随着人工智能深入医疗领域，高管团队正努力使其可操作、安全且可持续。
在贝克尔第13届CEO+CFO圆桌会议的AI峰会上，来自医疗系统和技术公司的领导者分享了他们在大规模部署生成式AI方面的经验——从构建预测模型到重新设计治理和文化。
1. 生成式AI正从试点项目转向实际应用
生成式AI可能仍是新生事物，但一些组织已在实际工作流程中运行它。亚特兰大埃默里医疗（Emory Healthcare）首席AI官纳比勒·萨夫达尔（Nabile Safdar）博士描述了创新与实施的双重现实。"许多生成式AI应用我们确实处于试点阶段，"他说，"但其他许多应用我们已全面启动。这取决于具体情况。"
他指出不同应用场景的成熟度各不相同："图表抽象、环境语音记录——这些非常成熟。部署良好，我们对此很满意。其他应用目前更具探索性。"
埃默里医疗还使用语音代理自主呼叫患者。萨夫达尔博士表示，这些代理非常逼真，人们"很喜欢"。语音代理非常礼貌，通话中不会打断患者。
"问题是它们太礼貌和逼真了，"他说，"患者只是用它们来聊天。"
2. 预测分析正在重塑医院运营
阿肯色州小石城（Ark.）浸信会健康医疗中心（Baptist Health Medical Center – North Little Rock）院长科迪·沃克（Cody Walker）表示，新冠疫情凸显了医院的运营脆弱性——以及AI如何改变这一状况。
"我们目前正深陷生成式AI，"他说，"从运营角度看，我认为我们从新冠疫情中意识到，就医院运营韧性而言，我们远远落后于其他行业的同行，无论是航空业还是物流业。"
沃克团队现在使用预测分析来预测出院模式和人员需求。"我们确实深入研究了出院去向预测，"他说，"生成式AI显示这位患者将去护理机构（SNF）或急性康复中心。让我们优先处理这些流程，而不是并行处理一大堆任务。"
AI现在有助于提前数天预测医院激增和人员配置水平。"当你深入挖掘时，医疗行业内部仍有一些类似数据，"他说，"那么我们如何在七天前将合适的人员资源配置到正确的病床旁？"
3. 技术成功取决于文化和沟通
领导力而非算法决定技术是否成功。"改变文化仍是一项密切接触的运动，"沃克说，"无论我们在流程或情境上应用何种技术，改变文化、获得支持、游说和解释原因的过程始终相同。"
CEO们为紧迫性和透明度定下基调。解释"原因"至关重要，将AI和技术举措与改善结果和提升患者体验联系起来。当人们理解AI如何帮助患者时，他们才会真正承诺采用AI。
"我深度参与了我们围绕患者流动和吞吐量的一些早期变革，以便让他们知道我们正在解决的问题背后有高管层的紧迫感，"沃克说。
4. "最后一公里"挑战仍是采用的最大障碍
Ambience医疗（Ambience Healthcare）联合创始人兼CEO尼基尔·布杜马（Nikhil Buduma）表示，医疗行业最艰巨的挑战之一是将生成式AI从概念转化为临床现实。"医疗行业存在惊人的'最后一公里'问题，"他说，"在Zoom会议中看到演示很容易，但真正将它交到临床医生手中时——'最后一公里'问题实际上才是大部分工作的来源。"
他敦促领导者弥合技术与一线工作流程之间的差距。"我们如何与另一方的合作伙伴设定期望，创造双赢的结构？"布杜马说，"我们应该向合作伙伴设定期望，表明这是我们共同进行的旅程，因为我们这样做是为了改善结果，而不是因为我们从你那里购买技术。"
流程重新设计必须刻意优化技术，而非在现有低效问题上添加AI。"任何新技术类别的一个危险是想要自动化现有流程的欲望，"他说，"我们应该思考如何利用组织的专业知识，使用AI将这些专业知识尽可能早地分发到上游，以便首次就能做对。"
5. 治理、伦理和信任必须随技术发展而演变
随着AI在医疗领域的深入应用，萨夫达尔博士表示，组织必须发展其治理结构，以平衡创新与安全。他将埃默里医疗的方法描述为将监督整合到现有流程中，而非创建新的官僚层级。他的团队依靠临床信息学、收入周期和研究委员会在其领域内评估工具，仅将那些构成重大患者或数据风险的工具上报。
"部署AI解决方案时存在真实风险，"他说，"大部分风险是数据风险——而数据和AI无法分离。它们必须携手并进。"
埃默里医疗建立了明确的触发机制，当安全或数据透明度不确定时，暂停并审查任何面向患者的应用。在一个案例中，该组织暂时停止了一款直接呼叫患者的AI语音代理，并非因为它失败，而是因为团队需要在扩展前更好地了解其安全状况。
【全文结束】
