在医疗领域，“睡衣时间”指的是医生下班后更新患者病历的时间。人工智能正在通过在就诊期间记录笔记和创建病历来减少这种无偿加班时间——这可能导致职业倦怠。
环境AI在就诊期间安静运行，使医生可以自由地与患者互动，通常以书记员技术的形式协助医生进行笔记记录和创建患者病历。
“我们提供了一种在患者和医生之间进行监听的技术，”盖辛格的副总裁兼人工智能负责人迈克尔·德拉戈利斯（Michael Draugelis）说。“医生可以有更多的时间专注于患者，而花在电脑前打字的时间更少，同时还能捕捉到医生本需花费‘睡衣时间’来更新的信息。”
目前，赖特中心正处于在其各个地点实施环境AI技术Suki的试验阶段。迄今为止，参与试验的医生反馈积极。
赖特中心的高级副总裁兼首席医疗和信息官吉格什·谢特博士（Dr. Jignesh Sheth）认为这是一项巨大的时间节省措施。
“其中最大的文件负担来自病历记录，”他说。“病历记录时间从15到20分钟缩短到大约5分钟。你节省了75%的文档时间。然后乘以每天接诊的患者数量，比如10个患者，你就能节省150分钟的时间。所以几乎节省了两个半小时的病历记录时间。”
支持，而不是替代
关于AI使用的常见顾虑之一是FOBO（害怕被淘汰）。医疗保健提供者强调，他们设施中使用AI的目的不是取代医生的工作，而是增强它。
“AI系统是解决方案的一部分，”德拉戈利斯说。“它被整合到一个由医生做出决策的医疗系统中，这些决策具有一定的疗效。它们并不总是100%解决问题。我们只是认为这是最好的选择。”
Suki的首席执行官普尼特·索尼（Punit Soni）表示，他们的技术具有高准确性。
“我们使用一个称为建议接受率的指标来了解临床医生不加修改接受建议的百分比——我们的建议接受率在93%到94%之间，”索尼在给WVIA的一份声明中写道。“我们对接受率有很高的要求，因此任何被用户更改的笔记，包括格式上的更改，都被视为未接受。”
尽管Suki的技术在高准确率方面已经证明可靠，但赖特中心要求用户在提交前检查AI的工作。
“每次都要核实，”谢特说。“这是赖特中心的一项要求，即临床医生必须100%签署每部分笔记，而不仅仅是整个笔记。”
利哈伊谷健康网络的放射学主席德万格·戈尔博士（Dr. Devang Gor）表示，如果医生用AI进行诊断，那就是错误地使用AI。
“我们知道我们并不是完全依赖技术来进行诊断或发现，”戈尔说。“我们使用技术来辅助我们或引导我们的注意力集中在可能有问题的地方，以便我们能更快地照顾患者。”
提高患者满意度和治疗效果
谢特表示，自赖特中心开始使用AI以来，患者对与医生面对面交流的时间增加感到满意。
“我们不再埋头于电脑，”谢特说。“我们面对患者，与患者交谈，实际上就诊时间更快了。”
为了确保AI正确捕捉医生与患者的对话，赖特中心的医生们会强调他们的讲话，这也使患者更容易听清楚指示。
“当我们与患者交谈时，我们会多次重复某些内容，这有两个好处，因为现在患者会听到两次指令，”谢特说。
患者还可以受益于早期检测软件，这使他们能够得到及时治疗。
在利哈伊谷健康网络（LVHN），AI帮助医生早期检测中风。虽然医生受过训练，知道中风的迹象，但技术可以帮助他们更早地发现这些迹象。
“我们开始使用一家名为Razor AI的公司开发的大血管闭塞自动检测技术，这成为了我们中风护理的核心，”戈尔说。“我们使用该技术进行早期检测和自动检测，但也用于促进沟通，这有助于患者更快地获得中风治疗。”
盖辛格使用主动护理管理来标记那些更容易患某些疾病的风险患者，以便患者可以尽早进行测试，检查他们可能易患的潜在疾病。
“我们可以使用这些更先进的机器学习方法，传统机器学习方法来寻找那些可能患乳腺癌等疾病的高风险患者，”德拉戈利斯说。“我们希望确保他们前来接受治疗。”
在放射学和其他领域的应用
戈尔认为，在放射学中使用AI——利用医学影像诊断和治疗患者——是有道理的。
他帮助LVHN的放射科实施了辅助其发现的AI技术。其中一个例子是用于检测无症状肺栓塞的技术，这可能是致命的。
“我们有一种算法可以在患者无症状时检测肺栓塞，”戈尔说。“当收到警报时，我们会通知医生，这有助于我们在门诊基础上治疗肺栓塞，而不是让患者住院。这相当于在患者出现症状之前就开始治疗他们的疾病。”
他看到部门内的医生将其作为对其工作的强化工具，同时还能优先处理病情更严重的患者。
“我部门的大多数医生都在使用它来双重检查他们的工作，并优先处理病情更严重的患者，”戈尔说。
盖辛格的设施使用风险检测技术，迅速为病情迅速恶化的患者提供护理。
“想象一下，你是医疗系统中的一名患者，正在进行监测，”德拉戈利斯说。“我们可以启动算法，融合数百个不同的变量，找出病情恶化的患者，可能需要由快速响应团队进行检查，并可能转移到ICU。我们发现这些算法可以缩短时间差，让患者及时获得可能改善治疗结果的护理。”
除了环境AI和早期检测AI之外，医院还在其运营的各个方面使用AI。
赖特中心使用AI进行会议和电子邮件总结。
盖辛格使用AI根据潜在需求改进员工排班。
“我们可以使用预测算法来了解急诊科的负担，以确保我们正确安排人员，”德拉戈利斯说。
批评和谨慎
另一个常见的AI问题是不准确。谢特举了一个例子，说明他观察到Suki在错过某些词语时试图创造上下文时的不准确性。
“当麦克风没有对着患者并且没有捕捉到对话的某个部分时，它会填补空白并编造内容，”他说。“它不会留下半成品的句子。无论是否有意义，它都会完成句子。对于不在场的人来说，这句话听起来很合理，但在场的人会说，‘那不是我在谈论的内容。’”
这就是为什么他建议使用该技术的医生在与患者交谈时要精确表达，并在必要时重复。
“关键在于习惯更加精确、具体和明确地与患者交谈，”谢特说。
作为盖辛格的AI官员，德拉戈利斯认为缺乏监管和统一性是行业面临的挑战。
“我们如何创建一个系统或流程，使其被认为是安全、公平、有效和透明的？”他问道。“我认为目前我们行业的挑战是每个医疗系统都在为自己定义这一点。”
找到符合HIPAA（健康保险可移植性和责任法案）并确保患者信息安全的AI技术可能会很困难。
“在赖特中心，我们非常重视和尊重患者隐私，并采取了多项措施来保护它，”谢特说。“我建议任何尝试使用AI产品的人应该进行同样的审查，即使这很耗时。”
尽管存在新的领域带来的潜在问题，LVHN希望走在最新AI趋势的前列。
“我们正处于AI故事的序章，”戈尔说。“这本书将很快写成。我们（LVHN）希望成为书写这本书的人。”
(全文结束)
