作为在医疗保健交付和创新领域工作多年的人，我们既对人工智能革命感到兴奋，也对其抱有担忧。尽管人工智能有望彻底改变医疗保健，但我们必须将现实与炒作区分开来，以真正发挥其潜力。
让我们明确一点：医疗保健领域的人工智能并不是从ChatGPT开始的。几十年来，医疗机构一直在使用机器学习和模式识别来辅助医务人员。早在20世纪90年代中期，我们就看到了AI在病理学中的癌症检测应用。这些并不是取代医生的工具，而是增强他们能力的工具。
这一基本理念在今天仍然至关重要：人工智能应该增强而不是取代医疗专业人员。
当前一波生成式人工智能已经引起了公众的想象力，但我们必须调整我们的期望。虽然这些模型在处理大量医学文献和生成连贯文本方面展示了令人印象深刻的能力，但它们远非完美。
事实上，目前的大规模语言模型的错误率在15%到40%之间——当涉及到生命安全时，这是完全不可接受的。
哪个病人会信任一个只在70%的时间内提供正确信息的医生呢？
在总结临床试验、分析医患对话或提出治疗建议时，我们不能容忍幻觉或不一致性。
但这并不意味着我们应该忽视人工智能的潜力；相反，我们必须作为行业战略性地考虑在哪里以及如何部署它。Roth等人指出，生成式人工智能模型可能永远无法在医学推理方面表现出色，但它们确实可以在决策过程中识别关键因素方面表现良好。
因此，人工智能在医疗保健领域的真正前景在于支持人类决策，而不是取代它。这些工具可以消化大量的医学文献，分析患者记录，并识别出即使是经验最丰富的临床医生也可能错过的模式。
关键是建立可靠的决策支持系统，这些系统结合了人工智能的模式识别能力、严格的临床验证和人类监督。
在许多医疗机构中，包括我们亲身经历的那些机构，已经探索了人工智能可以增强特定医疗过程的目标应用。我们了解到，虽然大规模语言模型提供了令人印象深刻的通用能力，但专注于特定任务的专业模型往往能提供更好的结果，而且比通用模型更快。
重要的是，这种有针对性的应用还可以以更低的成本实现这样的结果，例如在分析特定疾病或药物的电子健康记录时。
这种实用的方法反映了更广泛的真理：医疗保健创新不仅仅是追逐最新的技术趋势，而是找到可持续的解决方案来解决实际问题。作为医疗保健领导者，我们必须关注那些能够显著改善患者结果、支持我们的医疗工作者、保护患者隐私并保持成本效益的应用程序。
前进的道路需要一种平衡的方法，仔细考虑上述所有因素。我们应该利用人工智能的能力来处理常规任务、分析复杂的医疗数据和支持临床决策，同时保持高精度和可靠性标准。医疗保健领域人工智能的成功将取决于我们能否将正确的技术与正确的挑战相匹配。
但我们必须抵制将人工智能视为解决所有医疗保健问题的神奇方案的诱惑，也不要将注意力和资源集中在一刀切的技术上，或者那些支持自主人工智能决策的技术上。
医疗保健的未来不是人工智能接管，而是创造人类专业知识和人工智能之间的共生关系。通过保持这种观点，我们可以发挥人工智能的潜力，同时避免其陷阱，最终创建一个更好地服务于患者和医疗服务提供者的医疗保健系统。
但要做到这一点，我们必须忽略炒作，不要被流利所迷惑。正如任何医生都会告诉你的那样，一个聪明的医学生和一个称职的临床医生之间有着天壤之别。我们在利用人工智能的力量造福所有人时，必须牢记这一区别。
(全文结束)
