费城儿童医院正通过开发名为CHIPPER的虚拟助手深化对临床医生端人工智能的投资，该助手内嵌于其Epic电子健康记录(EHR)平台中。
该系统的开发目标是为医疗从业者简化耗时且需高度专注的任务，目前处于技术开发阶段，旨在成为临床协作助手，可综合内部系统与外部循证医学资源的数据。医院健康信息学主任兼首席信息官Bimal Desai医生表示："人工智能的优势在于能自动完成信息检索与合成总结，这是语言模型的专长所在。"
与面向消费者的AI模型不同，CHIPPER的架构设计着重避免幻觉现象与不安全建议。开发团队限定系统仅从可信临床来源获取信息，Desai医生解释："我们专门设计了架构以调用可信数据库与资源，包括CHOP临床路径网站、医院内部政策规程以及UpToDate、VisualDx等第三方资料。"
该系统采用"模型上下文协议"框架，可将特定查询路由至对应可信API。例如药物相互作用请求会被转至药品数据库，而循证医学替代方案查询则会对接PubMed。演示场景显示，CHIPPER已能从Epic系统中提取患者当前用药清单并生成格式化表格，进而基于儿科证据建议更安全替代方案。
尽管尚未投入临床应用，开发团队正着力验证其跨数据源的技术可行性与可靠性。Desai医生强调："我们仍在部署早期阶段，目前重点验证技术架构与资源可靠性。这个工具旨在引发思考——我们需要连接哪些下游资源才能提供最大帮助？"
医院计划采用分阶段部署策略，借鉴之前AI功能的实施经验。今年早前推出的Epic门诊笔记摘要AI功能，经历了非生产环境小范围测试到企业级部署的渐进过程，期间生成超2万份摘要、分析10万份临床记录。
项目凸显了儿科环境AI部署的特殊挑战。Desai指出："儿科场景涉及患者、医生、父母及兄弟姐妹多方互动，环境复杂度更高。即便简单的环境文档语音区分都困难得多，这些工具需要本地化验证。"
CHIPPER的原型由拥有临床心理学背景的Penn大学副教授Stephon Proctor博士开发，他通过生成式AI工具编写代码快速完成了原型设计。医院为此专门设立了EHR平台与创新方向的副院长职位，任命Proctor担任以加速AI工具的临床整合。
Desai强调医疗系统要实现AI成功应用，必须建立包含研发基础设施、评估机制和专业团队的完整体系。尽管处于早期阶段，该项目已为构建智能化临床生态奠定基础。
【全文结束】
