想象一下：到了你的年度体检时间，你拍下眼睛和手臂上的奇怪皮疹的照片。AI影像诊断检查你的视网膜是否有视网膜疾病的生物标志物，并确认干燥、脱屑的皮肤很可能是湿疹——这一细节被保存到你的病历中。你的预约从年度乳腺X光检查开始，然后医生进入房间询问你最近的湿疹发作情况。他们专心听你讨论最近睡眠模式的变化，目光始终集中在你身上而不是电脑屏幕上。在预约结束前，你的医生会查看AI对乳腺X光片的解读，确认你的X光片没有异常，这让你在一小时内就得到了结果，而不再是几周后。离开后，你的医生可以借助AI总结你的病历笔记，突出任何可能遗漏的细节。相反，他们会花更多时间分析你对检查问题的回答，并个性化你的治疗计划，包括建议特殊的湿疹饮食和外用药膏。
作为患者，你不会直接与AI互动——至少目前还不会——但它会使医生的工作更轻松，诊断更准确，你的体验更愉快。欢迎来到未来的医疗保健。
专家介绍
Brian Ferguson
Brian Ferguson 是 Arena Labs 的创始人，这是一家提供培训策略和工具的医疗技术公司，帮助临床医生在高压力环境中茁壮成长。
Johnathan Chen, M.D., PhD
Johnathan Chen, M.D., PhD 是斯坦福生物医学信息研究中心的执业医生和助理教授，专注于人类和人工智能的交汇点，以提供更好的医疗服务。
医疗系统为何让医生失望
关于医疗系统的讨论通常围绕着患者的问题，但我们往往忽视了它也在让医疗从业者失望。过去十年中，医生的倦怠率稳步上升。2024年，《Medscape 医生倦怠和抑郁报告》显示，超过一半的医生报告了倦怠，其中83%的人表示他们的倦怠是由工作直接引起的。此外，女性医疗专业人士更容易遭受倦怠。
Arena Labs 的创始人 Brian Ferguson 对这些数据非常熟悉。他的公司通过提供数据驱动的解决方案来应对倦怠，为前线的临床医生提供培训工具和策略。“大多数医生和护士选择从事医疗行业是为了照顾患者，”Ferguson 解释道，“倦怠的部分原因是他们感到行政负担过重，无法做他们报名参加的患者护理工作。”
“护理学校或医学院并没有训练临床医生如何真正管理自己的神经系统、休息、恢复或平衡能量，”他补充道。
这种倦怠不仅每年使医疗系统损失超过2.6亿美元，还危及患者安全。处理倦怠的医生发生患者安全事故的可能性是普通医生的两倍。“我们在 Arena Labs 做出的一个有争议的声明是，患者安全中最不重要的部分是患者。如果我一生都专注于外部变量（另一个人）而牺牲自己，实际上是在损害我本应做的事情。”Ferguson 说道。
AI 如何帮助缓解倦怠
减轻行政工作的精神负担
许多人可能认为AI是一个未来主义的机器人，进行心脏手术或复杂的脊柱重建（这些确实存在！），但将人工智能整合到医疗领域的目标不是取代医生，而是帮助他们。“短期内，医疗将继续是一个以人为中心的系统，”Ferguson 说，“无论技术赋能和患者护理方面有多先进，仍然有一个医生在指导另一个患者的健康。即使是最好的AI也无法替代医生成为最好的自己。”
那么，AI意味着什么？最小的支持可能会带来最大的不同。例如，医生平均每周花费15.5小时处理行政任务，而这成为许多医疗AI初创公司的第一个焦点。像 Freed AI 这样的公司于2022年推出了一款符合 HIPAA 标准的AI记录员，旨在减少医生的文书工作。其技术声称可以将医生的文档时间减少95%，这一点在大型医疗网络如永久医疗集团的AI记录员推广中得到了体现。该集团于2023年10月向10,000多名医生推出了AI记录员，到2024年4月，该集团报告称AI记录员每天至少为医生节省一小时的工作时间。“我们的临床合作伙伴告诉我，他们最看重的是语音生成的AI记录功能。它似乎以最深刻的方式解决了问题，让他们能够回到他们真正想做的事情上。”Ferguson 说道。
加快诊断速度
除了为医生节省宝贵的时间，AI还开启了更快诊断的大门，这间接地可能挽救生命。据估计，每年有795,000名患者因误诊而死亡或永久残疾。虽然没有保证AI可以扭转这些统计数据，但有令人鼓舞的证据表明它可以提供帮助。《Journal Of Medical Internet Research》对 ChatGPT 的早期评估发现，大型语言模型（LLM）在诊断患者时的准确率为76.9%。（大型语言模型是专门处理和生成人类语言的深度学习机器的一个子类。）
进一步的研究支持了这一说法，显示AI在正确诊断方面的准确率几乎是医生的两倍（59.1%对33.6%）。此外，2019年的早期研究建议，AI可以在48小时前帮助诊断急性肾损伤（AKI），这是一个常常阻碍患者获得必要治疗的难题。然而，尽管医疗领域对AI充满兴奋，但仍有限制——主要是医生本身。上个月发表在《JAMA Network Open》上的一项小型研究发现，LLM 并未显著改善医生的表现，即使在单独诊断时，LLM 聊天机器人显著优于医生。医生们在LLM 提出与自己不同的意见时常常犹豫不决，许多人不知道如何正确提示AI。这些发现与研究人员的假设相矛盾，其中包括斯坦福生物医学信息研究中心的助理教授 Jonathan H. Chen, M.D., Ph.D. 研究团队基于试点研究预计聊天机器人AI系统表现良好，并假设配备类似工具的医生应该表现更好。“结果违背了‘信息学基本定理’，即假设人和计算机的组合应优于任何一个单独的表现，”Chen 说道。“尽管我仍然希望这是真的，但这项研究的结果表明，实现这一潜力需要有意的培训、整合和评估。”
“我们都需要学习如何与聊天机器人AI系统互动的新技能，以引导和协商它们按照我们希望的方式行事。”Chen 补充道。
尽管LLM通常是诊断患者讨论的中心，但它们并不是医生和护士可用的唯一工具。深度学习系统也是讨论的关键部分。深度学习系统是指使用人工神经网络从数据中学习的学习机器。这些AI系统可以从视网膜图像检测贫血，并显示糖尿病视网膜病变的迹象，以及升高的糖化血红蛋白（高血糖水平和糖尿病相关健康问题风险增加的指标）。事实上，已经存在一种深度学习模型，用于快速准确地读取乳腺X光片。该模型在读取全数字乳腺X光片时表现出与受训放射科医生相似的评估能力。
毫无疑问，AI将彻底改变患者的诊断方式，但明年将为医疗从业者铺平道路，帮助他们了解如何适当地使用人工智能来告知和辅助他们的诊断。
帮助医生筛选数据过载
改进诊断是大多数AI研究的当务之急，但无数的用例确保了AI远未结束。AI还预计将在改变放射治疗方面发挥关键作用。2023年发表在《Journal of Radiation Research》的一篇综述发现，AI可以帮助将制定癌症治疗计划所需的时间从几天缩短到几分钟甚至几秒钟。AI的影响不仅限于我们如何接受治疗，还包括治疗本身的创造。由AI驱动的生物技术公司 Insilico Medicine 估值8.95亿美元，目前正在对首个使用生成AI技术开发的药物进行人体试验。该治疗药物 ISM001-055 针对特发性肺纤维化（IPF），这是一种影响超过10万人的疾病。初步结果显示该治疗有希望，对IPF患者具有良好的耐受性。
“即使是最好的AI也无法替代医生成为最好的自己。”Ferguson 说道。
展望未来
展望2025年，我们将继续了解AI如何帮助解决医疗领域的一些最大问题：误诊、倦怠和一般研究。然而，很明显，要确保指尖上的AI得到有效利用，需要多少培训。
医疗行业已经面临技术技能短缺。随着AI投资从2024年的200亿美元增加到未来五年的近1500亿美元，培养一支能够利用AI改善文档、沟通和工作流程的技术熟练劳动力将是医疗行业的必要条件。“在许多方面，医疗是一个遗留组织。它技术饱和，因此采用新技术是一项艰巨的工作，而且很多时候这项工作没有做好，”Ferguson 解释道。
他指出，达芬奇机器人手术系统的引入允许微创手术方法。当引入手术室时，许多医生抱怨该技术不好用或效果不佳。机器人系统只是被添加到现有的手术室设置中，而实际上它们需要一个完全不同的设置才能发挥最佳效果。
为了确保AI能够帮助临床医生成功，技术必须得到适当的实施（否则就失去了意义）。“如果我使用AI来记笔记，这意味着我的工作流程必须改变，我必须腾出空间来自动化并将它重新纳入循环。这通常需要更多的工作，如果没有做好，就会给人力资源系统带来更多压力。”Ferguson 说道。
在未来几年，医疗从业者需要学习如何使用AI，Chen 将其比作互联网的引入。“虽然我们现在每天都把在线活动视为理所当然，如搜索互联网、浏览文章和提交在线交易，但这些都是我们学会的技能（35年前的我们不知道如何做到这些），”Chen 说道。“同样，我预计我们都需要学习与聊天机器人AI系统互动的新技能，以引导和协商它们按照我们希望的方式行事。”
那么，上述AI融入的医生就诊日何时会成为现实呢？我们还有很长的路要走。目前，Ferguson 认为：“人工智能的最佳角色是让人类更加人性化。”
这意味着减少临床医生的认知负担，帮助他们减轻压力，最终帮助这一服务原型回归其主要目的：帮助他人。
(全文结束)
