RMIT 大学的专家对人工智能技术是否已为医疗保健环境做好准备以及该行业是否已准备好接纳它发表了看法。
计算技术学院院长卡琳·弗斯波尔教授表示：“人工智能技术尚未达到‘医疗级别’，将生成式人工智能作为‘ChatGPT 医生’资源是危险的，特别是那些未专门针对临床知识进行训练的商业系统。这些模型整合了来自整个互联网的文本，包括高度轶事性的信息和更可靠的来源，如医学文献，但关键是无法访问电子健康记录系统。这种来源的混合以及缺乏重要的真实世界临床数据，意味着模型中可获取的信息可信度不明确。技术辅助的听写工具在临床实践中已经使用了很多年，由于现在支撑它们的复杂语言模型，现代人工智能书记员的能力肯定超过了以前的版本。然而，新版本由于依赖生成式人工智能，引入了很大的不确定性，这种人工智能明确包含文本预测，本质上是有根据的猜测。虽然在系统直接适应特定背景和用例时这可能效果良好，但在真实的临床环境中它们的效果如何，证据还不足。最近在《新英格兰医学杂志催化剂》上对人工智能书记员的一项研究记录了现实临床环境中出现的虚构和错误实例。除了技术性能外，还需要研究它们对患者体验、临床医生行为和临床工作流程的影响。需要更有针对性的工具，这些工具可以根据特定类型的临床问题进行定制，并对其准确性和稳健性进行探测。”
卡琳·弗斯波尔教授是澳大利亚墨尔本 RMIT 大学计算技术学院的院长，也是生物医学应用中人工智能使用方面的专家。她是澳大利亚医疗保健人工智能联盟的联合创始人及维多利亚节点负责人，也是澳大利亚生物网格的董事。
RMIT - 思科健康转型实验室执行董事维沙尔·基肖尔教授表示：“确实，如果做得正确，人工智能有望实现真正智能的医疗保健。虽然人工智能在医疗保健领域的潜力巨大，但其广泛应用带来了重大挑战。临床医生不仅在工作的行政边缘（如记录、安排和数据输入），而且在其角色的核心（如诊断、决策、治疗计划、患者参与和教育）都在寻求现有的人工智能工具。在最近的一份报告中，我们强调人工智能有能力在多个层面增强‘医疗保健智能’，包括预测和预防健康需求；从根本上改善诊断和分析；分析和优先考虑医疗保健、应急响应、资源使用或特定患者需求；以及改进护理和治疗计划及管理。临床医生和医疗保健领导者必须认识到，特别是其生成式形式的人工智能不是灵丹妙药。它可以支持临床决策，但在以下领域需要谨慎：
- 疗效和解释：人工智能，特别是在复杂病例中，并非万无一失。没有适当的培训，临床医生可能过度依赖或误解人工智能的输出，这可能导致严重错误。深入了解人工智能的优势和局限性至关重要。
- 网络安全：由于人工智能处理敏感的患者数据，网络威胁的风险呈指数级增长。强大的网络安全措施对于保护患者信息和确保抵御违规或系统故障至关重要。
- 互操作性：人工智能必须与现有的医疗保健技术（如电子健康记录）无缝集成。没有这一点，碎片化和数据孤岛将阻碍人工智能的效率，限制其在临床实践中的有效性。
- 护理模式创新：人工智能重塑护理服务的潜力不仅仅是简单地整合到当前的工作流程中；它需要对护理模式进行根本性的重新设计，将数字工具与人类专业知识相结合，创建一个更具响应性的系统。
- 人类接触的不可还原性：尽管人工智能取得了进步，但它无法取代判断、同理心和联系等关键的人类元素。医疗保健中的人类接触仍然不可替代，对有效护理至关重要。
“医疗保健部门已经充满了新兴的人工智能驱动的创新，从自动诊断到预测分析。真正的挑战在于整合和谦逊：认识到人工智能的局限性，同时构建有弹性、适应性强的系统，准备好利用其力量而不忽视人类元素。”
维沙尔·基肖尔教授是 RMIT - 思科健康转型实验室的执行主席，也是 RMIT 的创新和公共政策教授。他曾是卫生和人类服务部的副部长，在公共系统、卫生创新和数字转型方面拥有丰富经验，是医疗保健、技术和政策创新交叉领域的主要声音。
来源及参考：/RMIT 大学新闻发布。在此处查看全文。
标签：人工智能、澳大利亚、英国、网络安全、院长、决策、卫生部、健康、RMIT、RMIT 大学、维多利亚
