随着全国范围内的医疗系统努力将人工智能集成到临床和运营工作流程中，位于圣路易斯的Mercy医疗系统正在其整个企业范围内扩展传统和生成式人工智能的应用。
Mercy的首席数据和人工智能官Byron Yount博士在接受《Becker's》采访时，谈到了该医疗系统的首要人工智能优先事项、如何确保这些技术的负责任使用，以及如何为其员工队伍迎接医疗保健领域的人工智能未来做准备。
当前的人工智能应用场景
Mercy的人工智能战略涵盖了传统和生成式工具，每一类都针对特定的临床和运营痛点。
在传统方面，Mercy利用人工智能算法来识别未诊断的疾病，如结直肠癌，以及标记出处于低血糖或高血糖风险中的患者——特别是在护理过渡或出院前的时期。Mercy已经拥有超过十年的开发和使用这种类型的人工智能的经验。
最近，该医疗系统扩展到了生成式人工智能，特别是在护理过渡方面——这是许多供应商的一个摩擦点。Mercy正在部署生成模型，以在交接过程中综合和传达关键患者信息，例如从急诊科到住院病房或家庭护理提供者之间的交接。
“在这些时刻，我们可以消除复杂性并在每个沟通点提高准确性，”Yount博士说。“这最终转化为改善患者护理、提高医护人员满意度和质量结果。”
Mercy现在进入了一个新的企业级集成阶段，将人工智能嵌入到人群健康和临床运营等价值流中。
“我们不仅仅是进行试点，”Yount博士说。“我们正在用人工智能辅助解决方案扩展整个工作流。”
推进伦理人工智能
为了确保安全和道德地部署人工智能，Mercy开发了Yount博士称之为“赋能模型”的方法——一种平衡治理与组织准备的方法。
其基础是一个与Mercy的伦理和使命团队合作创建的辨别过程，该过程通过基于价值观的视角评估人工智能的使用。随后是一套原则、政策和程序，这些指导方针规定了人工智能工具的开发、实施和维护方式。
透明度是一个关键组成部分。用于临床环境的人工智能工具，例如那些用于患者交接的工具，设计时考虑了可解释性——允许用户确切地看到信息来源及其结论是如何得出的。
Mercy还运行实践社区以强化标准并促进共享学习，以及持续监控系统以评估人工智能工具在部署后是否按预期表现。
“我们还没有遇到过生产环境中出现我们没有预料到的情况——很大程度上是因为我们在前期投入了大量的测试，”Yount博士说。
在医疗系统人工智能采用中最大的挑战之一是证明投资回报。虽然Mercy确实跟踪开发和部署成本——包括通常与人工智能相关的高能耗——但该组织还在构建一个更广泛的、基于角色的价值框架。
“我们不仅衡量财务回报，还衡量护理人员满意度、患者体验和安全性，”Yount博士说。
目标是将这些指标工具化，实现对其影响的实时跟踪，从而更快地了解和传达哪些有效哪些无效。
“随着医疗系统开始分享哪些有效哪些无效，我们将能够更清晰地在多个维度上沟通价值，”Yount博士说。
为人工智能赋能的工作队伍提升技能
在人工智能方面，Mercy几年前就开始为其员工队伍做准备。通过AI Dev Days——涉及护士、工程师、临床医生和变革管理者的协作创新会议——医疗系统让跨职能团队获得了实际用例的实践经验。
这项工作已经扩展成为一个正式的人工智能工程实践社区，成员超过140人，使Mercy能够在技术扩展的同时扩展人才和知识。
“这不是看培训视频。而是在一个安全的环境中共同解决问题，”Yount博士说。
总结
Mercy的人工智能战略以其规模、结构和对价值的整体观而著称。从将生成式人工智能集成到关键护理工作流程中，到建立一种共享责任和学习的文化，该系统正在为医疗保健领域的负责任人工智能采用创建一个可复制的模型。
“我们不仅仅是叠加技术，”Yount博士说。“我们正在重新构想整个工作流——将人工智能作为副驾。”
(全文结束)
