2024年的证据已经明确：这一年对于人工智能（AI）的发展来说至关重要。今年，我们报道了许多基于算法测试（有时被称为“传统”AI，尽管这个标签并不完全合适）和生成式AI在全美医疗保健领域的应用的重要突破。显然，AI正在各个领域取得进展，从非临床应用到临床决策支持和流程管理，再到实际的诊断。
以下是我们在今年报道的一些发展：
- 高级特约编辑David Raths在11月报道：“西奈山卫生系统在曼哈顿西奈山医院校园中心开设了一个中心，该中心将结合人工智能、数据科学和基因组学。该卫生系统表示，汉密尔顿和阿梅布尔·詹姆斯人工智能与人类健康中心致力于通过研究、开发和应用创新的人工智能工具和技术来提高医疗保健的提供水平。这座12层、65,000平方英尺的设施最初将容纳大约40名主要研究人员，以及250名研究生、博士后研究员、计算机科学家和支持人员。” 弗里德曼脑研究所主任兼西奈山首席科学官Eric Nestler医学博士、哲学博士表示：“通过在基因组学、影像学、病理学、电子健康记录等领域的整合，西奈山正在彻底改变医生诊断和治疗患者的能力，重塑医疗保健的未来。西奈山一直在医疗保健领域的AI研究和开发中处于领先地位，现在我们成为首批建立专门AI研究中心的医学院之一。”
- 同样在11月，Raths报道：“位于圣路易斯的华盛顿大学医学院和BJC卫生系统联合成立了健康AI中心。该中心的主要目标是利用AI简化工作流程和行政任务，使医疗保健更加高效。该中心是今年早些时候最终确定的华盛顿大学医学院和BJC之间新的长期合作的首个重大举措。” 执行副校长兼医学事务执行副总裁David H. Perlmutter医学博士表示：“华盛顿大学医学院和BJC致力于推动医疗保健创新的边界，确保我们的医护人员、患者和服务社区受益于AI技术。”
- 副主编Pietje Kobus指出：“SNS Insider在11月4日报道，医疗保健预测分析市场预计到2032年将达到1261.5亿美元。这一增长是由对人工智能（AI）驱动的患者结果需求增加所推动的。SNS的研究表明，AI和机器学习（ML）的进步推动了市场的增长。” 据SNS称，2023年医疗保健预测分析市场的价值为140.2亿美元。“目前，66%的美国医疗保健组织正在使用预测分析。”
还有许多其他发展；但最令我着迷的是几周前参加的RSNA24——每年感恩节后一周在芝加哥麦考密克广场举行的北美放射学会年度会议。今年的RSNA会议上讨论的创新范围令人印象深刻且发人深省。
众多演讲者中的一位是宾夕法尼亚大学的Tessa S. Cook医学博士、哲学博士，她就“LLM的临床实施”主题进行了演讲。作为一名心血管放射学家，她表示：“我花了很多时间查看主动脉；每次打开一个病例时，我都要花十分钟查找开单医师是谁、他们想要什么等。生成式AI在这方面可以提供很大帮助。”她向放射学专业人士的听众解释说，许多小任务可以通过自动化来提高放射科医生的工作效率，包括分类偶然发现和根据特定的临床内容自动处理研究。
Cook继续与观众分享了她对LLM和生成式AI使用的“愿望清单”：
- 患者参与：患者可以就他们的健康和放射学护理提出问题，并立即获得通俗易懂的答案。
- 决策支持：LLM可以为开单临床医生提供指导，以便他们选择最有可能回答临床问题的检查。
- 智能成像：LLM可以促进自动调度和协议制定，使患者能够在正确的地点以正确的方式进行正确的检查。
- 电子病历总结：LLM可以提供患者病历和既往检查的智能搜索和总结。
- 定制报告：LLM可以将放射科医生的报告转换成患者和普通医生及专科医生都能理解的通俗版本。
在同一场会议上的另一位演讲者Dania Daye医学博士、哲学博士，哈佛医学院放射学副教授，以及麻省总医院和布里格姆妇女医院血管和介入放射学部门的精准介入和医学成像实验室主任，告诉听众整个诊断成像过程可以通过在过程中利用LLM得到大幅改进。“通常，”她说，“成像护理过程始于诊所某人输入一个订单。然后是一个决定，接着是放射学申请单、放射科医生的协议，然后患者会被准备，进行成像，放射科医生会准备并发布报告，最后报告被访问。LLM可以在这一旅程的每一步发挥作用。”
在这方面，Daye引用了一篇发表在《放射学》杂志上的文章《基于上下文的聊天机器人在遵循ACR适宜性指南方面超越放射科医生和通用ChatGPT》，该研究发现聊天机器人提供了显著的时间和成本节省。她还引用了近期文献中的其他几项研究，包括2023年10月5日发表在《JAMA Network Open》上的一篇题为《生成式人工智能在急诊科胸部X光解读中的应用》的文章，其中GPT生成的报告在急诊科中被认为与放射科医生相当，优于远程放射科医生。
与此同时，越来越多的临床期刊研究正在探索这些可能性，包括11月发表在《NEJM AI》上的一篇题为《FDA授权的用于败血症预测的AI/ML工具：开发与验证》的文章。该研究探讨了通过大型语言模型创建的败血症模型的实际准确性。虽然该研究没有考察实施情况，且仅关注在订购血液培养后的评分，因此有一定的局限性，但很明显，开发旨在预测败血症的AI模型的领导者正在推进这些模型本身，具有巨大的潜力。
未来的方向是什么？
因此，这些领域的进展显然正在加速。我们预计2025年将看到的进展包括：
- 通过在电子健康记录中创建“初始”笔记和文档，为医生和护士提供广泛的支持，以及与患者的沟通目的。
- 在患者护理组织的整个部门中改善临床工作流程的支持。
- 提高用于预测住院患者败血症发作的LLM基础算法的敏感性和准确性，这是住院护理中绝对关键的领域。
- 诊断成像护理交付过程的改进，从支持开单医生的临床决策支持，到为放射科医生准备诊断成像研究的改进“设置”信息，再到放射科医生与开单医生之间的改进沟通。
- 与上述相关，放射科医生在启动放射学护理时对电子健康记录的改进总结。
- 大力利用LLM帮助放射科医生将放射学报告的文本转换成通俗语言，供接受诊断成像研究的患者使用。
- 在住院和门诊护理交付环境中广泛简化医生和护士的工作流程。
- 改进所有医学专业的临床决策支持。
- 改进许多医学专业的诊断支持。
采访患者护理领域的领导者时，我清楚地认识到2025年将开启AI发展的全新水平，这将使医疗保健在2025年底比2024年底有实质性的改善。AI的世界充满了机遇——而医疗保健领域拥有将这些机遇转化为现实的智慧和专业知识，为临床医生、非临床管理人员、整个患者护理企业以及患者、家庭和社区带来益处。如果目前医疗保健领域有一个充满希望的领域，那就是这里。
(全文结束)
