生成式人工智能正在席卷美国的各个行业，医疗保健也不例外。但随着生成式人工智能的兴起，企业被迫应对又一轮技术炒作周期，在此过程中，为这些工具选择实际用例并有效部署是主要优先事项。
医疗保健行业也未能免受生成式人工智能的热潮影响，相关研究和试点项目展示了该技术在临床文档、收入周期管理和电子健康记录（EHR）工作流程改进等领域的潜在价值。
但是，与任何新技术一样，在医疗保健领域采用生成式人工智能不仅需要利益相关者确定用例和部署策略，还需要解决在此过程中的障碍，从建立患者信任到解决跨医疗保健部门的整合问题。
随着行业领导者继续优先考虑其人工智能工作以加强数字化转型，与员工就人工智能在医疗保健中的利弊进行沟通至关重要。
然而，在像生成式人工智能这样的新兴技术背景下，这带来了独特的挑战，因为这些工具相对较新，需要向医疗保健劳动力传授该技术的基础知识——包括它是什么、如何工作和最佳实践——以及其在临床和管理环境中的潜在益处。
在本期《医疗保健策略》中，OSF 医疗保健规划副总裁梅利莎·克努斯（Melissa Knuth）介绍了该医疗系统如何通过围绕生成式人工智能创建强制性持续教育来克服员工面临的这些挑战。
“Shania Kennedy 自 2022 年以来一直在报道与医疗 IT 和分析相关的新闻。”
文字记录 - 打造适应生成式人工智能的医疗保健劳动力
梅利莎·克努斯：我们有六周的时间为 24,000 名员工开发生成式人工智能教育。不是要抑制这些工具的使用，而是为他们在内部如何使用这些工具提供一些指导原则。
Shania Kennedy：您好，欢迎来到《医疗保健策略》。我是 Healthtech Analytics 的助理编辑 Shania Kennedy。今天，我们要聊聊生成式人工智能。
如果您在医疗保健的分析方面花费了任何时间，您已经知道人工智能工具被吹捧为临床决策支持、医学成像、EHR 工作流程等方面的潜在变革者。但是当我们谈论部署这些工具时，关注医疗保健组织如何为劳动力做好应对技术涌入的准备是很重要的。
OSF 医疗保健最近通过为其员工开发强制性持续教育来应对这一挑战，以帮助他们更多地了解使用生成式人工智能的好处。今天，我们邀请了 OSF 医疗保健规划副总裁梅利莎·克努斯（Melissa Knuth）来为我们详细介绍。梅利莎，感谢您来到《医疗保健策略》。
克努斯：感谢您的邀请，Shania。我们对在这里所做的工作感到非常自豪，所以我很感激有机会分享。
Kennedy：当然。当我听说这件事时，我很兴奋，也很感兴趣，因为当我们谈论像生成式人工智能这样的工具时，热门话题通常是“我们如何改善患者体验？”和“我们如何增强我们的医疗保健劳动力？”——特别是我们的临床医生，他们已经在应对职业倦怠、工作时间过长以及所有与文档和工作流程相关的其他问题。这项举措旨在改善患者体验并增强医疗保健劳动力。我想知道我们是否可以先请您带我们了解一下您是如何意识到需要为员工创建这些关于人工智能的教育材料的，以及这是怎样的一个过程？
克努斯：首先，为了让大家了解背景，我们是一个总部位于伊利诺伊州中部的天主教医疗保健系统。我们由圣方济各第三会的修女创立，所以我们是一个非营利性的医疗保健系统。为了让您对我们医疗保健系统的规模有个概念，我们有 16 家医院，约 24,000 名员工——我们称他们为使命伙伴——和 600 名医生。所以，这只是给大家一点关于挑战的背景和规模的信息。我还想和大家分享的是，我认为 OSF 医疗保健是全国最进步的天主教医疗保健系统之一。我们是创新者。我们刚刚庆祝了 OSF 创新和我们的创新中心成立 10 周年。所以，多年来我们一直积极参与医疗保健的转型。所以，当生成式人工智能出现时，这是我们正在做的工作的自然延伸。
我们面临着全国几乎每个医疗保健系统都面临的相同挑战，特别是非营利性医疗保健。医疗保健的变革步伐大大加快，因此，跟上变革的步伐始终是一个挑战。我们的运营利润率很低，特别是在非营利性医疗保健中，所以我们必须尽可能提高生产力和效率。
关于生成式人工智能的前景和帮助像我们这样的医疗保健系统转型有很多讨论，所以当生成式人工智能工具出现时，我们知道这只是我们已经在做的工作的自然延伸，并很快接受了它。
Kennedy：当我看到新闻稿时，上面说您在六周内完成了这项工作，这是一项相当艰巨的任务。特别是，就像您说的，对于这样规模和大小的医疗保健系统，而且我确信——除了您已经面临的挑战之外——在这么短的时间内完成这项工作是一项艰巨的任务。
克努斯：是的，我们在六周的时间内实际开发了教育内容。不过，公平地说，在此之前我们已经做了一些活动。我们邀请了一位行业专家，他也是生成式人工智能和医疗保健领域的专家，让他与我们内部的 200 多位领导谈论生成式人工智能，并帮助他们了解生成式人工智能在像我们这样的医疗保健系统中真正有益的用例组合。我们已经做到了这一点。
我们与我们的领导、董事会和组织的高层进行了一些协调，然后我们成立了一个生成式人工智能工作组。所以，我们从自上而下承诺要为生成式人工智能整理我们自己的用例组合。我认为我们做的一件非常聪明的事情是，我们让两位医生创新者负责这个工作组。
我们有乔纳森·汉德勒（Jonathan Handler）博士，他是我们的创新高级研究员，有着多年的经验，还有泰勒·菲奇（Tyler Fitch）博士，他是我们的首席医疗信息官——在临床信息学方面非常资深。他是一名住院医生，但在技术方面也非常精通。
所以，他们成立了一个生成式人工智能工作组，然后我被要求领导该工作组下的教育工作流。您介绍我是规划副总裁——这是我的角色，[而且]这是我们在组织中承担的其他职责之一，我们有六周的时间为 24,000 名员工，即我们的使命伙伴，开发教育内容。
背后的原因是这些工具正在迅速普及。它们越来越多地公开可用，所以我们希望确保不会抑制这些工具的使用，因为我们希望每个人都真正理解它如何增强他们的角色，但要为他们在内部使用这些工具提供一些指导原则和限制。
我们面临的另一个挑战是，对于 24,000 名使命伙伴，我们必须为每个人提高教育水平，或者说统一教育水平——从我们的患者转运人员到外科医生。所以我们进行了很多关于“我们该怎么办？我们是否创建不同层次的教育和多个课程包？”的讨论。我们最终决定，生成式人工智能在这个场景中足够新，我们将对每个人一视同仁，并将此作为一个机会来统一人工智能素养，但也要提升所有人，以便他们对生成式人工智能有这个基础的理解，我们可以在此基础上继续发展。
Kennedy：这是我在阅读相关内容时一直在思考的问题，因为当然，当您试图教育从首席执行官到食堂工作人员的每个人时，这肯定具有挑战性。24,000 人，仅仅是规模上，要使其具有普遍性和高价值，显然他们已经有足够多的事情要处理。您真的需要一些有影响力的东西。您是如何克服这些挑战的？您如何使其具有普遍性？当然，我想您提到的某些最佳实践您可以关注，但无论如何这似乎都是一项巨大的任务。
克努斯：这绝对是一项巨大的任务。我们做了几件事。首先，我们必须考虑引入这种教育的背景和环境。我们一年前就开始了。老实说，当时我们还没有完全走出疫情。所以，我们仍然有临床医生面临职业倦怠，特别是由于临床文档的管理负担。所以，我们知道非常重要的是，我们要关注这一点，专注于此，并让人们以正确的方式使用这些工具。另一件真正推动[这一工作]的事情是，医疗保健领域存在人员短缺，预计这种情况将至少持续十年。我们每天都面临这个挑战。这是一种增强人们角色的方法，所以我们采用了人工智能素养的方法。
我们从基础开始，[比如]“什么是生成式人工智能，它与人工智能有何不同？”——我们在组织内部已经谈论和实践了很多年——这样他们就能理解其中的差异，生成式人工智能的前景确实比我们仅仅看待人工智能时要大得多，但我们两者都在使用。我们还想关注“生成式人工智能的局限性是什么？”结果存在偏差，而作为使用者，您必须认识到您可能会得到有偏差的结果。始终保持人类在回路中，并帮助人们理解这是一种“信任，但验证”的策略——这些工具可以帮助您在正在进行的工作中加速进展。您确实要对您收到的结果进行验证，并确保它们适合具体情况。
您想使用这些信息，但因为我们是一个医疗保健系统，我们必须不惜一切代价保护患者的健康信息。
我们希望确保人们知道，除非这是一个经过 OSF 审查和批准用于此目的的工具，否则您不能将患者的健康信息复制并粘贴到这些工具中。所以，给他们一些核心的指导原则，但不仅限于所有的限制和指导方针，同时还要让它对他们来说有趣，并给他们实际的用例、潜在的用例，让他们感到兴奋的东西。
能够减轻文档负担可能是临床医生最大的需求之一，但还有很多其他用例。所以，我们给了他们这些例子。我们尝试做的另一件事——因为要接触到 24,000 名使命伙伴是令人生畏的，而且随着时间的推移，我们的社会注意力持续时间已经缩短——我们试图从社交媒体中吸取一些教训，并真正思考，我们如何以 TikTok 风格来做这项工作，我们制作不超过一到两分钟的教育短片，并使其成为多媒体。
所以，它不仅仅是所有的视频或所有的文本，它是一些可以帮助测试理解的互动视觉效果，它是一些视频，为他们提供了我们希望他们从学习中理解的核心信息。老实说，效果非常好。
在教育结束时，我们做了一个非常简短的调查，问了他们几个问题，我们确实有 80％的组织完成了这项强制性教育。所以，在 24,000 名使命伙伴中，约有 19,000 人在各个级别完成了它。我们问他们的一件事是，“这是否有助于增强您对主题的知识？”参加的人中 75％表示有帮助。我们还问他们，“我们提供的信息与您的角色相关吗？”65％的人表示相关。
当您试图为 24,000 人在他们还不太熟悉的新技术主题上提升水平时，我们认为这是一个巨大的成功。这很有趣也很有挑战性，因为我们必须在六周内完成，因为他们觉得这很重要——人们正在使用这些工具，我们需要传达这些信息，但我觉得非常成功。
Kennedy：80％的响应率、完成率——任何从事统计或进行调查的人都知道这非常好，特别是推出像这样的东西。[生成式人工智能]是新的，对于许多医疗保健系统来说这是一个灰色区域，这就是为什么我认为您采取的方法，从社交媒体和其他地方吸取教训，非常具有创新性。但我认为这只是表明，根据您拥有的资源，您可以做一些事情。而且，正如您所提到的，建立这些指导原则真的很重要。你们正在与合作伙伴合作以帮助您做到这一点。这也是这次对话的一个重要部分，因为如果您自己没有专业知识，没有信息学团队，您可能会寻求第三方或外部输入来帮助您。我想知道您是否可以谈谈您是如何建立这些合作伙伴关系的，以及它们如何帮助支持 OSF 已经在围绕人工智能所做的工作。
克努斯：我们是 AVIA Health 的成员。这是我们的合作伙伴之一。他们是一个帮助医疗保健系统进行数字化转型的组织，我们已经与之合作多年。所以，这非常符合我们的战略。
他们真正关注的一件事是以协作的方式将试图解决相同类型问题的医疗保健系统聚集在一起。我们最终发现，在考虑教育我们的劳动力方面，我们真的比这个协作中的其他组织领先。因此，通过这种合作关系，我们与 30 多个其他医疗保健系统合作，并最终成为他们的关键演讲者，介绍我们如何围绕生成式人工智能进行劳动力教育，我们已经与其中一些医疗保健系统进行了几次电话咨询，以帮助教导他们我们所做的，以便他们可以在其组织中实施一些相同的方法。
生成式人工智能可能会让人感到害怕，我之前没有提到的一件我认为在我们处理这个问题的方式中非常关键的事情是，我们一开始就决定使用生成式人工智能工具来创建教育内容。这是我在六周内完成这项工作的唯一方法。所以，我们教育中包含的每一个视觉效果和所有视频，都是使用生成式人工智能工具完成的，并且我们在人们接受教育时告诉了他们这一点。在每节课的结尾，都会说，“您刚刚查看的所有视觉效果和视频都是使用生成式人工智能工具创建的，”以便他们开始了解生成式人工智能的力量。
Kennedy：当然，还有一个透明度方面的问题。每当有人在医疗保健背景下使用生成式人工智能工具时，特别是——因为一些电子健康记录供应商正在将其集成到他们的平台和工作流程中——都会有这样的问题，“好的，我们如何做到透明？我们如何告知人们他们正在使用这项技术？”这真的很有趣，因为您将其构建到系统中。您正在建立这种透明度。您说，“嘿，我们使用这项技术来创建这些材料。”所以，这创造了一个优先考虑这种透明度的期望。当然，这也让人们更加了解他们如何与技术互动，甚至只是个人层面——思考，“好的，这是从哪里获取信息的？我如何使用它？”它引发了这些问题，我认为这是任何教育工具的一个非常重要的部分：它是否鼓励您提出自己的问题？我期待看到，在未来，你们的情况如何以及它如何变化和发展，因为当然，人工智能的变化会非常快。
克努斯：我们的方法中还有其他一些有趣的事情。所以我们首先做了这个生成式人工智能 101，采用了人工智能素养的方法，然后我们决定作为下一步，我们想在他们正在使用的工具集中满足他们的需求。
因此，我们在这方面与微软合作，因为我想教人们如何进行提示工程，如何写一个好的提示，这是所有这一切的核心，对吧？如果您能写一个好的提示，您就可以从系统中获得您需要的东西。所以，这是我们接下来做的。我们教他们使用微软的 Copilot，并通过创建大约 35 个经过尝试和实践的好提示的例子来做到这一点，然后我们使用微软的 Power Apps 开发了一种在组织内部进行众包的方法。
所以，我们为所有微软产品套件的示例提示推出了这些，以便他们可以看到有效的东西。他们可以将其复制并粘贴到微软的 Copilot 中，看看它的效果，然后根据他们的需要进行更改，并能够通过这个过程学习。众包部分——因为现在已经开放——这些 Power Apps 使得其他人在编写好的提示时，可以提交并在整个组织中分享。所以，这是我们接下来的方向。然后，您之前提到的一件事，我们接下来期望的是真正整理一个视觉效果。我们现在使用生成式人工智能工具创建的视觉艺术与组织分享我们的所有策略。
所以，给他们一个我们医疗保健系统的艺术视觉效果，他们可以在其中进入热点并看到——我们如何在我们的医院中使用生成式人工智能？我们如何在数字健康中使用它？我们如何在医疗集团中使用它？——并能够给他们实际的例子，让他们了解这是如何使用的，在哪里使用的以及背后的力量。
我们一直在努力让人们感到兴奋，因为这可能会让人感到害怕，有时，人们会觉得，“哦，我应该害怕这个，因为它可能会取代我。”所以，我们确实做出了一致的努力，以确保在第一套教育中有这样的信息，“我们不是使用这个工具集来试图取代您的职位，而是要增强您的职位，并帮助您真正能够专注于那些您需要的更有价值的任务。”
Kennedy：这是我一直听到的事情，人们不仅谈论被取代的担忧，还谈论如何让人们放心他们不会被取代，因为当然这些人工智能工具很棒，但它们不能取代医疗保健中的人性方面，因为人性方面是最重要的。但当然，对于任何新事物和像人工智能这样大的事物，总是会有这些问题，所以很高兴知道实施它并传递它的人优先考虑这一点，并说，“嘿，我们想用这个来帮助您。我们不想用它来取代您。”
这就是我们今天的全部时间。再次感谢您，梅利莎，与我们聊天。我认为这个话题真的很有趣，我很兴奋看到它的进展以及其他医疗保健系统如何处理它，因为我认为这是我们在人工智能方面前进的一个非常重要的部分。
克努斯：是的，这是令人兴奋的时代。
Kelsey Waddill：感谢您，听众，收听我们的节目。如果您喜欢您听到的内容，请前往 Spotify 或 Apple 给我们留下评论。我们将选择一些评论在节目中朗读以示感谢。所以，请一直听到
