生。她在与AI作家Sharon Goldman的讨论中强调，AI在提升模式识别、数据提取和总结等关键应用方面的潜力，这对于减轻医生的行政负担至关重要。她最喜欢的应用之一是记录患者访问，并实时转录成笔记，从而减轻手动转录的负担。然而，她意识到必须获得患者的同意以录制访问，始终将透明度置于优先考虑的位置。
从行政应用到临床诊断的过渡更为复杂，但NYP正在探索利用心电图识别结构性心脏病。“许多人接受心电图检查，这也可以检测心脏病，从而实现早期干预和护理。”她说。
风险与创新的平衡
在谈到生成性AI实施的潜在风险时，Beecy博士意识到了一些顾虑，但强调医生在访问总结和诊断中的监督能够缓解许多风险。她解释道：“这项技术并不完美，准确率在90%左右，因此提供者的审核至关重要。”另一个潜在问题是对AI技术的过度依赖。她提到，LLMs的快速进步，如从GPT-3.5到GPT-4，提醒大家保持人类监督的重要性。
NYP采用谨慎而积极的态度，确保技术符合对AI工具感兴趣的利益相关者及其实际用户的需要。尽管对集成现有工作流程存在合理的担忧，Beecy博士报告称，员工们对于新的试点计划表现出极大的兴奋。
医疗领域的技术民主化
Beecy博士强调，技术在组织中的整合方式发生了变化，医疗专业人员首次直接接触到了生成性AI工具，如ChatGPT。这种去中心化的方式促进了参与感，帮助医生发现与自身工作相关的实际用例。NYP还与患者群体接触，了解对AI应用的透明度需求，查询患者是否希望在AI被使用时得到通知，这需要跨学科的意见，包括社会学家和生物伦理学家的见解。
在Beecy博士的演讲后，微软全球负责任AI工程负责人Sarah Bird讨论了技术在构建全面医生助手中的基础性作用。她强调，尽管生成性AI可以简化流程，但摘要的准确性依然至关重要，遗漏关键信息可能会显著改变患者的诊断。在另一场会议上，Citi的Promiti Dutta分享了生成性AI如何重塑金融行业，强调数据导向决策文化的转变，同时指出外部面向的LLM驱动聊天机器人仍然被视为过于冒险进行实施。
活动提示：微软赞助了AI影响力巡回活动的这一部分，但演讲者是独立挑选的。请继续关注即将在波士顿（3月27日）和亚特兰大（4月10日）举行的AI影响力巡回活动。
排行榜
