俄亥俄州中部的医院系统和生物技术衍生公司正在越来越多地部署人工智能，以帮助临床医生和患者。Getty Images 和 John Lauer | CBF
哥伦布医院系统不仅采用而且还发明了人工智能工具，以减轻行政负担并加速数据分析，支持最终由临床医生做出的决策。一个孩子的先天性心脏病诊断让医生们困惑了五年，多次测试结果均为阴性。后来，全国儿童医院的数据科学家尝试使用 ChatGPT，输入了包括心律不齐和肌肉控制丧失在内的八种症状。AI 工具搜索了医学文献并列出了五种可能的综合征。医生已经排除了其中四种。第五种主要集中在加拿大阿尔伯塔省的一个阿纳巴普特派社区的几十个孩子身上，这种病在全球范围内只在少数患者中自发出现。“患者在该特定基因上发生了突变，”新任哥伦布医院首席数据科学官彼得·怀特（Peter White）说，“这项技术能够找到这种联系，而人类很难做到这一点。”
在医疗保健领域，选择药物或替换心脏瓣膜的决定可能意味着生与死，人工智能被视为像显微镜一样的工具。哥伦布医院系统不仅采用而且还发明了人工智能工具，以减轻行政负担并加速数据分析，支持最终由临床医生做出的决策。“医学更注重人与人的互动。任何 AI 都无法替代真正的医生，”俄亥俄州立大学医学 AI 实验室负责人张平（Ping Zhang）说，“我真希望 AI 能成为一种临床工具或仪器……让医生的工作更轻松。”
保持人类参与
当地医疗系统的成功 AI 衍生公司包括俄亥俄州立大学的 Dasi 模拟有限公司，该公司开发了一种用于选择心脏瓣膜的预测工具，客户名单不断增长。全国儿童医院的 Deep Lens 提供数字病理匹配软件，被收购加入技术套件，以改善患者在临床试验中的准入和多样性。生物医学工程师拉克什米·普拉萨德·达西（Lakshmi Prasad Dasi）是 Dasi 模拟的联合创始人兼首席技术官，他表示俄亥俄州立大学“绝对”有潜力孵化更多衍生公司。“对于（首席研究员）和大学来说，认识到如何加快这些创新并将其转化为市场……帮助这些创新到达最终用户——即临床医生——非常重要，”他说。达西的前实验室位于俄亥俄州立大学韦克斯纳医学中心的专业心脏医院内。在开发将要分拆出来的软件期间，他参加了每周一次的心脏病专家会议讨论病例。“研究人员观察到真实的痛点并提供反馈……这在开发解决方案方面起到了决定性作用，”达西说。
从盈利公司转到哥伦布医院的人工智能专家带来了类似的信条：倾听客户。“我每年可以开发多个工具。然而，医生不喜欢随机的工具，”俄亥俄州立大学的张平说。作为计算机科学与工程和生物医学信息学的副教授，张平五年前从 IBM 公司加入俄亥俄州立大学。在那里，他寻求超级计算机 Watson 在医院和制药客户的用途，并受到启发创建了一个“以人为中心的 AI”实验室。在俄亥俄健康公司，德鲁·史密斯（Drew Smith）于 2023 年 3 月从 Little Caesars Enterprises 加入，担任首席数据和分析官。他之前曾在宜家从事数据分析工作。“我真的很喜欢这些东西，”史密斯说，“我一直非常欣赏 AI 在帮助人们在其工作中发挥最佳表现的能力……我认为没有比医疗保健更好的地方来应用这一点了。”与工业界不同，学术界并不寻求在一年或两年内获得研究的投资回报，张平说。另一所学校最近批准的产品花了 11 年时间。张平正在改进的预测败血症（感染引起的致命器官衰竭）可能性的软件至少还需要五年才能上市。在过去的一年里，与俄亥俄州立大学医生的合作大大改进了该技术，他说。一名研究生调整了算法，提示临床医生提供缺失的测试结果，并排名哪些参数最重要以减少不确定性。张平的实验室现在正在招募 50 名医生使用该软件，以便进一步完善并在寻求 FDA 批准作为医疗器械之前进行测试。他还开发了一个聊天机器人，接受化疗的患者可以用来报告副作用——提供比每几周一次的办公室访问更频繁的反馈。
俄亥俄健康公司正在为几家早期阶段的 AI 创业公司提供临床反馈，史密斯说，并正在试点现有的产品用于行政用途。“我们谈论的是确保有人类参与，”史密斯说，“临床医生始终做出决定。”
将 AI 用作助手和放大器
大约 100 名俄亥俄健康公司的初级护理医生正在测试来自微软 AI 子公司 Nuance 的 Dax Copilot 产品。在患者许可的情况下，他们记录下办公室访问的音频，AI 会在几秒钟内生成所需的笔记。“即使在第一天，它就产生了巨大的影响，”俄亥俄健康公司的临床信息学医学总监兼布莱克利克的家庭医生安迪·纳尔塞莱斯博士（Dr. Andy Narcelles）说。一位医生表示，这是她多年来第一次不需要加班。“对他们来说，有一个可以编辑的草稿比自己生成全部笔记更容易，”纳尔塞莱斯说，并补充说准确性“仍在改进中”。他在调查中表示，患者对这项技术感到舒适，并感谢医生在整个访问过程中没有一直打字。“如果你今天正在使用生成式 AI 工具，你正在使用的是最糟糕的版本……因为这个工具每天都在变得更好，”史密斯说。
在圣卡梅尔医疗系统，一名医生正领导一项研究，利用 AI 和机器学习减少种族和性别健康差异。根据医院系统的网站，圣卡梅尔妇女心脏项目联合主任劳拉·格雷维尔博士（Dr. Laura Gravelin）获得了医疗设备制造商美敦力提供的 102,000 美元资助。她将使用软件分析心力衰竭患者的电子健康记录，以确定那些可能适合植入预防突发心律失常导致死亡的装置的患者。目前，五分之四符合条件的患者没有接受咨询，而被排除在外的主要是女性和少数族裔。
在全国儿童医院，研究人员使用机器学习审查临床笔记，并对一个人基因组中可能存在的 300 万种变异进行排序，以确定最重要的测试目标。一种名为 Ava 的内部技术用于评估癌症中的变异，该技术是在医院全国范围内的肿瘤样本库上训练的。确定确切的变异可以帮助找到在类似患者中有效的治疗方法。白表示，这项技术还需要两三年才能进入临床使用。医院的行为健康研究人员，尽管没有受过编写软件的培训，但正在使用基于语言的生成式 AI 从复杂数据集中提取信息，而无需寻找数据科学家。“它可以让你达到 95% 的目标，”白说。
人工智能能做什么
“医学中的 AI 有很大的潜力来改善医疗保健，”达西说，“同时，我们确实需要担心任何技术，不仅仅是因为它是 AI。我们必须谨慎地以非常负责任的方式使用这项技术。”科学实验要求在重复相同步骤时显示相同的结果。纯粹的计算机器学习可以做到这一点。生成式 AI 从定义上每次都会给出不同的答案。对于患有罕见心脏病的患者，ChatGPT 给出了四个错误的答案，以及最终正确的答案。“有时它是错的。它就像一个过度自信的青少年，”白说，“你需要有人类参与……来核实你看到的内容。一旦开始进入医疗保健环境，就需要有很多检查和平衡机制。”俄亥俄健康公司目前仅限于用于记笔记和患者调度等行政应用，而不使用 AI 来帮助诊断疾病。“诊断对我们来说太关键了，我们不能依赖一个需要改进的工具，”史密斯说。公平性是探索 AI 应用的临床医生的主要关切。仅在白人患者的医疗记录上训练的算法可能无法识别黑人或亚洲人群的风险。“如果你没有提供正确的数据，没有提出正确的问题，可能会导致错误的结果，”达西说。他说，像任何技术一样，AI 需要有防止不负责任使用的保障措施。“每当世界上出现重大的技术突破时，总有一部分人非常兴奋，一部分人非常担忧，”达西说，“有些只是人性使然，但有些是真实的。”
(全文结束)
