AI在医疗保健领域的惊人转变
在最近于华盛顿特区举行的AWS峰会上，人工智能专家讨论了AI在医疗领域的独特应用案例。
许多医疗IT和临床领导者认为，环境文档记录是一种能够显著减轻临床医生工作负担的人工智能用例，并且不会造成太多干扰。然而，在当今医疗领域，AI的作用远不止于环境监听。
在2025年的AWS华盛顿特区峰会上，医疗AI领域的领军人物探讨了如何利用亚马逊网络服务（AWS）提供的AI工具来改善患者结果和临床工作流程效率。
生成式AI助力儿童管理糖尿病
如果血糖得不到妥善管理，糖尿病可能导致截肢、失明和心脏病等并发症。对于患有1型糖尿病的儿童来说，这是一种终身疾病，因此尽早教会他们理解和管理自己的病情至关重要。
哈佛大学的游戏开发者兼研究助理史蒂文·西尔弗斯（Steven Silvers）帮助开发了一款严肃游戏——一种专为教育目的设计的视频游戏，旨在为1型糖尿病儿童提供更易获取且个性化的学习体验。T1D学习营游戏允许孩子进行对话、玩耍和探索。
据西尔弗斯介绍，在对话部分，孩子可以与游戏角色互动，进行由生成式AI驱动的真实对话。开发人员手动绘制了数十万条对话路径，以便AI能够实时生成定制化响应。首先，孩子会通过预编程的游戏部分学习新概念，例如哪些食物会导致血糖缓慢而稳定地上升，哪些食物会导致血糖飙升。然后，在这些课程之后，生成的AI对话将检查孩子对概念的理解及其与日常生活的关联。孩子们还可以与游戏中的角色谈论他们的经历。
西尔弗斯解释说，这款游戏使用Godot（一款开源游戏引擎）创建，并与Amazon Bedrock连接以支持生成式AI功能。根据AWS关于该游戏的文章，“为了手动启动连接，Amazon API Gateway配置为调用一个使用Python触发Amazon Bedrock API并返回结果到Godot的AWS Lambda函数。”
由于年幼的孩子无法阅读和打字，游戏依赖语音转文本和文本转语音技术。西尔弗斯解释道，Amazon Polly 和 Amazon Transcribe 提供了游戏的说话和听力功能，而 Amazon Translate 则使不讲英语的孩子也能玩这款游戏。
游戏还利用了带有护栏的Amazon Titan和Amazon Titan图像生成基础模型来个性化游戏体验。结合这些工具，Amazon Nova Canvas 和 检索增强生成技术使游戏能够理解不同文化和饮食习惯，并根据孩子的文化和饮食生成类似游戏风格的趣味食品图像。
“这些都是AI被用来创造更易访问体验的方式。它是一种更有趣、更有效的教学方法，可以帮助孩子学会管理血糖，从而过上更健康、更快乐的生活，避免糖尿病并发症。”西尔弗斯说道。
混合AI驱动的搜索引擎提高数据可访问性
波士顿儿童医院创新与数字健康加速器的临床AI工程师迪内什·雷博士（Dr. Dinesh Rai）表示，医生常常在试图找到相关信息时与电子健康记录（EHR）作斗争。
许多电子健康记录系统只允许一定数量的搜索参数，存储在数据湖中的信息无法在床边访问。雷博士及其团队的目标是让最优秀的医生能够搜索历史数据，以便更好地了解复杂患者的情况，并制定最佳治疗方案。
为此，团队转向了AI驱动的混合搜索。
“我们通过一系列步骤将医生的查询转化为可用于搜索的对象，”雷博士说。
创建患者队列是该过程的重要组成部分。过去，基于某些纳入和排除标准查找患者是一个手动过程，但雷博士的团队一直在努力将其自动化，以使搜索更快、更准确。AI驱动的混合搜索的另一个好处是，它可以提供有关门诊和急诊患者的洞察，将搜索范围扩展到整个患者群体，而不仅仅是某一类患者。
雷博士表示，借助这一工具，医生可以做出决策，而不是依赖猜测或直觉。“他们可以知道过去哪些方法有效，哪些无效，特别是针对小众患者。”
寻求此类数据的人可以向雷博士的团队提供医疗记录，团队会逐页迭代，将结构化数据存储在SQL数据库中。他们对数值数据进行标准化处理，以帮助算法更好地搜索，然后使用语义标记和名称识别为记录标注有关疾病和发生情况的信息。团队将非结构化数据转换为向量以改进搜索。
团队在AWS实例上创建并存储不同的数据集，以便其AI代理能够搜索这些数据。雷博士说，AI代理了解数据的外观、SQL表中的内容、向量数据库中的内容以及使用的标签类型。
“当用户输入查询时，代理会将自然语言查询转换为对象以搜索SQL数据库，”他说。
如果医生正在寻找与糖尿病相关的并发症，该对象将用于搜索SQL数据、向量和语义数据库。它将根据过滤器提取患者，并根据匹配程度输出符合条件的患者列表。在床边，医生可以查看过去患有相同疾病的患者发生了什么，以确定当前患者可能的病程，基于医生考虑的干预措施。
(全文结束)
