过去一年，人工智能在医疗保健领域的应用呈爆发式增长，各大企业正致力于革新医疗专业人员在诊断、治疗、患者护理甚至计费方面的工作方式。先进算法、大数据分析与机器学习技术的融合，使医疗企业能够从海量数据集中提取洞察，从而实现更精准的诊断、个性化的治疗方案以及改善患者预后。人工智能快速处理和分析大量医疗信息的能力，加上其识别模式和趋势的专长，使其成为医疗保健领域的变革性力量。支持者表示，人工智能不仅有望优化临床工作流程，还将显著提升患者护理的整体质量和效率。
随着这些宏伟愿景开始转化为实际应用并推广至医疗系统，医疗机构首次得以窥见人工智能将如何改变医生执业方式及患者接受护理的模式。
以下是三个近期的人工智能应用实例，以及它们可能如何改变医生、护士和医疗账单员的角色。
初级医疗中的人工智能
服务120万患者、拥有3万名员工的Sentara医疗集团与RhythmX人工智能公司建立合作伙伴关系，通过预测性和生成式人工智能技术提升初级医疗服务。
据双方介绍，该合作旨在为临床医生和患者打造高度个性化的初级医疗体验。该人工智能平台将为Sentara初级医疗临床医生提供基于相关临床和支付方指南的直接临床操作建议，包括早期疾病检测、电子健康记录(EHR)数据全面分析以及文档支持。
该平台设计在诊疗点向临床医生呈现相关信息，简化工作流程，使医生在就诊过程中能更充分地与患者互动。其目标是通过消除医生花费宝贵时间搜索信息的需要，赋能初级医疗临床医生，使其专注于提供最佳患者护理。
该平台尚处于早期阶段，但Sentara预计在未来成熟阶段，初级医疗团队的所有成员（包括医生、高级执业提供者和注册护士）都将使用同一智能平台。公司表示，这种统一方法将基于相关指南提供临床操作建议，促进真正的团队协作式高质量护理。无论患者通过门诊诊所、紧急护理机构还是传统初级医疗办公室获取Sentara初级医疗服务，都将获得个性化护理计划，确保最高质量的护理。
Sentara执行副总裁兼首席临床官乔丹·阿舍博士(MD, MS)对合作愿景表示赞赏。"我们的愿景是将个性化临床智能融入每次就诊和治疗中，使医生能够提供更个性化的护理，同时重拾执业乐趣，"他在声明中表示，并补充说，这一合作努力不仅关注临床状况的生理动态，还关注患者生活的更广泛方面，包括健康的社会决定因素、心理健康和生活方式因素。
"我们正追求一个共同的宏大愿景，真正重塑医疗保健，"RhythmX人工智能公司首席执行官兼创始人、前Humana高管迪普蒂·巴蒂纳(Deepthi Bathina)在声明中表示。"传统医疗服务模式下，永远不会有足够的医生或工作人员提供护理，除非医疗服务模式演进，否则需求将继续超过服务能力。"
慢性病护理中的人工智能取代护士？
护理领域也正感受到人工智能的影响，未来某些护理功能可能由名为"佛罗伦萨"的自主数字护士承担。
Generated Health与威廉玛丽学院联手开发下一代人工智能，旨在革新护理协调的自动化。该计划的核心是创建合成患者数据，利用生成式人工智能和强化学习训练自主数字护士。
强化学习是一种机器学习方法，在此案例中，数字护士通过与患者和临床工作流程互动来学习决策。数字护士根据其采取的行动获得正面或负面反馈，目标是学习随时间最大化累积奖励的策略。据该学院介绍，这种方法已成功应用于训练ChatGPT等流行人工智能模型。
Generated Health首席执行官英格洛夫·厄内斯(Ingolv Urnes)表示，公司使命是部署100万名数字护士，以提升医疗保健可及性同时降低成本。基于20万名患者的临床证据，Generated Health已证明结合临床协议和人工智能可获得更佳健康成果。
例如，在高血压管理和药物滴定方面，佛罗伦萨能够持续降低平均收缩压15%，减少医生和药剂师时间75%以上，并将行政工作量减少十倍。Generated Health表示，佛罗伦萨在管理（通常患有慢性病）患者手术前后也显示出价值；在心脏手术方面，一项独立研究得出结论，与对照组相比，佛罗伦萨将医院再入院率降低了67%。
威廉玛丽学院数据科学助理教授Haipeng Chen博士强调，该项目专注于为社会福祉发展人工智能，应对医疗保健可及性和人员短缺挑战。团队计划利用Generated Health的数据集开发两个模型：一个生成合成患者数据的扩散模型，以及一个整合大型语言模型和强化学习的佛罗伦萨AI模型。
总体目标是创建一个能够进行动态决策且临床规则最少的数字护士。厄内斯在声明中强调了与患者互动并提供反馈的重要性，强调基于个体疾病进展制定个性化护理计划的必要性。
该研究项目将利用Generated Health覆盖美国、英国和澳大利亚20多万名患者超过2500万次临床对话的数据集。公司表示，佛罗伦萨已在管理各种慢性病方面取得成功，显著降低了血压、医疗专业人员时间和行政工作量。
为加速自主人工智能护士的开发，团队正在创建人工智能扩散模型以模拟佛罗伦萨与患者的互动。该模型在去标识化的真实世界数据上训练，能够生成用于高容量模拟的合成患者数据，利用强化学习优化佛罗伦萨的响应。
合成患者数据提供了更安全、符合隐私规范的替代方案，使研究人员能够在无隐私顾虑的情况下共享数据。佛罗伦萨将通过与合成患者的互动进行训练，模拟真实场景。训练后的AI代理将与真实患者互动，通过这些互动的反馈持续改进。
医疗账单与编码应用中的人工智能
医疗账单是任何医疗机构的命脉。即使是轻微的延迟也可能威胁机构生存所需的现金流，而在更广泛的劳动力短缺中，医疗编码人员难觅，因此人工智能公司视此领域为应用其专长的完美场所。
医疗集团管理协会对医疗集团领导进行的一项民意调查发现，34%的受访者表示医疗编码员是最难填补的职位。
在人工智能公司与医疗保健公司合作的另一个例子中，Maverick Medical AI与营收周期管理公司ImagineSoftware宣布联手提供自主医疗编码平台，以实现更高的直接账单率。
医疗记录的数字化加上人员短缺，已造成迫切需要使用人工智能自动化编码过程。Maverick的编码解决方案由生成式人工智能驱动，结合领域知识与机器学习。该平台自主分析临床笔记和报告，实时准确生成报销代码（国际疾病分类第十版ICD-10和现行程序术语集CPT），实现85%的直接账单率。
ImagineSoftware处理超过370亿美元的年度收费量，将提供该平台作为补充产品。
Maverick Medical AI首席执行官兼创始人约西·沙哈克(Yossi Shahak)在声明中表示："医疗保健行业面临严峻挑战，这些问题相互关联，最终对患者护理质量产生负面影响。作为RCM领域的领导者，ImagineSoftware深知医疗保健组织面临的挑战，这也是他们决定与我们合作的原因之一。我们将共同为营收周期管理建立新标准。"
医疗保健中更多人工智能应用不可避免
虽然这只是众多合作与投资中的三个例子，但医生应预期看到人工智能迅速渗透到工作的每个方面。Markets and Markets Research报告显示，2024年医疗AI市场规模约为210亿美元，预计到2029年将增长至1480亿美元，五年内增长率达604%。
鉴于这种指数级增长，医疗保健领域的每个人在这一时期内都可能看到工作方式的变革。
【全文结束】
