随着医疗保健组织探索AI的潜力，它们面临着一个复杂的挑战：在创新与谨慎之间找到平衡。虽然一些人将AI视为解决众多问题的方案，但另一些人则担心其风险，特别是在像患者护理这样高风险的领域。医疗保健领导者们将在2025年如何应对这一紧张局面？
1. 新兴的长期AI战略
在尝试生成式AI的医疗保健组织中，出现了两个截然不同的阵营：一个认为GenAI有可能解决行业中的所有问题；另一个则呼吁谨慎，担忧风险或关注其缺点。现在，我们对GenAI能解决的实际医疗保健问题有了更好的理解。团队可以利用这些理解来制定长期的AI战略。
对于许多组织而言，这将涉及在与AI供应商合作之前进行知情的战略决策。双方需要审核彼此的协议、优先事项和共同利益，然后再签署任何合同。拥有明确的长期AI战略的组织将更容易找到与其愿景相符的供应商。随着对技术的更好理解，可以进行更具体、可操作的对话。
2. 优化工作流程
拥有长期战略固然很好，但每个部门在其AI之旅中都必须从某个地方开始。对许多人来说，这意味着先低效再高效。为未来的成功做好准备，将需要在短期内投入时间和资源。
具体需要多少时间和资源因部门而异。例如，医生、护士和行政人员将以各自的方式适应自己的AI工作流程。最终，这种投资将带来更高效的工作流程，减少员工倦怠的可能性，并缓解当前和未来的人手短缺问题。早期的例子包括加快招聘申请处理速度、自动化家庭护理访视记录和自动化数据整理任务。
3. 平衡风险与回报
在每个行业中，采用和适应AI工具都需要进行成本效益分析。在医疗保健领域，高风险的赌注可能会危及生命。然而，有一些问题是AI可以在不犯错误的情况下解决的，例如不会导致患者被开错药或剂量。确定风险容忍度的界限将是未来一年中组织面临的重大挑战。
当然，医院药物错误即使没有AI也会发生。人类也会犯错。设定风险与回报之间的平衡点部分取决于寻找可以通过AI改进而不是完美的流程。检索增强生成（RAG）是一种大型语言模型（LLM）在生成过程中动态检索和整合相关信息的方法，显著减少了幻觉或事实错误输出的发生率。随着技术的进步，风险会降低；2025年，各组织将衡量哪些流程可以通过现有技术改进，并根据自身风险承受能力做出决定。
4. 互操作性和数据共享
全行业的互操作性趋势带来了许多挑战，但也具有巨大的潜力——改善数据访问、创建更完整的纵向患者数据集，最终提高医疗决策的质量。特别是生成式AI将有助于从非结构化数据中提取信息，并促进沟通。随着更多系统的加入，我们获取相关患者数据的能力将得到提升。
这一趋势还强调了审查第三方供应商如何使用AI的重要性。了解潜在业务合作伙伴如何保护您组织的数据（尤其是患者数据）至关重要。预计监管限制将演变，既鼓励互操作性，又确保患者数据的安全。
5. 负责任的AI和新的AI法规
随着联邦和州级人事变动，政府政策的变化将使AI监管环境充满不确定性。政府机构的主要关切之一是组织如何使用AI处理Medicare患者的资料。各州正在引领这一潮流，随着人们对AI在医疗保健中应用后果的熟悉程度增加，预计将出台更多法规。
除了新的法规外，行业最佳标准和建议也将演变。CHAI（一个独立的非营利组织）一直积极与行业利益相关者合作，推动和定义负责任的AI使用。预计围绕“人在环路”（human-in-the-loop）的讨论将增多——谨慎行事而不是完全自动化重要的医疗保健过程。
(全文结束)
