关键点
- 人工智能正在从诊断转向连续性疾病管理，追踪整个护理过程中的健康状况。
- 人工智能可以随着时间的推移完善治疗计划，减少变异性并提高护理的一致性。
- 尽管人工智能在医学中的作用正在扩大，但仍需解决数据碎片化和信任等问题。
来源：NostaLab
一项关于人工智能驱动的医疗保健的新研究突显了医疗人工智能的潜在转变。谷歌的Articulate Medical Intelligence Explorer（AMIE）不仅提高了诊断能力，还展示了其在疾病管理方面的潜力。人工智能不再仅仅识别病症，而是进化成为长期疾病管理的合作伙伴。
这反映了人工智能在医学中更为广泛的用途。迄今为止，大部分关于人工智能的叙述都集中在诊断卓越上——例如，AI能够在医学扫描中检测癌症、识别罕见遗传病或标记患者记录中的异常。这些进步非常重要，但它们主要关注的是单个时刻的决策。然而，医学很少只涉及一个时刻。像糖尿病、心血管疾病和自身免疫性疾病等慢性疾病需要持续且适应性的护理，随着患者病情的变化而不断调整。
这就是AMIE可能标志着一个转折点的地方。AMIE不仅仅是一个诊断助手，它已经展示出在整个疾病管理过程中参与的能力，包括跟踪症状、优化治疗建议，并根据既定的护理标准调整护理计划。在结构化的测试场景中，AMIE的管理计划被评为不劣于人类医生，在某些情况下甚至显示出更高的治疗建议精度。重要的是，该系统不仅仅是评估某一时刻的情况，而是综合了多次就诊的数据，反映了病情的发展而不是仅仅提供一个快照。
作为连续性引擎的人工智能
虽然这项研究的主要结论是人工智能生成高质量疾病管理计划的能力，但更深层次的意义可能在于这对连续性护理意味着什么，这是医学领域的一个持久挑战。
连续性护理是指无缝且协调地管理患者在一段时间内的健康状况。如今，由于电子健康记录（EHR）系统的分散、多样的医疗服务提供者以及不一致的随访，这种护理常常是碎片化的。然而，人工智能具有独特的能力，可以在多次就诊、多个医生甚至不同医疗机构之间跟踪和分析大量的临床数据，从而提供前所未有的患者管理一致性。
如果患者数据结构化且可访问，像AMIE这样的人工智能系统可以：
- 分析多次就诊的患者历史，以改善长期疾病管理。与阶段性护理不同，人工智能可以综合过去的就诊数据，保持治疗计划的连续性。
- 根据结构化的临床指南逐步优化治疗建议。AMIE展示了在多次就诊中调整护理计划的能力，确保治疗与患者病情的变化保持一致。
- 通过系统地应用循证指南，减少医生决策的变异性，提高护理的一致性。
- 通过详细的治疗协议知识支持药物管理。RxQA基准测试确认了AMIE评估适应症、禁忌症和剂量调整的能力，增强了药物治疗的精确性。
从阶段性护理到连续性护理
人类医生受限于时间和系统效率，通常以阶段性的会诊方式管理患者——即基于有限上下文的独立预约。然而，人工智能受到的约束较少。它可以持续分析患者的状况，提供纵向见解，补充和增强人类临床判断。
例如，想象一个心力衰竭患者的体重在六个月内轻微波动，表明液体潴留。忙碌的初级保健医生可能不会立即看到这一趋势，但实时监控患者记录的人工智能系统可以标记这一模式，促使早期干预。同样，人工智能可以在多次就诊中检测到药物副作用的早期预警信号，允许在问题恶化前进行调整。
这种主动、数据驱动的护理对任何一位临床医生来说都很难实现——但这正是大型语言模型（LLM）凭借其巨大的数据综合能力所优化提供的。
人工智能在纵向医学中的未来
AMIE的研究表明，我们可能很快就会重新定义“看”患者的意义。医生不再是依赖记忆、笔记或不完整的记录工作，而是可以与保留和动态综合患者全部病史的人工智能合作，实时识别风险和机会。
然而，仍然存在挑战。人工智能的有效性取决于患者数据的质量和可访问性——这些数据在医疗系统中仍然高度分散。伦理问题，如患者信任、人工智能驱动的决策和医疗责任也必须得到解决。最重要的是，人工智能无法替代医患关系中的人际关系。尽管人工智能可以跟踪患者旅程中的每一个数据点，但人类临床医生可以提供同情、安慰和共同决策，这是患者在最脆弱时刻寻求的东西。
尽管如此，趋势是明确的。医学正在从将人工智能作为诊断助手转变为将其作为长期护理伙伴——而AMIE是这一未来的第一个具体例子。人工智能驱动的医疗保健的下一个重大挑战不仅仅是做出正确的诊断，而是确保整个护理旅程的正确性。这可能是人工智能最大的潜力所在，也是医疗保健领域可能出现的重要变革。
(全文结束)
