人工智能已经被证明能够执行特定的医疗任务，例如解读X光片或标记患者数据中的风险。但护理患者是一个随时间展开的动态过程，需要临床医生解读来自多个来源的信号，并在患者病情变化时进行干预。稳定患者病情可能需要医生综合实验室值和医学影像、听诊肺音或心音、观察生理反应，并决定何时升级护理——而且往往面临严重的时间压力。
鉴于这种复杂性，现代AI系统到底能走多远？更具体地说，大语言模型能否管理整个临床决策工作流程，而不仅仅是其中的单个任务？
这个问题是麦克研究所联合主任、沃顿商学院运营、信息与决策教授Christian Terwiesch、麦克研究所预博士研究员Lennart Meincke以及WHU奥托·贝斯海姆管理学院的Arnd Huchzermeier共同撰写的一份新白皮书的重点。该白皮书是Terwiesch及其同事在沃顿商学院麦克创新管理研究所支持下进行的一系列生成式AI实验中的最新成果。
为了探究这个问题，研究人员将多模态大语言模型置于一个逼真的医疗培训模拟系统中——这类系统与用于评估医学生和执业临床医生的系统相同。在屏幕上，虚拟患者的状况实时演变：生命体征变化、检测结果延迟到达、不采取行动会产生后果。
AI不是对书面提示（例如“一名50岁男性因胸痛就诊”）做出响应，而是必须在每一步决定下一步做什么。它可以询问患者、打开监护仪、安排实验室检测或影像检查、实施治疗，以及升级护理——所有操作都在倒计时中进行，患者的病情可能好转或恶化。实际上，评估的不是AI的单个答案，而是它能否从头到尾管理整个临床诊疗过程。
研究人员在四个急性护理场景中评估了AI，从简单的居家低血糖病例到涉及肺炎、中风和充血性心力衰竭的复杂急诊室情况。
在所有场景中，AI稳定患者和完成病例的成功率与医学生相当甚至更高，而且完成病例的速度明显更快。总体诊断准确性相近，且AI的许多行动序列都与专家临床实践高度相似。
更多内容请参阅沃顿知识在线。
【全文结束】