医疗行业的领导者们热衷于采用AI技术，一方面是为了跟上竞争对手和其他行业的步伐，更重要的是为了提高效率和改善患者体验。然而，只有77%的医疗领导者真正相信AI能为他们的业务带来好处。
尽管AI聊天机器人在处理常规任务、处理数据和总结信息方面表现出色，但高度监管的医疗行业最担心的是输入这些工具的数据的可靠性和准确性。如果没有适当的使用和员工培训，数据泄露将成为额外的紧迫威胁。
即便如此，95%的医疗领导者计划在2025年增加AI预算，增幅最高可达30%，其中大型语言模型（LLMs）成为最受信任的工具之一。随着LLMs的成熟，53%的医疗领导者已经实施了正式政策以帮助团队适应这些工具，另有39%计划很快实施。
对于希望用AI简化通信服务但仍持谨慎态度的医疗服务提供者，以下是克服常见障碍的一些建议：
1. 使用可靠的医学来源训练AI
虽然医疗领导者可能不会直接参与AI训练，但他们必须在监督其实施中发挥关键作用。他们应确保聊天机器人提供商使用可信的来源进行训练并定期更新。
强制性的电子健康记录（EHRs）捕获的丰富结构化数据提供了大量数字健康数据，可以作为训练AI算法的基础。先进的LLMs能够理解医学研究、技术分析、文献综述和批判性评估。然而，研究表明，专注于较小数量的交集可以最大化AI性能，同时保持较低的训练成本。
2. 确保符合HIPAA的数据实践
《健康保险可移植性和责任法案》（HIPAA）规定了保护敏感患者健康信息（PHI）的标准。为符合这些法规，医疗领导者应确保第三方供应商：
- 只收集完成聊天机器人目的所需的最小PHI量；
- 仅授予授权人员访问PHI的权利，并实施强密码和身份验证策略；
- 使用强大的加密技术保护静态和传输中的PHI；
- 将必要数据存储在具有强访问控制的HIPAA合规服务器上；
- 签署商业伙伴协议（BAAs）以遵守HIPAA；
- 提供安全事件响应计划。
使用这些工具的医疗领导者应定期检查访问报告——这一步也可以通过AI自动化——并在出现异常活动时向管理层发送警报。此外，他们必须在收集和使用患者PHI之前获得明确和知情的同意。在请求同意时，应告知患者数据将如何使用和保护。
3. 设计良好的界面以改进工作流程
从强制性EHR过渡到新系统时，最大的障碍之一是技术的可用性。医生对调整复杂工作流程所花费的时间不满意，增加了职业倦怠的风险，并可能导致影响患者治疗的错误。
在选择AI平台或软件解决方案时，要求演示和第二意见。不要忘记询问产品是否允许自定义以适应现有程序，以便集成最适合您工作流程的即用型功能。
以用户为中心的设计和标准化的数据格式和协议有助于促进医疗技术和AI平台之间的无缝信息交换。有了这些标准，AI算法可以在各种医疗环境中有意义地集成到临床护理中。建立的协议还可以通过促进互操作性和使工具能够访问更大、更多样化的数据集来提升其性能。
4. 正确使用和员工培训
2024年的一项研究发现，“人类医生和AI”提供的医疗建议实际上更全面，但不如“人类医生”单独提供的有同理心。为了弥补这一差距，医疗领导者必须了解AI的能力和局限性，并确保适当的人类监督和干预。
医疗领导者可以在网站和患者应用程序中嵌入聊天机器人，为用户提供即时访问医疗信息的机会，帮助自我诊断和健康教育。这些工具可以提醒患者及时补充处方药，帮助患者遵循治疗计划。它们还可以根据病情严重程度对患者进行分类，帮助医疗提供者优先处理病例并有效分配资源。
然而，这些工具仍然可能出现“幻觉”，因此在复杂任务中必须有人类验证者的参与。与第三方专家合作，定义您对AI通信工具的愿景并创建所需的工作流程。一旦确定了使用案例，操作和文化变革管理过程（如科特的八步变革过程）可以为员工入职提供路线图，最终改善患者结果。
5. 让聊天机器人捕捉错误
没有商业领导者愿意犯错，但在医疗行业中，即使是微小的疏忽也可能导致严重的后果。然而，即使是最好的临床医生也并非免疫于医疗错误。AI可以通过捕捉错误和填补空白来改善患者护理。
2023年的一项调查使用GPT-4转录和总结患者与临床医生之间的对话，随后让聊天机器人审查对话中的错误。在验证过程中，它捕捉到了患者体重指数（BMI）中的一个错误。聊天机器人还注意到患者笔记中未提及已安排的血液测试及其理由。
这个例子表明，AI可以用作辅助工具，帮助医生处理AI的“幻觉”、遗漏和错误，从而用于训练和改进AI应用程序。
医疗AI旨在支持医生和护士，简化工作流程，提高患者获取护理的便利性，并减少疏忽。虽然它们无法完全替代人类医疗提供者带来的同理心、直觉和实际经验，但这些工具提供了出色的分析和节省时间的好处。当医疗领导者确保严格遵守HIPAA法规、与患者的透明沟通以及适当的员工培训时，他们可以安全、自信地实施这些工具。
(全文结束)
