生成式临床AI信息工具
概述与负责任使用
生成式临床AI信息工具如UpToDate Expert AI、Ask Trip（Trip Pro）、DoxGPT、OpenEvidence以及纽约大学朗格尼健康中心自有的UltraVioletAI，提供了快速、对话式访问临床文献和综合证据的途径。这些工具可支持临床认知、床边学习和文献导航；然而，它们在准确性、证据严谨性、时效性、透明度和数据使用保障方面存在显著差异。
重要提示： 临床医生必须将所有生成式AI输出视为信息参考，而非直接的患者护理指令。任何建议都应通过以下方式验证：
- 现有临床资源（如UpToDate、指南、原始文献）
- 纽约大学朗格尼健康中心机构政策和处方信息
- 专业临床判断和共同决策制定。生成式AI应增强而非替代临床推理。
除UltraVioletAI等机构管理平台外，UpToDate Expert AI、Ask Trip、OpenEvidence和DoxGPT等工具不适合直接输入患者健康信息(PHI)。将PHI复制粘贴到这些外部系统可能构成隐私泄露，应避免。
关键AI信息工具比较
| 项目 | UpToDate Expert AI | OpenEvidence | UltraVioletAI |
|---|---|---|---|
| 开发者 | UpToDate | OpenEvidence | 纽约大学朗格尼健康中心 |
| 证据基础 | 答案基于UpToDate专家编写并经过同行评审的证据摘要，具有透明的编辑监督。 | 答案基于有限的临床和开放获取期刊。方案和社论可能在没有明确背景的情况下被引用为完整证据。没有明确披露包含或排除的来源。 | 训练数据因底层模型而异。没有主要模型专门针对临床数据进行训练，因此UltraVioletAI不是用于回答临床查询的指定资源。 |
| 时效性 | 证据摘要定期更新，并显示可见的"最后更新"日期。 | 引用可能偏向较旧内容，因此最新信息或新兴证据可能代表性不足。包含文献的日期范围未明确披露。 | 大型语言模型与最新可用信息相比存在固有的滞后性。 |
| 数据安全 | 通过机构许可和供应商企业控制，当通过纽约大学朗格尼健康中心访问时受到保护。 | 用户隐私保护和数据使用政策不完全透明；不应输入PHI。 | 数据由纽约大学朗格尼MCIT保障安全。在机构指南范围内，用户可以处理PHI（例如，从患者记录中总结或提取信息）。 |
| 优势 | 已集成到纽约大学朗格尼系统（如Epic）中；可快速获取纽约大学朗格尼特定信息（如处方集、本地政策）。 | 免费、快速、直观的自然语言搜索底层证据。 | 在纽约大学朗格尼治理下对PHI安全；适用于文档支持、总结和教育。 |
| 局限性 | AI功能正在发展，并受限于UpToDate编写的知识库。 | 没有专家对AI生成响应的编辑审查，推理不透明，证据来源较窄，幻觉或误解风险不明确。 | 未被设计或验证为主要临床信息工具；输出不应被视为确定的临床指导。 |
| 纽约大学朗格尼健康中心建议 | 首选AI工具，用于回答临床问题。所有内容仍应经过批判性评估和验证。 | 谨慎使用；对照可信临床资源和指南验证内容。 | 作为通用生成式AI系统使用，不要假设它能提供临床建议。任何健康相关内容都需要临床推理和验证。 |
工具亮点
UpToDate Expert AI
**UpToDate Expert AI
Ask Trip是Trip Pro中的生成式AI功能，Trip Pro是一个基于证据的临床搜索引擎。它从Trip指南和高质量证据数据库中提取信息，包括系统评价和荟萃分析。
工作原理
- 用日常语言输入临床问题或主题。
- Ask Trip生成简洁摘要并突出关键建议或发现。
- 提供链接到支持性指南、系统评价和其他基于证据的资源。
使用场景
- 快速了解常见疾病的基于指南的护理
- 识别高级证据（系统评价、荟萃分析、卫生技术评估）
- 探索不同组织间的指南差异
Trip Pro中的Ask Trip： 输入普通语言问题，并查看AI摘要以及链接的指南和评论。
与其他所有生成式工具一样，在将信息应用于患者护理之前，确认Ask Trip的摘要与底层指南和主要研究一致。
UltraVioletAI与临床实践中的生成式AI
UltraVioletAI是纽约大学朗格尼健康中心安全、机构管理的生成式AI平台。虽然它可以协助文档总结、起草面向患者的教育材料和支持行政工作流程等任务，但其底层模型并非仅在临床语料库上训练，也未被指定为临床决策支持工具。
使用UltraVioletAI处理临床相关内容时：
- 将其用于支持沟通、综合和教育——而非生成确定的诊断或治疗计划。
- 审查并编辑所有输出，确保其准确性、清晰度和适合临床背景。
- 确保所有操作符合纽约大学朗格尼隐私、安全和文档政策。
欲了解更多关于医疗保健和纽约大学朗格尼中的生成式AI信息，请参阅：
[构建桥梁——生成式AI与临床知识的未来](
【全文结束】
