GenAI对医疗保健的影响:前沿应用及其挑战

人工智能
尽管AI带来了许多机遇,但也存在显著且合理的担忧,例如输出准确性、透明度、整合、数据隐私、伦理、公平性和法规合规性等问题。

尽管AI带来了许多机遇,但也存在显著且合理的担忧,例如输出准确性、透明度、整合、数据隐私、伦理、公平性和法规合规性等问题。

应对当今威胁景观的机器规模

“AI在医疗保健中的整合不仅是进化,而是一场革命,承诺显著提升患者护理、运营效率和医学研究。”密歇根大学弗林特分校创新与技术学院网络安全临床教授Timothy Bates告诉记者。

但他强调,“实现这一潜力需要解决重大挑战。”

AI贯穿于医疗工作流程

 首先,AI可以接管费时的重复性任务,例如总结预约记录(已被证明其比人类做得更好),这项技术还可以简化行政流程,如排班、计费和患者管理。此外,AI驱动的预测分析可以帮助资源分配。

“尽管对GenAI存在合理的担忧,五年后,医疗服务提供者会想知道他们以前是如何在没有它的情况下运作的,尤其是在转录临床笔记和决策支持方面。”药物管理公司DrFirst的首席医疗官Colin Banas博士说。

更进一步,AI可以改善诊断,因为它可以快速准确地分析大量数据,Bates表示。例如,AI算法可以分析医学图像,以比传统方法更早更准确地检测出癌症、心脏病或神经系统疾病。

Aidoc就是一个例子,它通过高精度检测医学影像中的异常来帮助变革放射学。

“AI具有可以比医生现在所能做到的更早地在影像中检测出癌症的算法,提供更早、更不具侵入性的治疗和更高的生存机会。”SEO公司Rank Secure的CEO Baruch Labunski说。

AI还可以通过分析遗传学、生活方式、药物、病情和过去的手术等数据来支持更个性化的医疗,Bates指出,而且,模型可以远程监控跟踪生命体征和健康指标的可穿戴设备,这对管理慢性病和在服务不足地区提供护理特别有益。

同样,预测分析可以帮助预见患者恶化、败血症和其他关键病情,从而允许及时干预。例如,医院正在使用AI预测患者再入院风险,并相应地量身定制出院后的护理计划,Bates指出。

从基础设施的角度来看,预测分析还可以优化复杂医院环境的运营,Hitachi Vantara全球数字创新营销与战略高级总监Bjorn Andersson表示。模型可以分析传感器的实时输入,甚至外部天气预报数据,以帮助机构在即将到来的热浪或其他天气相关事件中预先部署资源。

“随着天气事件变得越来越不可预测和严重,物理和网络的结合变得越来越重要。”Andersson说。

支持药物发现和临床试验

专家指出,AI在研究实验室中,特别是在药物发现和开发方面具有巨大潜力。

例如,美国国立卫生研究院(NIH)国家癌症研究所的研究人员构建了一种机器学习(ML)模型,可以更准确地预测免疫检查点抑制剂(治疗癌症的药物)的效果,另一个例子是Google的DeepMind,它在蛋白质折叠预测方面取得了突破,以帮助药物发现。

“在医疗保健中使用AI的最佳方面之一是分析拟议的药物治疗、副作用及其可能的相互作用。”Labunski说。

同时,在临床试验中,GenAI可以通过比较问卷数据和试验要求来预筛选患者,从而增加合格参与者的数量,患者招募平台Clinical Trial Media的CEO Cara Brant说。

“这有助于降低成本和时间,这两者都会影响潜在改变生活的药物快速上市。”她说。

围绕数据隐私、整合和透明度的担忧

另一方面,AI在医疗保健环境中的使用中最关键的两个问题是数据隐私和安全性。

Bates指出,医疗数据具有“高度敏感性”,这需要在使用AI时采取“强有力的数据保护措施”,“确保患者机密性并防止数据泄露至关重要。”他说。

法规合规是另一个重要问题,医疗机构必须在数据可访问性与HIPAA等严格的隐私法规之间找到平衡。“确保符合现有法规,同时适应新法规,这对医疗提供者和技术开发者来说都是一项艰巨的任务。”Bates说。

此外,医疗机构可能难以将AI与现有的传统系统整合,这可能导致互操作性问题,这反过来需要在升级和员工培训方面进行投资。关于员工(包括患者),也可能对AI的可靠性和有效性持怀疑态度,Bates指出。

“AI不会分享其得出结论的过程,缺乏透明度可能会在治疗和提供护理时带来问题。”Labunski说。

Muddu Sudhakar,企业搜索公司Aisera的联合创始人兼CEO,同意“模型可能是复杂的黑箱,透明度很低。”此外,“AI并不完美,它也会犯错误。”

因此,Bates指出,未来的重要任务是通过透明的过程、严格的测试和展示实际的好处来建立信任。

确保人类继续帮助人类

随着行业越来越多地采用AI和自动化,人们“显著担忧”会转向减少人与人之间的互动。

“医疗保健是高度个性化和亲密的,这是AI最大的限制之一。”她说。

患者希望与他们信任的提供者合作,而普通人可能并不完全理解他们的诊断或治疗计划意味着什么。他们必须与另一个人合作,才能理解所有不同的细微差别。“医疗行业面临的挑战是如何在利用AI优化流程和保留某些仅由人类提供护理的领域之间找到平衡。”她说。

至少在目前,AI是一个可以在扫描和测试结果上“获得第二意见”的提供者,The Relayer Group的执行董事HP Newquist同意这一观点。AI可以分析每个患者的“数据仓库”,并与最新的医学论文和最先进的实践进行比对,数据然后可以快速总结并提供给医生,以及相应的建议。

“关键字是‘建议’——AI还远未达到无需人工监督就能做出决定的地步。”Newquist说。

他指出,没有一个医生能跟上其选择领域中新的信息流,然而,一个每日接收同行评审期刊报告的LLM可以迅速推荐关于特定疾病、手术和患者护理的最新观点。

“对于更多的临床任务来说,‘增强智能’是医疗保健的最佳选择。”Banas同意。

责任编辑:华轩 来源: 企业网D1Net
相关推荐

2023-09-21 11:07:52

2023-10-30 22:17:22

GenAI医疗建议

2021-04-02 12:05:45

云计算医疗数据

2021-07-27 14:42:04

数据科学医疗保健大数据

2022-12-08 10:15:38

大数据医疗保健

2022-11-21 15:20:20

2023-07-07 14:15:28

2022-08-17 15:38:40

5G远程医疗隐私

2021-04-26 08:30:18

首席信息官混合医疗保健医疗保健

2020-11-03 06:10:36

医疗物联网IoMT医疗保健

2023-04-19 11:36:59

能源管理数据中心物联网

2023-07-07 14:53:58

2020-07-02 06:55:06

预测性分析医疗物联网

2023-09-21 16:23:00

物联网

2022-09-21 09:03:50

医疗保健物联网人工智能

2023-10-16 16:28:27

2023-07-19 14:06:25

2019-07-12 05:58:12

医疗保健物联网IOT

2023-09-06 14:14:59

2022-10-31 15:06:37

人工智能医疗
点赞
收藏

51CTO技术栈公众号