想象一下，如果美国人唯一的出行方式是步行或骑马，每年会有10万人因无法及时到达医院或消防员到达太晚而死亡。
突然间，一项技术突破使汽车和卡车在三年内广泛普及。
国家会如何应对？
我预测，领导者不会等到汽车100%安全无风险。他们会迅速修建道路、加速生产并帮助人们学习驾驶。他们会认识到，尽管汽车会造成一些事故和死亡，但快速交通将拯救的生命远多于它造成的损失。
这就是美国应该思考生成式人工智能在医学中的应用方式。
医疗现状绝非安全
大多数美国人知道医疗保健过于昂贵且难以获取。更少人了解每年有多少人死于控制不佳的慢性疾病、误诊和可预防的医疗错误。更少人能想象像ChatGPT、Claude和Gemini这样的大型语言模型如何帮助预防这些死亡。
如今，高血压和糖尿病等慢性疾病对数百万美国人来说仍"控制不佳"，根据疾病控制与预防中心的数据，这些疾病导致了高达50%的心脏病发作、中风和肾衰竭。约翰霍普金斯阿姆斯特朗诊断卓越中心汇编的研究估计，诊断错误每年导致近80万美国人死亡或永久残疾。Notable的一项调查显示，过去一年中超过60%的患者因预约太麻烦而跳过了医生就诊，根据西健康-盖洛普最近的一项调查，近一半的美国成年人担心在2026年无法负担所需医疗。
在未来三年内，生成式人工智能可以帮助预防其中数十万人的死亡，同时改善数百万美国人的医疗获取和治疗效果。
大型语言模型的救生轨迹
2022年11月，当第一批生成式AI工具面向公众推出时，该技术被认为令人惊叹但不可靠，在临床环境中远未达到安全标准。2022年底，"谷歌的首个医疗AI模型Med-PaLM"在美国医疗执照考试中仅获得67%的及格分数。研究人员、临床医生和监管机构迅速呼吁谨慎。仅仅四个月后，据谷歌发布数据显示，Med-PaLM 2在专家医生水平上达到了87%的分数。
假设未来三年的发展与过去三年相似，"生成式AI工具将比现在强大8到16倍"，功能更强、更具临床实用性。
而今天的模型已经令人印象深刻。"一项由哈佛领导的研究"与斯坦福合作者进行并在《科学》杂志上发表，测试了OpenAI的o1预览模型在困难临床任务上的表现，包括波士顿贝斯以色列女执事医疗中心的76个真实急诊病例。在三个护理阶段——初始分诊、首次医生接触和住院——该模型在基于文本的诊断和临床管理任务上的表现匹配或超过了经验丰富的医生。
然而，医生、民选官员和政策专家仍然对允许这些工具在没有医生监督的情况下直接向患者提供医疗指导持深深的怀疑态度。
这是对呈指数级改进的新技术的典型反应。人们倾向于根据它们今天能做什么来评判它们，而不是它们很快将能实现什么。这被称为"快照偏见"，它继续塑造着关于生成式人工智能在医学中的辩论。
为了拯救生命，我们的国家必须将当今的技术视为起点，而非终点。
下一个救生机会已经触手可及。现有模型正在更丰富的临床信息上进行训练：医生与患者之间的对话和数百万医疗记录。生成式AI还能够挖掘和分析"重症监护床上每位患者每小时被丢弃的约90万个患者数据点"，根据"戴尔技术公司的Beth Andrews"的说法，她补充说"当今医疗保健中97%的数据未被使用"，因为它对人类来说太难处理了。
然而，快照偏见和对生成式AI对医疗专业影响的担忧阻碍了进展。如果美国医疗今天做得很好，我们可以放慢AI实施的步伐。但鉴于每年因医疗失败而损失的数十万生命，更安全的选择是将脚从刹车移到油门上。
如何加速生成式AI在医学中的应用
为了足够快地前进，国家应首先关注医学失败最严重且生成式AI能产生最大积极影响的领域。三个机会脱颖而出：
1. 持续慢性病控制
疾病控制与预防中心估计，高血压、糖尿病、心力衰竭和肾病等疾病影响"75%的美国成年人"，并导致许多国家最致命的并发症，包括心脏病发作、中风和肾衰竭。
然而，尽管有有效的药物和基于证据的临床方案，这些慢性疾病仍未得到充分控制。
两大主要原因是医疗结构和临床医生时间。慢性疾病是间歇性管理的，每三到四个月进行一次办公室就诊。与此同时，医生在这些就诊期间（"《JAMA Health Forum》"研究发现，初级保健医生平均每次患者花费18.9分钟）几乎没有时间来评估趋势、调整治疗并确保患者了解下一步该做什么。
一个连接到血压计、血糖监测仪或可穿戴设备的生成式AI应用程序将为患者提供关于其病情是否改善、恶化或漂移到危险区域的持续洞察。病情改善的患者可以继续当前计划，而病情恶化的患者将把信息发送给医生进行及时的药物调整。
为了有效控制慢性病，所有美国人都需要获取生成式AI，以及如何提示大型语言模型和提出后续问题的培训。可穿戴和床边监测器需要连接到生成式AI应用程序进行持续分析。医学协会和临床医生需要设计分析工具，决定何时通知临床医生，并与研究人员合作确认临床路径的可靠性。
2. 办公时间之外的医疗指导
当人们在夜间、周末或就诊间隔期间出现症状时，他们长期以来面临三个糟糕的选择：等到医生办公室开门、去拥挤的急诊室，或在互联网上搜索并希望信息可信。
生成式AI提供了更好的选择：个性化指导，帮助患者了解最可能的诊断、适当的治疗以及是否应寻求紧急医疗护理。
医学协会和临床医生可以通过创建教育工具来帮助患者安全有效地使用生成式AI技术。认识到这些大型语言模型将识别严重的医疗问题，他们还可以实施系统，让远程医疗临床医生立即可用以提供帮助。
3. 为医生提供更多时间的临床支持
大多数误诊和可预防的医疗错误并非因为临床医生缺乏知识，而是因为他们缺乏一致应用知识的时间和支持。
在短暂且不频繁的办公室就诊期间，他们被期望评估新问题、管理慢性病、处理预防性护理并安抚焦虑的患者。这是不可能的。
科技公司已经在构建AI工具以减少行政负担。这很有用，但并非革命性的。生成式AI更大的机会在于临床：为患有简单急性问题的患者提供护理、监测慢性疾病、在医疗错误发生时通知临床医生，并作为实时同事和第二意见。
成功将需要医学协会、临床医生和技术公司合作。目标不是用生成式AI取代临床医生。而是完成不需要医生全部专业知识的临床任务。持续慢性病监测、24/7获取临床专业知识以及让医生有更多时间处理复杂判断将是有利的第一步。
最大的障碍可能是财务而非技术。在当今按服务收费的体系中，生成式AI可以执行的许多任务由临床医生完成时在经济上是有利可图的。为了使激励措施保持一致，保险公司、支付方和自筹资金的雇主需要修改报销方式，鼓励临床医生预防疾病、避免并发症并减少不必要的住院。
支付方不应主要将生成式AI视为减少人员的工具，而应认识到通过更好的健康和减少危及生命的医疗问题可以节省的数千亿美元。
最安全的道路是前进（而且更快）
我们不应将美国医疗保健视为一个人手和时间短缺的系统，而应认识到我们面前的巨大机遇。到目前为止，在讨论医疗保健的核心目标——质量、可及性和可负担性——时，我们最好的做法是选择其中任意两个。生成式AI可以改变这一点。卓越的质量和便捷的可及性可以为患者和国家带来可负担性。
第一步是承认当今医疗系统每年造成的可预防死亡。然后，我们可以接受生成式AI支持临床医生、赋能患者和拯救生命的数十种方式。
本文最初发表于Forbes.com
【全文结束】