首尔国立大学医院与哈佛医学院的研究人员创建了可能是全球首个用于验证基于大语言模型的医疗人工智能的虚拟医院框架。
工作原理
临床环境模拟器通过两个同步核心引擎"动态评估"医疗AI系统。
患者引擎根据专科医生定义的疾病轨迹模板和电子病历初始患者数据，提示大语言模型生成各种虚拟症状路径和治疗反应。
医院引擎基于真实医院时间数据复制实际的逐步工作流程，近乎实时地追踪床位状态、医护人员和医疗设备情况，并实施优先系统，优先为危重患者分配资源。
据首尔国立大学医院介绍，危机场景会根据AI的响应时间进行真实模拟。"例如，如果AI延迟下达诊断检查指令，最初症状稳定的胸痛患者可能恶化为急性心肌梗死。同样，当AI优先将CT扫描仪等稀缺资源分配给危急急诊患者时，其他患者的等待时间延长，会出现真实的瓶颈问题。"
每个由AI驱动的决策都通过双重指标综合评分系统进行评估，该评分系统整合了两个因素：患者预后（包括生存率、治疗及时性和指南依从性）以及医院运营效率（包括总住院时间、急诊科接诊量以及床位和医疗设备的利用率）。
首尔国立大学医院解释说，该框架会奖励那些在不损害医院运营的前提下改善护理的决策，同时惩罚那些例如过度集中资源于单个患者而损害其他患者获得护理机会的行为。
此外，该虚拟医院能够在极端条件下进行对抗性压力测试，例如全院网络故障和同时出现多个紧急病例的情况。
关于临床环境模拟器的研究已发表在《自然·医学》期刊上。
重要意义
研究团队在研究中指出，医疗AI应在不断变化的条件下进行评估，包括时间和资源限制。
"在实践中，患者状况持续变化，而医疗指令直接影响有限医院资源的消耗，"首尔国立大学医院表示。
"现有评估方法无法评估这些时间性和系统性的相互依赖关系，"该机构指出，并补充说这些方法迄今为止仅依赖静态历史数据。
该团队的虚拟医院框架提供了一个"无风险的预临床测试环境"，能够在不使真实患者面临伤害风险的情况下验证医疗AI系统的安全性。
作为数字代理的经过充分验证的AI，也有望让医生不必紧盯显示器，能够完全专注于患者。
"这项研究将成为验证医疗AI超越解决碎片化问题的工具，完全融入动态医疗系统以提供实际帮助的最有价值的下一步，"该研究的首位共同作者、首尔国立大学医院教授金承恩表示。
更大趋势
中国近期也推出了类似的虚拟医院概念，但并非用于验证医疗AI。清华大学人工智能产业研究院的"Agent Hospital"项目正在开发一个自主且自我进化的虚拟医疗环境，模拟从疾病发作到随访的真实世界医院治疗周期。其AI辅助门诊咨询服务已在中国八家医院"进入功能试验阶段"。此外还推出了单独的虚拟咨询室模式，供医生和医学生与AI生成的患者练习技能。
与此同时，首尔国立大学医院去年年底与Naver共同开发推出了其医疗大语言模型的更新版本，名为KMed.ai。该模型准确性得到提升，在韩国医师执照考试中平均得分达到96.4%，并被定位为未来医疗通用人工智能的基础。
上个月，另一家韩国大型医院——峨山医疗中心——推出了基于私有网络的AI驱动知识搜索系统。
【全文结束】