今天，Avo 宣布推出 Ask Avo，这是一款首创的、可定制的 AI 咨询工具，可以无缝集成到电子健康记录（EHR）系统中。Ask Avo 利用患者数据、本地人口背景、机构路径和协议以及不断更新的社会指南，确保对复杂临床问题提供可信和相关响应。Ask Avo 作为“数字前门”，帮助临床医生轻松导航复杂的 EHR。Ask Avo 具有可操作性，允许提供者在就诊前请求患者病历摘要、护理差距分析、环境笔记、订单放置等。这种独特的临床决策支持与实时操作的结合不仅增强了提供者的决策能力，还节省了宝贵的时间，改善了患者结果。Ask Avo 的早期采用者包括纽约州立大学唐斯泰特医学中心、德里斯科尔儿童医院、港湾健康和邻里健康（原东波士顿社区健康）。
Ask Avo 是 Avo 平台的最新成员，可以作为单一界面，供提供者利用 Avo 的其他 EHR 集成工作流工具。其他 Avo 工具包括 Avo Pathway，这是一个可定制的医疗参考工具，以及 Avo Assistant，这是一套端到端的临床工作流，帮助自动化日常任务，如预图表、护理计划、文档编制和订购。
“作为一名医院医生，我负责在几分钟内治疗患有复杂问题的患者，我很难快速掌握他们医疗记录中的分散信息，并按照我们健康系统的独特指南进行治疗，”Avo 董事会主席兼联合创始人朴钟熙博士说。“我们的目标是打造一个超级增强版的‘Siri 遇见 ChatGPT’，让临床医生在几秒钟内导航患者病历，并以最新和最相关的证据为基础回答问题。”
“Avo 团队研究了当前的 AI 咨询工具市场，发现现有技术与从业者实际需求之间存在巨大差距，”Avo 联合创始人兼首席执行官 Yair Saperstein 博士说。“Ask Avo 受到整个 Avo 平台的启发——打造临床医生喜爱的工具。通过 EHR 集成、完全可定制且易于部署的模型，以及对相关性、可操作性和可信性的不懈追求，Ask Avo 是临床医生和健康系统所需的 AI 工具。”
纽约州立大学唐斯泰特医学中心首席执行官 David Berger 表示：“Avo 一直是我们在环境监听、决策支持和医疗计算器方面的 AI 合作伙伴，我们很高兴与 Avo 扩展合作，在纽约州立大学唐斯泰特推出 Ask Avo，这款 AI 咨询工具有望减少不必要的转诊并提高护理质量。”
随着医疗机构采用 AI 技术，临床医生对其有用性仍持怀疑态度。这些工具在机构部署或取得积极成果方面面临以下挑战：
- 缺乏 EHR 集成或可操作性：未集成到 EHR 的工具不会成为临床医生的首选，因此需要健康系统投入大量资源来提高采用率。此外，点解决方案会减慢临床医生的速度，而不是将所有所需功能整合在一个地方。
- 一刀切且资源密集：市场上现有的 AI 咨询工具仅生成基本的临床摘要，不可定制，缺乏满足当地人口需求的关键医院特定指南。此外，许多工具需要 IT 团队投入大量时间和精力来创建、实施和维护。
- 不可信且不透明：研究表明，尤其是在医疗保健领域，ChatGPT 容易产生幻觉和错误或无关的引用来源，有时甚至引用不存在的研究。健康系统决策者往往缺乏对市场上 AI 工具如何指导临床医生的洞察和控制。
随着医学证据频繁变化和临床医生倦怠加剧，医疗系统正在寻找新的方法，帮助临床医生提高效率，同时不忽视个性化、高质量的患者护理。AI 有巨大的潜力，但如果设计和实施时不考虑患者和临床医生的需求，则会带来独特的风险和挑战。以下是 Ask Avo 的不同之处：
- EHR 集成：Ask Avo 设计为无缝集成到 EHR 系统中，利用全国范围内的患者数据，提供基于最新系统和社会指南的相关和可信响应。与传统 AI 咨询工具不同，Ask Avo 的 EHR 集成使其能够考虑重要的患者背景，无需手动输入数据，确保效率和准确性。Ask Avo 目前已通过 App Showroom 与 Epic 和 Athena 集成，预计到 2024 年底与 Cerner 集成。
- 可定制、可操作且易于部署：Ask Avo 不是一刀切的。使用 Avo 的可定制后端 Builder，医疗机构可以迅速定制并上传自己的指南到 Avo 的知识库，并与 Avo 的信息学和技术专家团队合作，确定各种指南在临床环境中的相关性。换句话说，医疗机构有权在其自定的范围内实施 AI，优先考虑基于其指南和独特患者群体的响应。他们无需 IT 资源即可实现这一点，而这是实施 EHR 中 AI 解决方案的关键障碍。系统可以通过 Avo 的 Builder 平台访问拖放功能，立即发布更新，无需 IT 支持。由于 Avo 提供端到端的工作流解决方案，临床医生还可以将 Ask Avo 无缝集成到工作的多个方面。例如，临床医生向工具提问并收到响应后，可以轻松将其用于日常任务，如预图表、文档编制和订购等。
- 可信、相关且透明：Ask Avo 不仅仅是一个从过时和无关来源汇总信息的临床摘要。它旨在生成与使用该工具的机构相关的最新内容的响应。该工具的独特设计包括专有的问题系统，三重验证可信指南，并提供临床医生可见性和控制，进一步增强其可靠性。例如，当临床医生“询问 Avo”时，AI 会在后端重新表述问题，基于其认为临床医生意图提出的问题。同时，其大型语言模型会验证响应的准确性、相关性和全面性。临床医生可以完全了解响应的来源，并有权更改来源。Avo 认为 AI 必须了解其局限性，因此产品允许临床医生点击“AI Critic”按钮，查看响应中可能存在的临床空白。该产品旨在辅助，而非指令。
在最近的一项研究中，61 名临床医生被要求用相同的 10 个涉及复杂患者情景的临床提示问题询问 Ask Avo 和 ChatGPT 4。收到响应后，医生根据可信度、可操作性、相关性、全面性和格式友好性对答案进行了评分。Ask Avo 在所有方面均优于 ChatGPT 4，平均评分高出 33%，且具有统计显著性。临床医生的反馈包括：“Ask Avo 比 ChatGPT 强多了。我喜欢直接嵌入来源的引用，以及轻松在同一标签中查看这些引用的功能。我还喜欢‘AI 事实检查’选项，它使局限性明确。这非常好。”和“这个程序引用了其来源，大大增加了我对它的信任。”
关于 Avo
Avo 临床支持平台通过无缝将指南和协议纳入临床工作流程，帮助医疗保健组织标准化护理并减少倦怠，推动临床医生采用质量倡议并降低健康系统的成本。该平台集成了 EHR，并由其“无代码”Avo Builder 提供支持，允许系统立即发布更新，无需 IT 支持。通过集中最新信息并将其转化为 EHR（或其外部）中的可操作工具，Avo 简化了日常任务，如预图表、护理计划、文档编制、环境监听、订购等。Avo 旨在以爱而非警报标准化护理。更多信息请访问 avomd.com
联系人
Shelly Sasson
shelly.sasson@avomd.io
来源：AvoMD
(全文结束)
