作为YC医疗技术公司Attunement的联合创始人兼首席技术官，我亲身体验了在医疗系统中实施AI的兴奋与挑战。虽然AI已经在繁琐任务的自动化方面产生了显著影响，但其在可靠诊断和治疗方面的巨大潜力尚未充分探索，这些方面在采用和模型可靠性方面将面临重大挑战。尽管目前尚不确定AI将在多大程度上辅助或甚至替代医疗提供者，但更实惠和更高品质的医疗服务可能会逐渐实现。
生成式AI在医疗保健中的现状
生成式AI已成为解决美国医疗体系问题的有前景的解决方案。其潜在应用包括从协助临床医生进行诊断到制定全面的治疗计划，甚至执行治疗干预。大型语言模型（LLMs）在这些领域的表现往往可以媲美人类，提供准确的指导和数据。在某些情况下，它们的表现甚至超过了医疗专业人员，例如在诊断强迫症（OCD）方面。在Attunement，我们通过LLMs进行边缘病例诊断的实验发现，尽管即使是最好的模型和临床医生也觉得这些病例具有挑战性，但每次进步都在迅速增加可以准确诊断的病例数量。
导航复杂的医疗保健环境
然而，实施这些技术的道路复杂，需要克服众多监管和物流障碍。产品必须属于有效的保险报销代码类别，并获得保险公司批准，同时遵守严格的FDA法规，这包括证明足够的临床效力，这一过程可能需要数年时间。由于模型幻觉和不准确性，证明临床效力也十分困难，其可靠性远不如接受过适当医学培训的提供者。
当前的医疗体系还通过提供者和保险公司之间错位的激励结构带来了额外的挑战：提供者按服务收费（即，提供更多的护理服务，而不是更少的护理服务）。因此，更好的结果并未得到激励。
当前应用与实施
由于这些限制，AI在医疗保健中的主要作用集中在后台自动化和基础设施改进。这包括简化登记表、生成会议记录和提供综合摘要服务。像DeepScribe这样的公司已成功实施AI用于转录服务，而新兴平台如Thoughtful AI则通过增强支付索赔处理和索赔管理来革新后台自动化，使用AI代理自主执行操作，类似于人类的操作，如打开应用程序、复制粘贴等。
结合代理的语言模型将创造通用人工智能（AGI），这是一种几乎可以做任何人类能做的事情的AI。许多专家现在预测AGI可能最早在2028年出现，这比之前的估计大大提前，得益于技术的快速进步。经过适当医疗数据集训练的AGI可能在诊断、治疗计划制定甚至治疗管理方面超越临床医生的能力。
从AI辅助护理到消费者个人AI护理？
与此同时，医疗保健行业正在见证“AI辅助”护理模式的兴起。这种模式涉及AI与医疗提供者合作，提供支持诊断过程、增强治疗交付、提供诊断和治疗计划的第二意见以及增强临床决策等功能。这可能是中期的用例，直到行业跟上技术发展，消除剩余的幻觉。随着能力的提升，这一清单可能会扩展，但目前尚不清楚AI是否会成为提供者的辅助工具，还是最终被消费者管理的护理所取代。
消费者护理理论似乎越来越有可能和有利。它是通过个性化的AI系统提供的护理，这些系统针对个人的特征、问题和生活情况进行了定制。尽管这种方法引发了从隐私到伦理的各种担忧，但拥有一个全面了解个体的AI系统的前景几乎是不可避免的，因为存在巨大的需求。通过使用设备上的模型，隐私和安全挑战可能得到解决，防止敏感数据被公司和潜在的恶意对手访问或商业化。
当前局限与挑战
AI在医疗保健领域的广泛应用仍面临若干重大挑战：模型在诊断和治疗方面的一致准确性仍然存在问题。它们从根本上受到来自提供者的输入数据的限制，通常无法捕捉到人类行为的微妙之处。目前，这些系统在医疗提供者接受AI输入症状培训的情况下表现最佳，而不是让AI直接收集这些信息。
另一个潜在的限制是，临床医生在建立患者关系和捕捉行为和情感数据方面发挥着关键作用，而这是当前AI系统难以充分评估的。目前尚不清楚AI何时或能否实现这一点。
总之，AI在医疗保健领域的采用面临多个障碍：新技术的严格监管要求、提供者对工作流程中断的抵触、基于AI的解决方案的复杂保险报销结构以及医疗保健行业的风险规避。
展望未来
据估计，当前医疗体系每年浪费的支出高达1.9万亿美元，即使微小的改进也能带来显著的好处。这种积极影响的潜力可能有助于克服AI在医疗保健领域常被负面看待的问题，尤其是在护理的人际互动和可靠性方面。行业向基于价值的护理（VBC）保险模式的转变，优先考虑护理质量而非数量，代表了一个有希望的趋势。这一转型，加上AI可靠性和能力的持续改进，预示着一个未来，AI将在医疗保健交付中扮演越来越重要的角色，尽管存在监管和采用障碍。成功的路径需要密切关注模型可靠性、伦理、隐私保护以及医疗保健交付中技术和人类元素的平衡。
(全文结束)
