Mimi Winsberg博士讨论了一项研究表明，大型语言模型（LLMs）可以帮助临床医生对有自杀倾向的患者进行分诊。
Brightside Health是一家位于旧金山的远程心理健康提供商，已获得1亿美元的投资支持，为患有轻度至重度临床抑郁症、焦虑症和其他情绪障碍的患者提供护理，包括那些具有较高自杀风险的患者。Brightside Health的首席医疗官Mimi Winsberg博士最近在接受《医疗创新》采访时，谈到了公司的“精准处方”概念以及利用数据优化治疗计划，还提到了使用AI来帮助预测心理健康危机。
医疗创新：我想先请您谈谈您的一些背景和Brightside Health的重点，然后再讨论最近发表在《JMIR 心理健康》上的研究，该研究评估了大型语言模型在预测心理健康危机发作中的表现。
Winsberg博士： 我是斯坦福大学培训的精神病学家，我的专长是在双相情感障碍管理方面。我在数字健康领域已经有大约10年的经验。从治疗双相情感障碍患者及其他精神疾病的过程中，我发现让患者记录症状非常有帮助。通过良好的症状记录，我们可以更成功地预测他们的病情发作。早在25年前，我们就开始用纸笔记录，随着数字健康的兴起，我意识到我们可以利用技术工具进行远程症状监测，甚至基于症状聚类分析进行治疗预测。
并不是所有抗抑郁药都一样有效，但在精神健康领域，选择抗抑郁药物通常是许多提供者的试错过程。我希望利用一些技术工具创建一个数据库，采取更明智的方法进行治疗选择，考虑到患者当前的症状表现、既往药物试验、家族史等多方面因素。这就是我们在Brightside构建的系统，它已经集成到我们的数字健康平台中，由我们的首席执行官Brad Kittredge和首席技术官Jeremy Barth七年前创建。
医疗创新：这是否意味着不仅考虑单个患者对不同药物的反应，还要查看整个数据库中其他人的反应和症状聚类？
Winsberg博士： 没错。这不仅仅是基于个体的数据，而是基于已有的文献和我们庞大的数据库。我们已经治疗了超过20万患者，可以分析患者的属性、症状表现、治疗方法和结果。我们可以找到与您相似的其他患者，并了解他们对特定治疗的反应，从而做出相应的预测。这种治疗选择方法已经在同行评审期刊上广泛发表，推动了这一领域的进步，因为精神健康领域在数据严谨性方面一直不如其他医学领域。
医疗创新：特别是在疫情期间，远程心理健康的提供者数量大幅增加。Brightside是如何在这个领域脱颖而出的，无论是对患者、支付方还是医疗机构？
Winsberg博士： 远程医疗1.0是将医生和患者通过视频界面连接起来，解决了地理限制的问题。这使得我们可以利用一个地区的医生资源服务另一个地区的需求。这只是远程医疗的开始。疫情催生了许多旨在解决访问问题的新公司。我们认为，远程医疗只是Brightside的基本要求。我们在疫情前就已经存在，远程医疗只是我们目标之一。我们真正努力做的是提供更精确和高质量的护理。
在差异化方面，一个是精准处方的概念，这是我们用于治疗选择推荐的数据系统的专有名词。这不是机器决定最佳治疗方案，而是为精神病医生提供决策支持，帮助他们更好地做出选择。这个精准处方引擎是Brightside的专有技术，也是我们的一个重要差异化点，此外还包括我们正在实施和积极发表的许多其他AI工具。对于合作的健康系统，我们觉得展示工作成果并在同行评审期刊上发布数据非常重要，这样任何人都可以审查和客观评估这些数据。
医疗创新：支付环境如何？Brightside是否与健康计划或健康系统组织有合作关系？
Winsberg博士： 我们与多个支付系统签订了全国合同，这些合同是基于我们工作的质量。支付方可以访问我们的数据，以便以专业的眼光审查我们的结果，并确定我们的结果达到或超过了他们预期的质量标准。
医疗创新：Brightside是否有与Medicaid管理护理组织的合同？
Winsberg博士： 我们首先与商业支付方合作，然后推出了Medicare，现在也在全国范围内推出Medicaid。
医疗创新：让我们回到最近发表在《JMIR 心理健康》上的研究。能否谈谈这项研究是如何进行的，以及它展示了大型语言模型的哪些影响？
Winsberg博士： 大型语言模型可以快速消化大量文本信息并进行综合处理。当患者访问我们的网站并开始注册服务时，我们会问他们为什么来到这里，让他们描述自己的感受和经历。这些回答通常由提供者与其他结构化数据一起审查。
在这项实验中，我们将患者输入的信息完全去除了任何识别信息，并将其提供给一组专家，这些专家根据文本数据和患者是否有过自杀未遂的历史进行评估。同时，我们将这些信息输入到大型语言模型ChatGPT 4中，要求专家和ChatGPT 4预测患者在未来治疗过程中是否可能经历自杀危机。
结果显示，语言模型的准确性与训练有素的心理学家和精神病学家相当。需要注意的是，提供者在预测方面并非完美，但这是目前最好的方法。这引发了一个哲学问题：当我们实施AI时，我们期望它与人类一样好，还是超越人类？例如，自动驾驶汽车必须比人类更好才能被广泛采用。在医学中，我们也采取同样的态度。为了广泛应用这些工具，我们需要它们比人类更出色，但在这种情况下，至少我们可以使它们与人类一样好。对于人类来说，这项任务非常耗时且情感上也非常累人，因此自动警报可以在某些情况下提供有用的补充。
医疗创新：如果这个工具能够高度准确地触发警报，这将如何改变护理计划？
Winsberg博士： 我们根据患者提供的信息进行分诊，以选择适当的治疗方案。例如，我们有一个名为危机护理的项目，专门针对有较高自杀风险的患者。这些患者会参加更频繁、更长时间的治疗课程，专注于自杀风险管理和生存意愿等问题。如果某位患者被认定为高风险，我们将推荐他们进入更高强度的治疗项目。
对于高风险患者，可能会采用某些特定的药物策略。例如，直接进入二级治疗选择，而不是从一级开始。
医疗创新：总结一下，这项研究表明这些工具很有前景，但尚未准备好全面部署，是吗？
Winsberg博士： 是的，我们仍然在每个步骤中保留人类的参与。我们把这些工具视为副驾，更像是GPS而不是自动驾驶汽车。
另一个我们正在部署的AI工具是书记员——它可以转录会话并为提供者生成临时笔记。
我们还为提供者提供护理见解。在与患者交谈之前或期间，需要审查许多图表元素。根据患者图表的复杂程度，有一个工具可以帮助总结护理的各个方面是非常有用的。大型语言模型在这方面表现出色。总的来说，我们才刚刚开始探索AI如何提升护理质量，同时减少全国范围内各专科医生普遍面临的倦怠问题。
(全文结束)
