在整个医疗保健领域部署人工智能应用时，时机可能至关重要。皮尤研究中心的一项研究显示，75%的受访美国人对医疗服务提供者过快采用人工智能而未充分了解其对患者的风险表示担忧。此外，60%的受访者对提供者依靠人工智能诊断疾病和推荐治疗感到不安；57%的人认为人工智能会使医患关系恶化。
这种患者情绪与行业日益增长的担忧相一致，呼吁医疗服务提供者在广泛实施人工智能解决方案之前研究和验证患者的治疗结果，以确保消费者适应这些变化。事实上，《美国医学会杂志》（JAMA）的一项研究对白宫最近旨在制定新的人工智能特定监管策略的行政命令提出了质疑，敦促对其进行修订，在解决医疗保健中的人工智能的公平性、安全性、隐私性和质量问题时纳入患者的治疗结果。
遵循科学
“医学的目标是拯救生命，”加州大学圣地亚哥分校医学院传染病和全球公共卫生系主任、该研究的资深作者之一Davey Smith医学博士强调，“在广泛采用之前，人工智能工具应在临床上显著改善患者的治疗结果。”
“我们呼吁修订白宫行政命令，在监管人工智能产品时优先考虑患者的治疗结果，”高通研究所的John W. Ayers博士说，他是JAMA研究的主要作者。
这种强烈呼吁清楚地表明，医疗保健行业在消除恐惧和获取公众信任方面还有更多工作要做，以确保人工智能技术无害。明智地了解何时、何地以及如何推出人工智能是医疗保健管理人员在制定实施其人工智能计划的战略时必须解决的挑战。
当今医疗保健中人工智能的合理应用
尽管大多数美国人可能还没有准备好将他们的医疗护理交给人工智能，但皮尤的研究确实在医疗保健中人工智能的合理应用方面得到了积极的肯定。例如，皮尤发现40%的美国人认为在医疗保健和医学中使用人工智能将减少提供者的错误，51%的人认为偏见和不公平待遇的问题将得到改善。
世界经济论坛（WEF）发表的一份白皮书《以患者为先的生成式人工智能医疗：重塑护理体验》指出，医疗服务提供者应考虑采用当今的三大类生成式人工智能，以增强患者的能力并减轻医疗系统的负担。这些包括：
- 生产力提升工具：从记录医患访问到起草电子邮件和分发一般健康信息的自动化。
- 洞察力生成器：使用生成式人工智能对结构化数据集（如健康数据）和非结构化数据集（如医生笔记）进行实时分析，帮助提供者快速分析信息并解释结果。
- 行动驱动程序：使用生成式人工智能通过直观、类人的对话增强提供者的能力，为护理决策提供信息并推动行动。
鉴于医疗工作者的短缺，这些类别的人工智能进步被视为改善患者参与度和健康结果的方式。在患者整个治疗过程中部署时，人工智能有望填补健康教育援助、患者导航和疾病管理干预方面的空白。
WEF支持使用人工智能来简化医疗沟通，帮助患者更轻松地理解和根据信息采取行动以改善他们的健康状况，最终降低医疗保健支出。如今，健康素养方面的差距每年给美国经济造成高达2380亿美元的损失，特别是在服务不足的社区和英语水平有限的8%的人口中。
评估大型语言模型（LLMs）的优势和局限性
GLOBO最近进行了一项为期三个月的试点研究，以评估LLMs的性能。在那段时间里，我们发现并非所有的人工智能模型都是平等的。我们设计的研究为医疗保健领导者提供了关于人工智能解释性能的关键见解，重点关注四个关键领域：
- 评估人工智能解释的过程
- 评估如何衡量支持人工智能的解释
- 探索人工智能工具的现状
- 确定LLMs在解释方面的不足之处
虽然我们在新发表的研究论文《人工智能驱动的医疗解释研究：对卫生领导者的见解》中指出了当前的局限性，但我们承认人工智能工具正在迅速发展，当前的语言模型在不断学习和微调，以创造更好的输出和用户体验。
为了负责任地评估并将人工智能整合到不同的护理环境中，我们敦促医疗保健领导者与值得信赖的合作伙伴合作。这种合作确保人工智能技术经过测试和配置，能够在患者健康旅程的各个阶段满足患者的需求。我们的专家团队致力于设计合适的支持人工智能的工具，帮助您的医院、医疗系统或医疗实践在最关键的时刻与多语言患者进行沟通。
不要让人工智能的复杂性阻碍您为临床医生、员工和患者增强和扩展语言服务的目标。GLOBO可以帮助您的组织利用人工智能解释工具更好地为您的非英语患者群体服务。
关于作者
Dipak Patel是GLOBO语言解决方案的首席执行官，GLOBO是为多个行业提供翻译、口译和技术服务的B2B提供商。在GLOBO之前，Patel在企业医疗保健领导岗位上工作了20多年。作为移民之子，他理解消除语言障碍以改善医疗保健公平性的重要性。
