人工智能如何改变医疗保健对话：弥合患者与医疗服务提供者之间的差距

How AI Is Changing the Conversation in Health Care: Bridging the Gap Between Patients and Providers

想象你坐在医生办公室里，努力描述你的疼痛。语言似乎无法准确表达，或者也许英语并非你的母语。医生点头表示理解，但你心中疑惑：他真的明白了吗？医疗保健中的沟通不畅不仅仅是令人沮丧的问题——它可能对诊断、治疗和患者福祉产生实际后果。

现在，设想一个未来，人工智能（AI）能够弥补这些差距。在这个未来，语言障碍消失，文化细微差别被理解，每位患者的诉求都能清晰传达——无论其背景如何。这并非科幻小说。在麻省理工学院（MIT），一项开创性倡议正引领潮流，其影响可能波及医学世界的每一个角落。

让我们一起来探索MIT Human Insight Collaborative项目下的Language/AI Incubator是如何重新定义医疗保健沟通规则的——使用AI不仅作为一种工具，更是一种推动同理心、清晰度和更好患者结果的变革力量。

为什么医疗保健中的有效沟通如此重要

首先，我们必须正视诊疗室中那个“大象”：沟通失败可能是危险的。根据联合委员会（Joint Commission）的数据，沟通不良是医院医疗错误和不良事件的主要原因。这不仅仅是“误解”的问题，而是关乎生命安全。

我们面临的风险包括：

• 误诊：症状被错误报告或误解。
• 依从性差：患者未能遵循他们无法理解的指示。
• 不平等现象加剧：语言、文化和经济阶层的障碍加剧了边缘人群的不良结局。

真正的问题在于：我们如何创造一种适用于所有人的医疗保健对话方式？ 答案就在于MIT的Language/AI Incubator。

MIT Language/AI Incubator：人文学科与人工智能交汇之地

一种新型的合作模式

不同于大多数将技术和医学孤立看待的项目，Language/AI Incubator本质上是一个跨学科项目。由Leo Celi博士（MIT IMES研究主任兼医师）和Per Urlaub博士（MIT德语及第二语言研究教授）共同领导，该团队汇聚了数据科学家、语言学家、医疗专业人员和社会科学家。

他们的使命： 理解并改进语言与AI在医疗保健中的交集。

但为何需要以人文学科为基础的方法？这是因为：语言并非中立。 我们选择的词汇、使用的隐喻以及带来的文化假设塑造着每一次临床接触。AI拥有放大或弥合这些差距的力量。

生成式人工智能：医疗沟通的新前沿

生成式人工智能（如大型语言模型LLMs）正在迅速改变人类写作、阅读和交流的方式。在医疗保健领域，潜力巨大——但风险同样不容忽视。

让我来分解一下：

• 什么是生成式AI？ 它是一种基于所学模式创建新内容（文本、图像、对话等）的人工智能。
• 它在医疗保健中能做什么？
• 翻译： 实时打破语言障碍。
• 摘要： 让复杂的医学信息变得易于理解。
• 文化敏感性： 识别特定情境下重要的成语、隐喻或禁忌。
• 存在哪些风险？
• 偏见： 如果AI模型训练数据狭窄或有偏见，它们可能会强化不平等。
• 过度简化： 并非所有细微差别都可以通过算法捕捉。

MIT团队的做法是对这些挑战进行深入剖析，而非仅仅庆祝技术本身。“科学必须有心脏。” Celi博士说道。换句话说：技术应服务于人，而不是相反。

医学语言的力量与陷阱

举个简单的例子：疼痛测量。在美国，医生会问：“在一到十的范围内，你的疼痛程度如何？” 或者他们可能会使用笑脸表情。但如果患者来自一个不鼓励表达疼痛的文化呢？或者这些隐喻无法翻译？

Urlaub博士直言不讳地说：“疼痛只能通过隐喻来表达，但在语言和文化上，隐喻并不总是匹配。” 笑脸表情在不同文化中可能意味着不同的东西。“10”这个评分在某些文化中可能显得不尊重。

如果我们将AI正确运用，这就是它能帮助的地方。

Language/AI Incubator如何改变医疗保健对话

构建跨学科桥梁

Incubator汇集了：

• 医生和护士
• 数据与计算机科学家
• 语言教育者
• 社区倡导者

这种多样性至关重要。正如另一位关键成员Rodrigo Gameiro博士所指出的那样：“当我们构建与人类语言交互的AI系统时，我们不只是教机器如何处理词语；我们是在教它们导航嵌入在语言中的复杂意义网络。”

应对偏见并建立认知谦逊

Incubator工作中的一个反复出现的主题是认知谦逊——承认没有人对世界的理解是完整的。AI模型，就像人类一样，带有自己的偏见。创建可以揭示和挑战这些偏见的环境，有助于实现更公平、更好的解决方案。

团队提出的关键问题包括：

• 被建模的是谁的语言和隐喻？
• 边缘化声音是否包含在训练数据中？
• 我们如何确保AI工具不会延续现有的不平等？

实际应用：AI驱动解决方案的应用实例

那么，这些想法在现实中可能是什么样子？以下是一些当前正在进行的工作示例：

1. 实时、文化敏感的翻译

LLMs可以即时翻译医疗说明、出院文件或知情同意书——不仅是逐字翻译，还理解文化细微差别。这意味着更少的误解和更高的患者安全性。

2. 富有同理心的数字助手

AI驱动的聊天机器人可以引导患者完成就诊前问卷、疼痛自我评估或药物提醒，并根据个人背景调整语言和语气。例如，数字助手可以使用某个社区熟悉的隐喻或成语。

3. 针对医务人员的培训

AI工具可以帮助医生和护士识别可能无意间使患者感到疏远或困惑的语言。你可以将其视为医疗专业人士的“文化流利教练”。

4. 社区参与平台

借助AI构建的平台可以将社区反馈转化为健康系统可操作的见解——确保边缘群体的声音帮助塑造医疗保健政策和实践。

“人工智能是我们重写医学规则的机会”

Gameiro博士有力地说道：“我相信AI是我们重写医学所能做之事及其覆盖人群规则的机会。我不认为我说得夸张。”

但，重写这些规则不仅仅是关于炫目的技术。它还包括：

• 重新审视我们衡量的内容（我们是否在计算正确的事情？）
• 共享医患互动的所有权
• 构建适应于人类的系统，而不是迫使人类去适应系统

社区与教育的作用

“教育改变了人类从客体到主体的身份。”

Urlaub博士的洞察力突出了一个视角转变：赋予患者和社区成为其护理中的积极参与者——而不仅仅是被动接受者。

具体步骤包括：

• 在研究和工具设计中纳入社区倡导者（参见世界卫生组织的例子）
• 培训医务人员意识到自身的文化和语言偏见
• 设计收集、尊重并代表多样观点的AI系统

克服挑战：信任、偏见与包容

当然，仍有许多重大挑战。AI在医疗保健中必须赢得信任——既来自提供者，也来自服务对象。

主要障碍包括：

• 数据缺口： 边缘化社区在数据集中常常代表性不足。
• 技术公平： 并非所有诊所或患者都能访问尖端工具。
• 系统性偏见： 如果不加以控制，AI可能会扩大现有不平等，而不是解决它们。

MIT的跨学科方法——以谦逊和开放为基础——旨在正面应对这些问题。

接下来会发生什么？展望未来

Language/AI Incubator不仅仅是一个智库，它是一个行动中心。他们在五月于MIT举办的第一届研讨会聚集了来自医学、工程和人文学科的专家。他们计划举办更多活动，建设一个致力于显著改善医疗保健沟通的社区。

他们的目标非常雄心勃勃：

• 加深社会科学与硬科学之间的合作
• 开发弥合而非扩大差距的AI工具
• 创建赋权于提供者和患者的教育模式

正如Celi博士所说：“我们的意图是重新连接社会与科学之间断裂的纽带。我们可以让科学家和公众一起探索世界，同时认识到克服偏见所带来的局限性。”

这为何对我们所有人都重要

如果你是一位患者（我们所有人总有一天都会是），这些变化意味着：

• 更好的理解： 你的声音、你的经历、你的故事将被听到。
• 更安全的护理： 因误解导致的错误更少。
• 公平性： 不论你的语言、文化或背景如何，你都应获得适合你的护理。

如果你从事医疗保健行业，这一转变意味着：

• 更大的同理心和效率： 帮助你与每一位患者建立联系并提供帮助的工具。
• 职业成长： 成为医学下一波革命的一部分。

对我们所有人来说，这是一个提醒：当技术把我们团结在一起时，它的力量最为强大。

常见问题解答（FAQs）

Q: AI究竟如何帮助医生和患者更好地理解彼此？

A: AI可以在实时翻译、建议文化适当的隐喻、提供复杂信息摘要方面提供帮助。它还可以向提供者提供反馈，帮助他们以最大清晰度和同理心措辞问题或解释。

Q: 在医疗保健沟通中使用AI有哪些风险？

A: 主要风险包括如果训练数据不够多样化则强化现有偏见、过度简化复杂的文化细微差别，或在自动化翻译中造成虚假的安全感。负责任的开发——如MIT的跨学科方法——至关重要。

Q: AI会取代医学中的人类互动吗？

A: 不会。目标不是取代医生或护士，而是支持他们——使沟通更加清晰、护理更加个性化。人类的同理心和判断力仍然是不可替代的。

Q: 当AI在医疗保健中越来越常见时，患者如何确保自己的声音被听到？

A: 患者可以通过参与社区咨询委员会、向提供者提供反馈，甚至加入研究项目来参与。倡导AI工具开发中的包容性和透明度也至关重要。

Q: 哪里可以了解更多有关负责任的医疗保健AI的信息？

A: 很好的起点包括世界卫生组织关于数字健康的资料 和MIT的 医学工程与科学研究所。

【全文结束】