“对机器人来说令人印象深刻”：家庭护理聊天机器人成澳大利亚医疗系统采用的人工智能工具
从全科医生使用技术记录诊疗过程，到人工智能“侦探”在扫描中发现脑部病变，专家表示这仅是开端
佩塔·罗尔斯每天上午10点都会期待艾达（Aida）的来电。
当79岁的罗尔斯四个月前签约圣文森特（St Vincent's）家庭护理服务时，她并未预料到每日的AI语音机器人问候会成为服务内容。但当机构邀请她参与试点时，她欣然同意，尽管内心预期不高。然而接通电话后，她表示：“我完全被它的响应能力震撼了，对机器人来说实在令人印象深刻。”
“它总会问‘你今天感觉如何？’这让你有机会说出不适，比如我感觉生病了，或者我就简单回答‘我很好，谢谢’。”
“接着它会继续提问——‘你今天有机会外出吗？’”
艾达还会询问罗尔斯当天的计划，“它能恰当地回应这些内容”。
“如果我说要去购物，它会问‘是愉快的购物还是买食物？’我觉得这很有趣。”
机器人减轻行政负担
这项已完成第一阶段的试点，是人工智能进步在医疗领域应用的范例之一。
数字健康公司健康利（Healthily）向圣文森特提出合作，利用其生成式人工智能技术提供社交互动，并让家庭护理客户记录健康问题供工作人员跟进。
圣文森特居家护理（St Vincent's At Home）全国总监迪恩·琼斯（Dean Jones）表示，该试点服务不会替代任何面对面交流。“客户仍会接受每周一次的面谈，但两次面谈之间，这套系统提供每日健康检查，并能将潜在问题上报给我们的团队或客户家属。”
健康利公司董事总经理蒂娜·坎贝尔（Tina Campbell）称，圣文森特试点未报告任何不良事件。公司使用开放人工智能技术，“设置明确的安全框架和提示词”，确保对话安全，并建立机制快速响应严重健康问题。例如，若客户出现胸痛，系统会立即标记并转接护理团队，同时结束通话以便用户拨打紧急求助电话。
坎贝尔认为，在医疗行业面临严重人力短缺的背景下，人工智能将发挥关键作用。“这类技术能安全地减轻 workforce 的行政负担，让专业医护人员专注于本职工作。”
人工智能并非新生事物
澳大利亚医疗人工智能联盟（Australian Alliance for Artificial Intelligence in Healthcare）创始人恩里科·科耶拉（Enrico Coiera）指出，较早期的人工智能形式早已成为医疗标准配置，常用于“后台服务”，如解读医学影像、心电图和病理检测结果。
“任何涉及决策的计算机程序都是人工智能，无论其实现方式如何，”科耶拉同时是麦考瑞大学（Macquarie University）健康信息学中心主任，“在影像科、放射科或病理科，你会看到机器中的程序正执行此类任务。”
科耶拉表示，过去十年间，新型“深度学习”人工智能（一种允许算法从海量数据中学习的神经网络方法）已被用于解读医学影像并提升诊断能力。去年11月，新南威尔士乳腺筛查项目（BreastScreen NSW）成为澳大利亚首个引入机器读图技术的人口筛查计划，辅助放射科医生分析特定乳腺X光图像。
他强调，这些专用工具仍需专科医生解读其建议的诊断，医疗决策责任最终由执业医师承担。
人工智能助力早期识别疾病
墨尔本默多克儿童研究所（Murdoch Children’s Research Institute）正与伦敦大学学院（UCL London）研究人员合作，后者率先开发了利用人工智能从MRI图像中检测局灶性皮质发育不良（focal cortical dysplasias）——一种导致癫痫的脑部异常病变。
这类病变引发的癫痫常无法通过药物控制，手术切除成为唯一治疗方案，但前提是医生必须准确定位异常组织。本周发表在《癫痫》（Epilepsia）期刊的研究显示，由神经科医生艾玛·麦克唐纳-劳尔斯（Emma Macdonald-Laurs）领导的团队开发的“AI癫痫侦探”，在特定亚型病变中（传统方法超过60%的病例会漏诊）能通过MRI和PET扫描检测出高达94%的病变。
该AI基于54名患者的扫描数据训练，随后在17名儿童和12名成人身上测试。17名儿童中有12名接受手术，11名现已无癫痫发作。
麦克唐纳-劳尔斯解释，该工具使用类似乳腺癌筛查的神经网络分类器——标注异常区域供专家复核，“但能大幅加快诊断进程”。她强调研究仍处“早期阶段”，需进一步试验才能走向临床应用。
未参与该研究的神经科医生马克·库克（Mark Cook）表示，现代MRI扫描生成的高分辨率数据量过于庞大，人工精准分析困难重重，医生寻找此类病变如同“大海捞针”。“这充分展示了人工智能如何辅助临床医生实现更早、更准确的诊断，并有望改善药物难治性癫痫患儿的手术机会与治疗效果。”
未来疾病检测方向
欧洲公共卫生协会（European Public Health Association）数字健康与人工智能部门副主席斯特凡·布蒂吉格（Stefan Buttigieg）指出，深度神经网络还在助力疾病暴发的监测与预测。
布蒂吉格上月在澳大利亚公共卫生协会伍伦贡（Wollongong）会议上举例称，由传染病专家创立的Blue Dot公司是最早检测到新冠疫情暴发的组织之一。
生成式人工智能是深度学习的进一步分支，能基于训练数据生成新内容。其在医疗领域的应用包括健康利公司的AI语音机器人，以及医生和医疗专业人员日益使用的AI记录员。
澳大利亚皇家全科医师学院（Royal Australian College of GPs）院长迈克尔·赖特（Michael Wright）表示，全科医生正积极采用AI记录员，它能记录诊疗过程并生成可添加至患者档案的诊疗笔记。
赖特称，记录员的主要优势在于提升医患互动质量。澳大利亚医学会（Australian Medical Association）院长丹妮尔·麦克米伦（Danielle McMullen）认同记录员帮助医生优化时间，并指出若健康档案数字化如期实现，AI还有潜力避免患者重复进行检查和扫描。
布蒂吉格表示，AI最大潜力在于提供日益个性化的医疗服务。“多年来医疗依赖‘一刀切’的工具和解决方案——例如药物，但现在我们展望未来，需要更精细的方案，AI同样需向此方向发展。”
研究人员正致力于利用人工智能分析磁共振成像扫描数据，以发现大脑中的病变。
【全文结束】
