在以“回到未来”为主题的独立日活动（6月29日至30日）中，人工智能（AI）这一曾经属于科幻小说、如今已融入我们日常生活的技术成为讨论焦点。
英国验光师学院临床顾问Daniel Hardiman-McCartney在会上探讨了人工智能的负责任使用、实验方法以及英国的监管框架。他强调，验光师和诊所负责人应具备AI素养，以便区分真正有助于患者治疗的工具与那些听起来“令人兴奋”但实际效果不佳的产品。
Hardiman-McCartney举例说，就像诊所选择采购哪种眼药水时需要评估其成分和研究基础，AI系统也应被“打开引擎盖”仔细审查其性能和对诊所的潜在益处。
1 AI素养是一种责任
“我们作为企业主和临床医生，都有责任掌握AI知识，”Hardiman-McCartney强调。
他说，从业者已经具备区分真正有助于患者结果的工具与听起来“令人兴奋”但实际无效的产品的能力。
2 监管与责任
在采购用于临床的AI工具时，必须确保该产品已在英国药品和保健品监管局（MHRA）注册为医疗器械，这被称为“人工智能即医疗器械”（Artificial intelligence as a Medical Device，AlaMD）。
Hardiman-McCartney建议向供应商提出问题，例如该技术是否已注册MHRA，以及如何报告潜在问题。
临床医生常常会问及在使用AI工具进行咨询时的临床责任归属问题。患者也会关心谁对决策负责。
他给出一个“经验法则”：“在英国，临床医生应对咨询室中使用的AI医疗器械负最终责任。因此，我们更需要具备AI素养，理解证据，并批判性评估AI产品，从而‘看穿炒作’。”
3 大型语言模型
关于大型语言模型（LLMs），例如ChatGPT或谷歌的Bard，Hardiman-McCartney认为这些是从业者测试技术并亲自体验其运作方式的好方法。
但他强调，这些模型并未注册为医疗器械，也不适用于医疗用途，患者可识别或敏感信息不应输入这些开放系统。
用户必须了解该技术的局限性。Hardiman-McCartney指出，这些模型可能提供“自信且令人信服的结果，但有时完全偏离目标”，并补充说从业者在使用这些工具时需要运用批判性评估技能。
提示工程是用户提升LLMs生成结果特异性和有效性的方法之一。它指的是通过精心设计指令以从AI中获得期望结果的过程。
Hardiman-McCartney介绍了TALENTS模型，建议用户围绕以下几点创建AI提示：任务（Task）、目标（Aim）、受众（Listeners）、范围（Extent）、性质（Nature）、要点（Takeaway）和来源（Sources）。
4 可持续性考量
AI使用的一个关键问题是其对环境的影响，以及这些工具的可持续性。
Hardiman-McCartney指出了三种可持续性：环境、财务和对劳动力的影响。
AI消耗大量能源。他指出，许多诊所可能已经花费多年时间减少碳排放，而采用AI意味着将消耗更多能源。
从财务角度来看，AI目前成本相对较低，但随着时间推移将成为企业更大的运营成本，因此需要考虑其资金来源。他建议进行财务建模。
劳动力可持续性是另一个考量因素。虽然某些任务可以委托给AI以节省时间，但Hardiman-McCartney提出了未来十年可能出现的问题：“未来的眼科验光师是否会因为AI的存在而不再亲自查看眼底图像，寻找玻璃膜疣或糖尿病视网膜病变？”
他表示，未来的眼科行业可能大不相同，因此“我们需要思考这一点，并具备AI素养，现在就开始接触AI，这将帮助我们了解未来的样子。”
5 潜在益处
Hardiman-McCartney还概述了AI可能为该行业带来的潜力，包括AI代理、眼科学（oculomics）和环境语音技术。
他提到，环境语音技术可用于转录咨询过程，生成笔记和摘要，已在某些NHS环境中使用。然而，他指出最近有报告警告全科诊所需确保工具符合GDPR要求。
他强调，保持信任至关重要，这也使得理解监管合规性尤为重要。
他总结道：“我希望你们开始接受AI，在安全的前提下进行尝试，同时花时间自我教育，提高AI素养，特别是在监管和医疗器械方面，这样才能在保持患者信任的同时将其用于临床实践。”
【全文结束】
