在儿科急诊室这个快节奏的环境中，接受培训的医生们不断寻找机会来提升他们的实践水平。通过识别可以应用新技术的空间，他们能够弥合沟通差距并为年轻患者及其焦虑的家长澄清医疗程序。在她的培训过程中，儿科急诊医学研究员Niharika Goparaju博士遇到了许多儿科护理中的沟通障碍，尤其是当年轻患者面对医疗程序时感到恐惧和焦虑。在一个令人难忘的案例中，她治疗了一位疑似阑尾炎的3岁儿童。该儿童需要进行腹部超声检查，但显得非常紧张，难以坐稳。Goparaju转向了基于文本生成图像的人工智能模型DALL-E，创建了一个生动、适合儿童的程序图像。结果如何？一个更冷静、更合作的患者。
Goparaju使用DALL-E文本生成图像模型为她的儿科患者创建定制图像。这张图片的提示是“创建一幅友好的医生为3岁女孩做腹部超声的插图”。这是Goparaju设想的未来患者护理，拥抱像生成式AI这样的新技术，以解决因患者年龄、语言障碍和健康素养不足而产生的持续沟通差距。Goparaju已经在德克萨斯大学戴尔儿童医学中心急诊科的工作中制作了各种图像，从CT扫描机的一般用途到如何在长达一小时的雾化治疗中使用沙丁胺醇。在最近发表在《急诊医学年鉴》的一篇文章中，她概述了这些工具的最佳适应未来的机会。
“视觉图像有多种用途，已被证明特别有助于低健康素养或语言障碍的患者和家长，通常与口译员合作。”Goparaju说，“这些图像不仅帮助我向家庭解释医疗程序，还帮助安抚焦虑的儿童，使他们更加舒适，愿意参与他们的护理。”
有用的工具，仍有改进空间
AI生成的图像具有独特的优势：定制化。与传统医学图像库中的通用图像不同，这些视觉图像可以根据特定患者和情景进行定制，使解释更加相关和易懂。它们生成速度快且成本效益高，在患者护理和医学培训中具有显著优势。然而，AI生成的图像通常需要多次提示迭代才能创建所需的图像。Goparaju使用了以下提示来创建这幅医生为孩子打石膏的图像：
初始提示：展示一张在医院给孩子打石膏的图像。
调整后的提示：描绘一名医生为5岁孩子的左臂骨折部位打石膏。孩子坐在检查台上，勇敢地看着自己的手臂。医生专注于用青绿色的玻璃纤维石膏包裹孩子的手臂。
但在实时患者床边实现这一点之前，需要更多来自医学专家的数据输入和参与，以确保图像在其独特医疗情景的描述中始终准确。目前，Goparaju正在开发一个准确生成的图像库，用于她经常遇到的病例或预期有用的图像。“随着工具质量的提高，我可以看到它们在医学教育中的广泛应用，从模拟和教学辅助到考试准备，再到以最少的提示准确描绘疾病、程序和药物。”Goparaju说，“如果提供者可以减少确保适当性和医学准确性的时间，我们就可以花更多时间个性化图像，突出我们希望在会诊中关注的区域。”
儿科急诊医学研究员项目主任Sujit Iyer博士预测，这些工具在儿科和成人急诊医学中都将特别有用，医生们经常帮助那些症状不明确或单一诊断的患者，因此需要一系列复杂的测试、影像和专家建议来确定最佳路径。“我无法告诉你有多少次我在纸巾上画结肠甚至大脑来解释什么是阑尾炎或脑震荡。”Iyer说，“这些工具有助于标准化我们如何沟通计划、程序甚至病理生理学，并允许提供者利用这些工具作为沟通工具箱中的补充，与患者建立更有意义的人际联系。”
跨团队专业知识的融合
除了改善儿科急诊室的沟通和患者护理外，Goparaju还预见文本生成图像作为有价值的指导工具，教授她的同辈受训者和教师如何增强与患者的互动，尤其是在复杂的儿科病例中。她希望将生成的图像库上传到易于访问的设备上，以便儿科急诊医生可以用清晰和互动的方式向家庭解释程序或疾病——至关重要的是，她还将与儿童生活专家等卫生专业人士合作，以完善内容，借鉴他们在儿童发展和心理学方面的经验和最佳实践。“儿童生活专家在安抚和准备孩子接受程序方面的专业知识，加上我的同事们的见解，对于完善视觉内容并确保图像有效且适合年龄至关重要。”Goparaju说，“通过共同努力，我希望赋予其他人采用这项技术的能力，简化沟通，全面提升患者护理水平。”
受训者视角的价值
Goparaju将AI整合到医学中的方法展示了住院医师和研究员不仅仅是被动的学习者，而是提升患者护理的重要贡献者。仅在儿科急诊室，戴尔医学院的研究员就改善了出院患者的翻译服务，建立了基于网络的患者教育资源，并创建了AI生成的视频来帮助解释复杂程序。“看到医疗系统通过新居民和研究员的眼睛和技能集是一个特权。”Iyer说，“毫无疑问，我们的受训者更熟练，成长于一个通信和信息始终触手可及的世界——然而，医疗系统仍然需要努力筛选、解释和帮助患者消化哪些信息重要且相关。”培训像Niharika这样的研究员，让他们了解儿科急诊护理的细微差别，从门口识别细微发现，然后利用他们的热情改善患者体验，这是我们大多数人在医学教育中工作的主要原因。
(全文结束)
