如果能够像与ChatGPT对话一样与健康记录互动，会是什么样的体验？
这个最初由一名医学生提出的问题，激发了斯坦福医疗中心ChatEHR的开发。如今，这一工具已在实际应用中加速了急诊室接诊时的病历审查，简化了患者转院总结，并从复杂的医疗历史中综合信息。
在早期试点结果中，临床用户的信息检索速度显著提升；特别是急诊科医生在关键交接过程中，病历审查时间减少了40%。斯坦福大学高级副总裁兼首席信息与数字官迈克尔·A·普费弗（Michael A. Pfeffer）今天在VB Transform的一场炉边谈话中透露了这一点。
这不仅有助于减少医生的职业倦怠，还能改善患者护理质量，同时建立在医疗机构过去几十年来收集和自动化关键数据的工作基础上。
“这是医疗领域令人兴奋的时代，因为我们在过去的20年里一直在将医疗数据数字化并存储到电子健康记录中，但并未真正实现转型，”普费弗在与VB主编马特·马歇尔（Matt Marshall）的对话中表示，“借助新的大型语言模型技术，我们才刚刚开始进行这种数字化转型。”
ChatEHR如何减少“睡衣时间”，回归面对面互动
医生们多达60%的时间花在行政任务上，而不是直接照顾患者。他们常常投入大量的“睡衣时间”，牺牲个人和家庭时间，在正常工作时间之外完成行政任务。
普费弗的一大目标是优化工作流程，减少这些额外的工作时间，以便临床医生和行政人员能够专注于更重要的工作。
例如，许多信息通过在线患者门户进入系统。如今，人工智能已经能够读取患者的留言并起草回复，供人类审核后发送。
“这有点像是一个起点，”他解释道，“虽然它不一定节省时间，但确实减少了认知疲劳。”此外，他还指出，这些消息往往更加友好，因为用户可以指示模型使用特定的语言。
谈到智能代理，普费弗表示，它们在医疗领域是一个“相对较新”的概念，但具有广阔的应用前景。
例如，癌症患者通常有一个专家团队审查他们的病历并确定下一步的治疗方案。然而，准备工作非常繁重；临床医生和工作人员必须查看患者的整个记录，包括电子健康记录、影像病理学数据，有时还包括基因组数据以及患者可能适合参与的临床试验信息。所有这些信息必须整合起来，才能为团队制定时间线和建议，普费弗解释道。
“我们能为患者做的最重要的事情就是确保他们得到适当的护理，而这需要多学科的合作，”普费弗说。
目标是将智能代理集成到ChatEHR中，生成总结、时间线并提出建议以供临床医生审查。普费弗强调，这并不是取代医生，而是以多模式方式提供“令人难以置信的总结建议”。
这种方法使得医疗团队能够专注于“真正的患者护理”，这一点在医生和护士短缺的情况下尤为重要。
“这些技术将会改变医生和护士用于行政任务的时间分配，”他说。当与能够接管笔记任务的环境AI记录员结合使用时，医务人员可以将更多时间投入到患者身上。
“面对面的互动是无价的，”普费弗说，“我们将看到AI更多地转向促进临床医生与患者之间的互动。”
“惊人”的技术与多学科团队相结合
在ChatEHR之前，普费弗的团队向斯坦福医学院推出了SecureGPT；这款安全门户包含15种不同模型，任何人都可以对其进行试验。“这项技术真正强大的地方在于，你可以将其开放给许多人进行实验，”普费弗说。
斯坦福大学采取了一种多样化的AI开发方法，既自建模型，也根据需要使用安全的私有现成解决方案（如微软Azure）和开源模型。普费弗解释说，他的团队并不完全依赖某一种模型，而是选择最适合特定应用场景的解决方案。
“现在有许多令人惊叹的技术种类，如果你能以正确的方式将它们组合在一起，就能得到像我们构建的这样的解决方案，”他说。
斯坦福大学的另一大优势是其多学科团队；普费弗没有设立首席AI官或AI小组，而是召集了首席数据科学家、两名信息学家、首席医学信息官、首席护理信息官以及首席技术官和首席信息安全官。
“我们将信息学、数据科学和传统IT结合起来，并将其融入架构中，最终形成一个能够执行这些复杂项目的神奇团队，”他说。
最终，斯坦福大学将AI视为每个人都应学会使用的工具，普费弗强调。不同团队需要了解如何使用AI，以便在与业务负责人讨论问题解决方法时，“AI已成为他们思维方式的一部分。”
(全文结束)
