医疗保健行业正处于数字化转型的阵痛之中，包括生成式人工智能和聊天机器人在患者参与方面的众多应用案例。
包括在线症状检查器、在线预约安排和患者导航、医疗搜索引擎甚至患者门户消息等技术，都是生成式人工智能和面向患者的聊天机器人的关键测试案例。一些专家表示，这些患者参与技术在人工智能的推动下得到了增强，有望减轻员工负担，同时简化患者的护理体验。
然而，即使是面向患者的生成式人工智能应用案例也不能避免该工具最大的潜在陷阱，如产生医疗错误信息或有偏差的算法。
在整个护理连续体的医疗保健专家考虑生成式人工智能和聊天机器人的患者参与应用案例时，他们还必须考虑故障保险措施，以防止该技术传播医疗谎言和造成差异。
在线症状检查器
在线症状检查器为医疗保健组织提供了在患者无需拜访医疗保健提供者的情况下评估并有时缓解患者医疗担忧的机会。
这些工具利用人工智能聊天机器人的功能，允许患者输入他们的症状，并生成可能的诊断列表。从该列表中，患者可以确定他们应该在哪里获得护理（例如，是去紧急护理还是急诊室），或者确定如何最好地自行缓解症状，比如出现感冒症状的情况。
这些技术在改善患者体验和运营效率方面有很大的潜力。如果使用在线症状检查器的患者可以确定他们可以在家中缓解症状，就可以省去拜访医疗保健提供者的麻烦。
从诊所或医院的角度来看，在线症状检查器可以帮助对患者进行分诊，将高急症患者安排到合适的地方，为需要更强化护理的患者保留资源。
但尽管有这样的前景，数据显示在线症状检查器的效果参差不齐。
2022 年，一组研究人员发表的文献综述显示，在线症状检查器的诊断准确性有限。根据文献综述中的研究，诊断准确率在 19%至 37.9%之间。
但这些工具在分诊准确性方面表现较好，即能将患者引导至最合适的护理环境。据研究人员称，分诊准确率在 48.9%至 90%之间波动。
患者对这些工具的接受程度也一般。
例如，根据 2022 年的一项分析，在疫情初期，患者对常见的新冠症状检查器反应冷淡。
这些工具旨在帮助担忧的患者确定他们的症状是否典型，或者他们是否可能感染了新型病毒，对于在压力过大的医院控制患者数量有很大的潜力。
尽管患者愿意使用这些工具，但有一些条件，2022 年的研究表明。患者喜欢聊天机器人，但前提是它们看起来能力强且具有类似人类的特质。当被认为与人类互动质量相当时，患者喜欢这些工具。
其他研究表明，在线症状检查器可能会加剧健康不平等。使用这些工具的人往往更年轻、女性且具有较高的数字健康素养，有可能造成严重的数字鸿沟。
随着人工智能开发者继续生产和改进这些工具，创建故障保险措施以使其适合所有患者将是关键。努力应包括提供能够用多种语言交流的聊天机器人，能够轻松复制人类互动的聊天机器人，以及能够在需要时快速、轻松地将患者转介给人类的聊天机器人。
自我安排、患者导航
生成式人工智能和对话式人工智能在帮助解决通常由医疗保健专业人员处理的低级患者查询方面显示出了潜力。这对当今压力巨大的医疗人员来说是个好消息，他们更愿意将临床专业知识用于预约安排或患者导航。
将生成式人工智能和聊天机器人集成到在线预约安排系统中有助于填补导航空白。聊天机器人可以帮助患者预约，同时回答患者关于在诊所哪里停车或如何前往诊所某个部门的问题。
2023 年 12 月的一篇文献综述表明，对话式人工智能可以帮助增强预约安排和患者导航过程。
“人工智能优化的患者预约安排可以减少提供者的时间负担，提高患者满意度，并最终提供更以患者为导向的医疗保健和效率，但必须了解这些模型实施的障碍，”研究人员写道。
将对话式人工智能应用于预约安排工具的关键考虑因素包括健康公平、宽带接入和患者信任。
尽管如此，在预约过程中使用人工智能可能利大于弊。虽然组织需要确保他们的技术能够用不同语言交流，并为所有人群所使用，但生成式人工智能对于平衡员工负担过重的组织来说是一个有前途的选择。
将诸如预约时段或询问诊所方向之类的低级患者请求留给对话式人工智能管理。反过来，员工可以处理高级问题，如保险查询。
在线医疗研究
ChatGPT 和聊天机器人增加了“谷歌医生”现象，为患者在与医疗保健提供者会面之前在互联网上查询症状提供了途径。
尽管一些临床医生此前对在线医疗搜索持谨慎态度，但数据显示 ChatGPT 等在为患者提供准确的医疗信息方面有些效果。
在 2023 年 4 月对生成式人工智能工具的一次测试中，ChatGPT 在为外行提供乳腺癌筛查信息方面被证明是有效的。具体来说，该工具在回答关于乳腺癌筛查的问题时，正确率为 88%。在 2023 年 5 月的另一项类似研究中，研究人员发现该工具可以为患者提供关于准备结肠镜检查的充分教育。
值得注意的是，两项研究都表明，由人工智能聊天机器人传达的这些信息是可以理解的，考虑到医疗保健对患者健康素养的优先考虑，这是关键。
不过，这些工具并非万无一失，患者也知道这一点。
这些类型的聊天机器人是基于在线信息进行训练的，它们的算法往往存在偏差。这些问题可能使患者难以信任人工智能聊天机器人发布的信息。
在 2023 年 Wolters Kluwer 的一项调查中，49%的受访者表示他们担心生成式人工智能会产生错误的医疗信息。
另有 86%的人认为他们不知道生成式人工智能所依据的信息来源或信息是如何验证的，这是个问题。另有 82%的人指出，在没有过滤或审查的互联网搜索上训练生成式人工智能可能会有问题。
验证聊天机器人和生成式人工智能的源材料将是建立患者对这些工具信任的关键任务。此外，提供其他权威的信息来源，如患者教育材料，可以帮助补充患者的信息搜索。
患者门户消息、提供者通信
最后，生成式人工智能在患者门户消息传递中找到了一个关键的应用案例。当嵌入患者门户时，该技术可以评估患者消息并代表医疗保健提供者生成响应。这可能是减少临床医生倦怠的关键。
众多研究表明，聊天机器人和生成式人工智能在患者门户中得到了有效应用。2024 年 4 月，来自麻省总医院布里格姆分院的一组研究人员发现，在患者门户的安全消息工具中实施的大型语言模型能够为示例患者查询生成可接受的答案。
在某些情况下，审查聊天机器人响应的专家临床医生认为这些文本是由临床医生编写的。聊天机器人响应有 58%的时间需要人工编辑。
单独的数据显示，聊天机器人生成的患者门户消息可能比医疗保健提供者编写的更具同理心。研究人员认为，这是因为医疗保健提供者工作过度，没有时间编写表示同理心的响应。
尽管如此，医疗保健组织不能仅仅依靠聊天机器人来回答患者门户消息。无论患者查询的复杂性如何，麻省总医院布里格姆分院的研究人员建议，在发送之前，每个由人工智能生成的响应都应由医疗保健提供者进行审查。这为医疗保健提供者提供了纠正潜在错误的机会。
生成式人工智能已在医疗保健的其他领域证明是有用的，包括临床决策支持和环境文档。除了这些患者参与的应用案例外，该技术在提高医疗保健效率方面显示出了前景。然而，技术开发人员和医疗保健提供者应确保避免医疗保健中人工智能的陷阱，包括算法偏差。
Sara Heath 自 2015 年以来一直报道与患者参与和健康公平相关的新闻。
