随着人工智能（AI）继续重塑各个行业，其对医疗保健的影响尤为深远。在这篇博客文章中，我们将探讨关于AI技术集成的五个关键见解，包括大型语言模型在临床环境中的前景及其实施过程中面临的问题。通过领导者的专家视角，我们将探讨AI如何有望增强诊断、简化工作流程，并在未来几年内克服监管障碍。
- LDI高级研究员Hamsa Bastani，同时也是沃顿医疗分析实验室的联合负责人，预测，记录、转录和总结临床笔记的大型语言模型（LLMs）可能会在未来的10年内被广泛采用。原因在于：医生们渴望减轻工作负担。“我们有非常明确的商业案例来使用这些模型，”Bastani说。
- 目前，大型语言模型最成功的应用是在放射学领域。例如，一些大型语言模型可以解读胸部X光片并撰写结果。“这是一个已经取得巨大进展的领域，”Bastani说。
- 美国食品药品监督管理局（FDA）现已批准超过950种由人工智能/机器学习驱动的设备，其中723种是由放射学小组审查的。然而，“FDA正在使用几十年前为非AI设备开发的监管框架来审批这些设备。技术发展的速度已经超过了新监管框架的开发速度，”宾夕法尼亚大学佩尔曼医学院肺科和重症医学助理教授、LDI高级研究员Gary Weissman说。
- 使用AI诊断疾病受到阻碍，因为当临床医生面对面接诊患者时，他们获得的数据比大型语言模型可用的数据更多。例如，一张痣的照片可能不如亲眼看到的那么精确。“诊断工具远未与人类竞争，因为这些模型并没有看到医生所看到的相同信息，”Bastani说。
- 临床抵抗是实施和整合AI功能的一大障碍。“临床医生拥有丰富的专业知识和权威，这使得改变他们的思维方式和挑战他们的判断尤其困难，”沃顿医疗分析实验室的联合负责人、LDI高级研究员Marissa King说。
(全文结束)
