位于萨默维尔的麻省总医院布里格姆医疗系统已经推出了使用生成式人工智能进行环境记录的技术，帮助起草临床笔记并减轻临床医生的行政负担。该医疗系统采用了临床试验的方法来评估这项技术，然后再将其更广泛地推广。
麻省总医院为20名医生提供了环境监听技术，并评估了患者安全和AI稳定性的工作流程。该技术取得了成功，运行过程中没有出现幻觉；最初参与的20名医生的热情推动了约800名医生和高级执业医师在整个系统的快速采用。
医疗系统还测量了结果：大约60%的医生表示，由于这项技术，他们更有可能延长其临床职业生涯。约20%的医生报告称减少了职业倦怠症状，80%的人表示在使用环境监听技术后，他们花更多时间关注患者。
临床试验的方法帮助迅速推进了这项技术——现在还有更多的生成式AI应用即将推出。
“当谈到技术时，我们目前面临的最大挑战之一是如何评估这些技术？我们应该继续使用我们的临床试验方法吗？我认为我们应该这样做，但这种评估应该根据应用程序的风险程度进行调整。”麻省总医院布里格姆医疗系统的首席医疗信息官兼副总裁Rebecca Mishuris博士在《Becker’s Healthcare Podcast》的一集中说。“它是否应该根据用例的风险而改变？然后作为最后一阶段，我们需要进行监测。”
领导者需要确保AI模型继续提供预期的结果，并对抗任何新的幻觉或偏见。
“技术领域最大的机会在于确保我们有足够的工具来进行这些应用程序的充分监测。”Mishuris博士说。“在某种程度上基于风险的方法中，一些应用程序和用例可能风险非常低——比如一个告诉你如何从一个地方到另一个地方的聊天机器人。在医疗保健方面风险较低，而一些尚未存在但可能在不久的将来出现的工具可能会帮助我们进行临床决策。”
临床医生需要与风险评估对齐的监测工具来监控新技术和AI算法的应用，这些应用可能尚不存在。然后，医疗系统可以开始在更高风险、高回报的临床应用中进行有意义的工作。
大多数医疗系统已经创建了AI治理团队和委员会来制定规则和政策，为未来的应用程序建立AI框架。
“现在的问题是我们需要把哪些人聚集在一起，使这些技术得以实现，”Mishuris博士说。“这更多的是关于我们将什么样的技术人员、数据基础设施和数据分析人员与组织中的其他人员结合起来，用于技术用例。将这些人聚集在一个多学科团队中，真正推动这一切向前发展，这是我们目前能做的最重要的事情。此外，还要与这些技术的供应商合作，真正了解它们的工作原理，在我们自己的医疗系统环境中评估它们，并开发出监测它们的工具。”
(全文结束)
