梅奥诊所的医生们正开始探索如何通过专门针对医疗保健的大型语言模型（LLM）和生成式人工智能聊天应用程序来增强患者护理和改进临床决策。虽然像ChatGPT和Google Gemini这样的通用LLM可能只能在少数情况下提供基于证据的医疗答案，但加州的Atropos Health公司表示，其联邦医疗数据网络可以为用户提供详细而准确的咨询，即使是面对最复杂的医学问题，因为这些答案仅基于同行评审的真实世界数据。
例如，当医生考虑如何治疗患有罕见遗传病的患者，这种遗传病使他们容易患上特定的心脏病时，从数百万患者的数据中找出类似病例并了解他们的治疗结果，可以帮助指导治疗方案，梅奥诊所心脏电生理学主席彼得·诺斯沃西博士解释道。
去年，Atropos推出了一款增强型生成式AI平台，允许用户查询其庞大的临床数据。该公司声称，该平台已成为美国最大的医疗数据网络。最近，Atropos发布了其基于聊天的界面——ChatRWD。“这是一种实时与真实世界数据互动的方式，然后在护理点呈现这些见解，”诺斯沃西博士在接受《Healthcare IT News》采访时说。诺斯沃西博士领导控制试验和研究，使用国家数据集，已经开始测试ChatRWD。
评估医疗专用数据的可靠性
Atropos的平台提供了“真实世界数据评分”——这是对数据质量的即时快照，包括数据量、完整性、患者时间线等指标——以及“真实世界适应性评分”——基于专有算法，评估问题标准在数据集中的代表性。这些评分可以帮助用户选择最适合回答他们问题的数据集，该公司在6月份表示。斯坦福医疗的兼职教员兼Atropos首席医疗官Saurabh Gombar博士领导了一项研究，分析了五个LLM（包括医疗专用的OpenEvidence和ChatRWD）的准确性和有效性。结果显示，通用LLM在回答医生问题的可靠性方面远远不足。
“而OpenEvidence和ChatRWD能够在42%或60%的时间内产生可操作的、可靠的证据，这比通用LLM高出一个数量级，”Gombar博士在7月份告诉《Healthcare IT News》。
自2022年以来，Atropos一直在与梅奥诊所合作，试点和开发数据驱动的方法，以改善医疗服务，特别是为历史上未得到充分代表的患者提供更好的护理。通过自动化报告（称为Prognostograms），这些方法可以在护理点实时提供真实世界证据。这一合作使得Atropos数字咨询平台上的医生和研究人员能够访问梅奥诊所的去标识化数据仓库及其分析工具。
对于重症监护患者来说，护理团队能够通过该平台找到研究中锁定的问题答案，可以节省时间。Atropos表示，通过传统方式确定治疗方案可能需要数周时间，而AI驱动的Prognostogram可以在几天内完成。
诺斯沃西博士指出，观察性临床研究人员可以访问大量真实世界数据，“但从这些数据中生成见解的时间通常需要几个月。”他们不仅需要提取数据，还需要清理和分析数据。“你需要统计学家的帮助，”他说。“有了这样的工具，基本上可以实时设置这些研究并提取数据，你可以接近研究级别的或出版级别的信息，只需通过聊天界面。”
Atropos预计在未来一年内，可用数据集的数量将增长超过200%。
患者数据的力量在AI中显现
经验丰富的医生可以根据经验识别患者结果和治疗反应的模式，但传统的医学研究方法限制了这种经验的全面捕捉，诺斯沃西博士解释道。“我们可以通过临床试验获得这些信息，但这是一个缓慢的过程，而且参与试验的患者高度选择。”然而，LLM可以为医生更快地提供医学问题的答案，这可能有助于改善那些历史上无法参与临床试验的患者的治疗效果。
“罕见或不寻常的疾病表现、罕见病症或罕见的条件组合在临床试验中描述不足，但在大数据样本中存在，”诺斯沃西博士说。梅奥诊所一直在努力将临床试验的范围扩展到主要学术医疗中心之外，去年启动了一个分散式临床试验项目。
梅奥诊所肿瘤学系教员发展主席、综合癌症中心平台和数字创新办公室联合主任Tufia Haddad博士表示，临床试验的可及性加剧了健康差异。“我们在试验中严重缺乏种族-族裔少数群体和患者群体的代表性，以及未得到充分服务的农村社区的代表性，”她说。改善临床试验可及性的总体目标是“让更多的人受益于更多治愈”，她在该项目启动后告诉《Healthcare IT News》。
梅奥诊所的一些科室已经开始试点ChatRWD，诺斯沃西博士表示，他之所以感兴趣是因为他的心脏小组同事有使用其他数据引擎的真实世界数据的经验。“我们可以在实时和护理点生成数据这一点吸引了我，”他说。使用真实世界临床数据“与仅仅使用ChatGPT或其他LLM完全不同”。
尽管ChatRWD尚未在梅奥诊所大规模部署，“它已经为我们提供了一些有趣的见解，”诺斯沃西博士说。
(全文结束)
