近年来，人工智能在多个医学专科（包括风湿病学）的医生诊所和医疗机构中已实现广泛应用。
尽管AI当前最常见的应用仍集中于编码、文书写作和转录领域，但它在诊疗点的应用正逐步扩展并提升实用价值。
凯斯西储大学克利夫兰诊所Lerner医学院医学教授、克利夫兰诊所RJ Fasenmyer临床免疫学主席Leonard H. Calabrese博士向Healio表示："人工智能已不再是遥远的概念。从环境监听和自动记录，到用于疾病检测的机器学习算法、AI辅助成像和可整合海量医疗记录的工具，这些技术要么已被嵌入日常诊疗，要么即将实现广泛应用。"
在近期于芝加哥举行的风湿病学与技术创新研讨会（ARTS）上，作为Healio Rheumatology的首席医学编辑，Calabrese指出诊疗点AI技术能帮助风湿病学家破解复杂诊断难题。
据他介绍，多系统疾病（"既可能极具挑战性又罕见"的病例）的诊断和管理，往往因医学文献的"爆炸式增长"而变得更加困难。他估计包括临床试验、研究和综述在内的医学文献量每5年就会翻倍。
"人工智能提供了一种让证据触手可及的方式，这补充甚至在某些情况下替代了耗时的传统文献检索流程——包括翻阅教科书、在线出版物、PubMed检索，以及像UpToDate这类成熟工具（其自身也在整合AI驱动功能）。"
在ARTS会议上关于巨细胞动脉炎（PMR）和血管炎的专题讨论中，西北大学范伯格医学院血管炎中心医学主任Anisha Dua博士和威斯康星医学院血管炎项目医学主任Michael Putman博士参与了讨论，后者担任讨论主持人。
Dua指出，包括放射组学（利用AI从医学影像中提取定量指标）以及增强精度和特异性示踪剂在内的新兴影像技术"正在迅速发展"。她补充道，这些技术当前已应用于大血管血管炎（LVV）和PMR的评估。
"通过这些技术进步，我们诊断和监测患者的能力得到了显著增强，" Dua向Healio表示。"这一点在LVV领域尤为明显，因为目前尚无理想的血清生物标志物，且组织病理学检查难以常规获取。"
与此同时，Putman指出尽管像ChatGPT这样的大语言模型在编码等特定任务中表现"出色"，但他很少在临床环境中使用。他认为它们能为临床医生提供诊断可能性供分析决策，但尚不能独立作出诊断。
"我认为AI非常有帮助，而且在不断进步，" Putman告诉Healio。"但目前看来它尚未达到可独立诊断疾病的水平。它在帮助拓展鉴别诊断范围方面非常有用。"
克服"认知偏差"
Calabrese指出，风湿病学家和其他临床医生一样，容易受到导致诊断错误的认知错误和偏见影响。他表示自己常借助AI来整合和组织海量且不断扩展的医学文献与数据。
虽然他承认该领域存在多个竞争平台，但特别强调了OpenEvidence——该平台今年早些时候与《新英格兰医学杂志》和《美国医学会杂志》网络达成合作，将这些期刊的发表内容纳入其医学问题解答系统。
"OpenEvidence为所有持有国家提供者标识号的从业者提供免费服务，目前已是医学领域增长最快的AI平台，全美超过三分之一的执业医师已订阅。" Calabrese表示，"无论是在线还是通过移动应用，OpenEvidence都能整合、合成并可视化临床相关证据，并与包括《新英格兰医学杂志》和《美国医学会杂志》网络在内的高影响力期刊合作，提供全文访问和图形摘要。"
据Dua介绍（她本人同时使用OpenEvidence和ChatGPT），这些数据聚合和大语言模型可帮助撰写保险拒付申诉信，以及将大量数据整合成易于理解的临床信息包。
但她提醒，此类平台需要"正确的输入"和人工验证来纠正结果或文本中可能出现的"幻觉"。此外，这些工具不能取代与患者的面对面交流。
"我认为AI可以访问大量相关数据，并将其整合为可供临床医生在复杂诊断案例中使用的易懂信息。但这需要正确的输入，以及与患者的互动来制定管理计划和评估。"
Dua补充道，她在临床实践中确实使用AI技术，有时用于诊疗点决策，但更多用于撰写保险拒付申诉信。"我发现它很有帮助，但总会审核生成内容的准确性，并单独补充患者特定信息。"
她指出，影像领域的AI技术也能改善临床医生的工作流程。这些模型连同成像平台和技术的创新进展，能够减少PET扫描解读所需时间，通过减少对主动脉及其分支的手动分割需求来提高可重复性。
"目前有新的AI模型正在开发中，用于巨细胞动脉炎的超声图像解读，" Dua表示。"这些都是LVV评估领域令人兴奋且快速发展的方向，有望为患者带来更好的治疗结果。"
而自诩为ChatGPT早期采用者、称自己在同行中处于前10%用户的Putman，则表示他"持续不断地"将AI用于非临床工作。
"它在编码方面非常出色，"他说。"现在我的编码速度比两年前快了10倍，它在这一领域的能力令人难以置信。"
Putman也赞扬了该平台为会议报告撰写初稿的能力。
"我从不用ChatGPT代笔写作，但有时会使用某些表达方式，比如'你觉得这句话如何？'。它在这些方面非常出色，"他说。"如果你需要做演讲，它能很好地提供框架结构。"
实际案例演示
为了展示诊疗点AI的潜力，Calabrese展示了一例疑似IgG4相关疾病病例。他描述自己使用AI如同"与值得信赖的同事对话"，输入关键病史、体检和初步检查结果后，利用平台生成并筛选最可能的鉴别诊断。
Calabrese指出，该程序（以OpenEvidence为例）的优势之一是能够提出后续问题，这些往往能带来新的见解。他还赞扬了其自动归档历史搜索和对话的功能，并补充说自2024年7月采用该平台以来，他已经使用超过2000次，"不仅用于病例分析，还用于免疫病理通路、新兴疗法和最新文献的延伸学习。"
在该案例中，该平台细化了鉴别诊断，强调了必须排除的关键疾病，并推荐了可供深入评估的高影响力参考文献。
"在复杂病例中，诊断源于知识与技能的结合，"他说。"资深临床医生不仅依靠经验，还依赖敏锐的洞察力，从临床细节、情境线索和患者的叙述中筛选信息，而这是AI无法复制的。"
Calabrese补充道："当存在不确定性时，我们传统上会求助于期刊、教科书、在线资源和值得信赖的同事。这些方法虽然宝贵，但往往耗时。像OpenEvidence这样的诊疗点AI工具现在让我们能够快速获取这些广泛的信息。"
尽管如此，Calabrese仍强调AI"永远不应取代"医生的判断或成为最终决策者。
"相反，它应该作为强大的合作伙伴，像OpenEvidence那样在数分钟内提供同行评审文献的证据和参考，供我们进行批判性评估，"他说。
他补充道，许多他测试过的其他AI程序在来源透明度上不如OpenEvidence，且经常提供未经同行评审的数据。
"最重要的是，无论信息来自AI还是知名权威，最终都必须与我们自己的理性、判断和常识相一致，"他说。
Putman也分享了一个复杂病例，一位患者碱性磷酸酶水平异常升高，他向ChatGPT寻求建议。
"最近有个复杂病例，我试图弄清楚为什么某人的碱性磷酸酶水平异常升高，我问了它很多关于可能原因的问题。该平台会像WebMD那样列出所有可能的原因，包括癌症。"
他认为这是"非常有用的工具"，但就替代人类医生的能力而言，他认为AI还差得很远。
不过，他指出这些工具正变得越来越精细，并随着时间推移持续改进。
"从长期来看，我认为这是必然趋势。很难找到有人不认为某种形式的AI最终能够复制人类水平的推理和思维。我对此最终实现并不感到惊讶。但我想说的是，这个'最终'比人们预想的要远得多。"
"开始的开始"
Calabrese认为，迄今为止AI取得的所有进展仅仅是这项技术的起步阶段。
"我们不是处于AI的起点，"他说。"而是处于起点的起点。"
随着多个新平台的涌现，Calabrese预测其长期影响最终将由"内容质量、透明度和相关性"决定。
而Putman则预测，AI的发展轨迹将类似于商业互联网的早期——先是被过度炒作的泡沫，然后是更稳定的长期增长。
"我们现在正处于泡沫期，"他说。"就像2000年的互联网泡沫？当时一切崩溃，所有人都说'天啊，我们建立了那么多Pets.com公司，结果都失败了'，这些公司被严重高估，造成巨大灾难。"
"确实我们当时处于泡沫中，但十年后事实证明当初判断正确——我们真的在做一切在线的事情。亚马逊在互联网泡沫中损失惨重，但从长期来看它被严重低估了。现在它已成为一家庞大且极其盈利的公司。我认为AI的情况类似，人们可能在短期内高估它，在长期内低估它。"
无论AI的短期或长期前景如何，Dua希望临床医生学会利用这项技术提升患者护理质量，而不是依赖它或试图用它替代循序渐进的思考和临床判断。
"我认为它在医学教育、患者护理和可及性等多个领域都提供了巨大价值。它在优化医疗流程方面充满潜力。我认为我们正站在新的起点，探索AI如何与医学领域互动，为医生和患者开辟新可能性的前景令人兴奋。"
【全文结束】