波士顿儿童医院正在利用人工智能将识别相似患者的数周流程大幅提速，通过创建"临床替身"实现高效决策。
这家儿科医疗系统近期开发了一款数字工具，使心脏重症监护室医护人员能够快速调取既往具有相似病情和预期治疗效果的患者案例，用于构建当前患者的诊疗方案。
"我手头有位患者需要制定治疗方案，能否快速找到历史相似患者群体，观察他们对不同疗法的历史响应情况？"波士顿儿童医院临床人工智能工程师戴恩什·雷医学博士向《贝克医院评论》表示，"若采用人工方式完成此类工作，通常需要数天至数周时间，而临床决策的黄金窗口往往只有数分钟至数小时。"
传统模式下，医护人员需反复与数据分析人员协作，从电子健康记录中定位相似患者，或依赖基于大样本群体的临床研究，又或是凭借雷博士所描述的"直觉猜测"或"短暂存在的机构经验"。
该医院的目标是将流程效率提升五倍，减少80%的病历审查工作量，并计划实现电子健康记录系统的深度整合。"临床替身"是医疗系统运用AI加速临床决策支持的最新案例。此前，加利福尼亚州帕洛阿尔托的斯坦福医疗保健系统已启动"绿色按钮"电子健康记录项目，并通过环境感知AI和数据初创企业进一步优化。部分机构还在开发"数字孪生"技术，即创建患者模拟副本。
但雷博士指出，目前商业解决方案尚未达到所需"精确度"——现有工具仅能检索电子健康记录中的结构化数据，而医疗记录的主体实为自由文本。患者登记系统则仅限于特定专科、疾病和干预措施。
为此，波士顿儿童医院自主研发了解决方案，整合亚马逊网络服务与OpenAI技术，将患者数据转化为大语言模型驱动的AI智能体可理解的格式。医院选择心脏重症监护室作为试点，既因该科室临床专家支持测试理念，又因病例复杂度高，若验证成功则更易推广至其他专科。
雷博士预见该技术存在"大量潜在应用场景"，并称此类工具是"研究领域的圣杯"，因其精准定位临床试验患者的能力具有重大价值。虽然理想目标是实现秒级数据响应，但当前仍需优化——近期有医生借助该工具耗时三天（穿插其他工作期间）完成历史患者检索，但若采用人工方式耗时将显著延长。
雷博士还强调下一阶段目标是实现"单次查询精准响应"。目前医生提出查询后往往需要多次调整参数，才能获得理想答案或足够数据量。
【全文结束】
