两位Elsevier专家分享了他们对医疗领域生成式人工智能工具的审查及其最大影响领域的见解。
临床医生已经面临时间和资源有限的压力，通常还需要解决紧急临床问题，这往往需要梳理大量信息。治疗一个病人可能涉及筛选大量的医学文章、研究和指南——每一份都需要临床医生在多个标签页中寻找相关信息。
Elsevier全球临床解决方案战略与合作伙伴副总裁Louise Chang博士结合自己的临床经验描述了这一情景：
“你通常没有太多时间给病人，而时间又非常关键。想象一下，一位医生面对一个有复杂病史的病人，同时处理并发疾病和药物的影响，以及像肺炎这样的急性问题。从不同的来源找到并综合相关信息是既困难又耗时的。”
在所有人工智能承诺改变医疗保健的方式中，Louise认为它在这里可以立即产生显著的影响。医生们现在可以将复杂的临床问题以单一、连贯的方式提交给像ClinicalKey AI这样的工具，而不是费力地在各种平台上搜索信息。该平台随后会编译和综合与患者情况相关的引用信息，快速提供一个全面、简洁的概述。
通过整合大量数据并以用户友好的格式呈现，生成式人工智能有潜力改变临床实践体验，最终提高患者的结果。随着这项技术的不断发展，它预示着一个新时代的到来，医疗专业人员可以更多地关注与患者的互动，而不是信息检索，从而缩小数据与临床专业知识之间的差距。正如Louise解释的那样：
“我们正在利用生成式人工智能的力量，不仅搜索这个庞大的信息库，还综合结果并以易于理解的方式呈现，可以迭代，并且可以跟踪参考文献以验证信息。”
克服对医学中生成式人工智能的保留意见
生成式人工智能的承诺是巨大的，但没有临床医生社区的支持，这一承诺无法实现。到目前为止，该社区对人工智能的可能性持谨慎态度。根据Elsevier的《未来临床医生：人工智能版》报告，96%的受访者认为人工智能将有助于加速知识发现，但只有26%的人将其用于工作目的。调查还显示，82%的临床医生认为人工智能会导致严重错误。
通过强大的防护措施克服这种保留意见至关重要，Elsevier健康市场首席技术官Rhett Alden博士强调：
“我们正在利用我们广泛资源库的丰富资源，包括同行评审的期刊、书籍和开源文献，使用一种称为检索增强生成（RAG）的架构。”
这种新颖的框架允许临床医生查询特定的源文档或片段，将它们作为参考材料，在生成式人工智能基础设施中生成精确且有来源的响应。Rhett强调了这种方法与传统模型（如OpenAI的ChatGPT或Google使用的模型）的区别，后者通常依赖于基于源材料的训练大型语言模型（LLM）。
“在我们的案例中，我们利用大型语言模型直接从高质量源材料中总结信息，这是一种截然不同的方法。”
Rhett将这种差异比作开卷和闭卷考试；前者类似于ClinicalKey AI等工具使用的方法，允许使用参考材料，而后者（如ChatGPT使用的方法）仅依赖于LLM的训练集，可能导致幻觉。
这种对准确性和可信度的承诺在医疗领域尤为重要。正如Rhett指出的那样：“我们提供非常精确、非常准确的响应——同样重要的是，有参考的响应。”
“我们提供非常精确、非常准确的响应——同样重要的是，有参考的响应。”
为什么生成式人工智能比搜索工具更快
Rhett还指出，生成式人工智能工具的对话性质可以帮助它们在临床环境中比搜索工具更有效。他以治疗一位患有糖尿病和高血压的孕妇为例：
“你可能需要的信息在搜索工具中是可用的，但检索起来很困难，因为你必须拼凑某些文档——关于怀孕、糖尿病、心血管问题的部分，”他解释道。然而，如果一个工具使用对话格式、向量搜索和RAG架构，它可以在几秒钟内从多个不同的临床参考文献中检索并总结这些信息：
“你从可能需要15到30分钟的搜索方法，转变为在ClinicalKey AI中提出问题所需的时间内完成。”
评估人工智能系统的安全性
对于考虑采用人工智能工具的机构，Louise强调了审查工具准确性的重要性。“在评估这些工具时，保持批判性非常重要，”她指出，强调了医疗保健领域固有的安全和合规的双重要求。她敦促利益相关者询问这些技术背后的验证过程。“你如何验证你所提供内容的质量？你如何知道数据的完整性？”她说，强调了临床评估和安全措施的必要性。
此外，Louise指出，医疗保健的动态性——没有两个病人是相同的——要求用户和供应商之间建立反馈循环。
“随着越来越多的用户使用任何类型的人工智能系统，人们会发现一些问题或反馈，”她解释道。因此，与供应商建立响应式关系的能力至关重要。“你能开发什么样的反馈机制……让你能够提供反馈并让供应商采取行动？这是人们应该问的问题。”
临床医生需要加入对话
随着人工智能工具的加速发展和成形，Louise建议临床医生确保他们在对话中有发言权，与买家和供应商分享他们的想法：
“每当我做演讲时，我都会鼓励临床医生分享他们对人工智能在医疗环境中的看法。临床医生应该是这些工具的批判性评判者，因为这是我们取得进步的方式。每个人都应该参与其中。”
这可能意味着在自己的组织内寻找讨论和试用人工智能工具的机会，或寻求可以作为你观点平台的专业组织。“在美国，我们有一些围绕这一主题形成的联盟和合作组织，”Louise说。“总的来说，我建议你积极参与。”
Rhett和Louise都指出，这项技术仍处于起步阶段。Louise再次强调了临床医生指导其发展的重要性：
“我认为所有临床医生都应该感到自己有影响力，我们可以影响下一阶段的发展。这就是让我感到兴奋的地方——我们可以影响未来的发展。”
人工智能最擅长什么？
Rhett认为人工智能可以显著增强诊断过程：
“我认为我们将看到更多人工智能帮助进行预诊断、早期诊断，”他说，强调了这些技术可以改变临床医生与临床信息互动的方式。
Rhett以冗长的转诊文件为例，指出“这些转诊文件可能长达100页”。鉴于其中包含的大量自由文本、临床笔记和患者信息，他强调了医疗专业人员在综合这些信息时面临的挫折：
“人工智能在总结这些信息并提供与个体患者接收和治疗相关的关键信息方面可以非常有用，”他说。
但他强调，人工智能的能力不仅限于总结，还包括疾病的检测和早期诊断。“这些文件可以很容易地由人工智能系统定期审查，以真正查看护理和治疗中的差距，”他指出，强调了人工智能识别关键分流点的潜力。
他强调了人工智能在简化患者护理和减轻与信息不完整相关的风险方面的潜力。“如果信息被排除或忽略，那可能会出现问题，”Rhett警告说，建议人工智能在提取可能在其他情况下被忽视的关键细节方面至关重要。
正如Rhett总结的那样，这些进步的潜力是巨大的，不仅能够改善患者的治疗效果，还能提高医疗系统的运营效率。
“你将会看到很多这样的应用……随着信息在医疗系统内的流动，很多优化将会发生。”