人工智能（AI）无疑是当今创新技术领域最热门的话题。许多医疗供应商选择利用这一热潮，将自己定位为“AI公司”，并承诺能够“毫不费力地”改变医疗机构的运营、患者护理和财务状况。
简化的工作流程、改善的患者结果以及数据驱动的洞察力，在行业领导者和决策者中引起了极大的兴趣，他们肩负着在不牺牲护理质量的前提下“以更少的成本做更多事”的任务。然而，需要警惕的是，在那些炫目的、最先进的演示背后，往往隐藏着复杂且昂贵的现实——实现AI的全部潜力并提供完整的解决方案，远不止是“用技术解决问题”这么简单。
医院、医疗系统、支付方及其他医疗保健机构最好通过构建可持续、可扩展的临床数据管理解决方案来应对不断演变的挑战和预算问题。希望找到能够随着自身运营、护理交付和预算变化而发展的定制化解决方案的机构，必须了解购买和优化AI平台时的隐藏成本。如果仅购买和安装软件解决方案而不深入研究，这可能是一个短期且代价高昂的补救措施，最终导致投资回报率逐渐下降。
仅有引擎是不够的，你需要一辆车
对于不同的人来说，AI可以意味着很多不同的东西。目前行业中备受关注的一种专业AI类型是大型语言模型（LLMs）。LLMs是一种专门用于处理和生成语言的人工智能，它使用基于深度学习的自然语言处理（NLP）模型，经过大量文本数据的训练，能够理解和生成语言。然而，许多机构过于专注于购买LLM，认为它就能解决他们的运营、护理和质量问题。
但事实上，这里还有隐藏的成本和需要考虑的其他解决方案。我们可以把LLM比作一个引擎。拥有一个引擎并不意味着你就能开车；要充分利用这个引擎，你需要一辆车。为了安全高效地到达目的地，选择适合你的旅程和预算的车辆至关重要。每次与LLM交互都会产生成本。例如，如果你使用消费者版本的ChatGPT，每月只需支付几美元就可以随意使用。但如果一个机构使用商业版本，比如医疗系统会使用的版本，那么系统将根据输入和输出字符的数量收费。这些字符代表了大量的数据，理想情况下能为医院、诊所和支付方提供有价值的见解。
医疗机构面临的最大挑战之一是利用生态系统内收集和共享的海量数据。一些患者的记录可能达到数百兆字节，而医院可能每10KB的数据就需要支付约一美分。因此，为了获得最大的价值，医疗系统必须能够摄取、理解并从这些数据中生成可行的见解，以提高护理水平、降低成本并改善质量结果。
虽然AI确实是医疗保健机构越来越不可或缺的工具，但现实是，简单地“把数据扔给LLM”并不会得到可用、明智且可持续的结果。LLM并不是设计来即时读取和处理TB级信息，然后提供更好的临床决策以改善患者、成本和质量结果的。相反，LLM有能力分析大量的医学文献、临床指南和患者数据，以提供实时的、基于证据的建议。
然而，与AI相关的很大一部分成本来自于需要软件平台来支持LLM进行临床数据管理，包括过滤、解析和分类数据。这些平台提供了从LLM中获取价值所必需的基础架构。就像只有引擎不足以到达目的地一样——你也需要一辆车。
继续用车的比喻来说，在获得引擎后，你仍然需要设计车辆的动力传动系统、变速器、制动系统、燃油系统、车厢和其他功能。此外，你还需要购买和安装轮子、底盘等组件，对多个相同型号的车辆进行碰撞测试以确保安全性，并在车辆被批准上路后注册。这需要时间和金钱，而且没有任何性能保证。此外，也没有支持；如果你定制的车辆出了故障，你必须花费时间和金钱去修复它。理想情况下，它不会在高峰时段的高速公路上抛锚。
但如果你买了一辆完整的车呢？你会得到引擎和所有必要的部件，它们已经组装好并经过功能评估。更重要的是，它还附带保修和服务协议，所以如果空调或电动座椅坏了，你可以把它送回经销商那里免费维修——由受过培训、经验丰富且知道如何操作的专业人员进行维修。
规模和可扩展性很重要
最后，让我们回到造车旅程的起点。你希望你的车依赖谁的引擎？是你每年在车库中制造五个引擎作为爱好的邻居的引擎？还是从一家每年生产1000万个引擎并投入数十亿美元研发的成熟公司购买引擎更好？
一些针对医疗客户的AI公司声称，在特定医疗数据上训练的LLM本质上比在非医疗数据上训练的LLM更好。有趣的是，研究表明情况恰恰相反：基于更大数据量训练的LLM模型表现更好。
此外，构建特定医疗LLM的公司缺乏充分训练这些模型的资金和资源。尽管他们可以在贸易展览会上进行一场令人印象深刻的演示，但在实际世界中将LLM集成到医疗IT基础设施中以大规模运作则是另一回事。
医疗保健机构所需的AI平台需要支持基础架构，以过滤和处理用户数据。换句话说，要到达某个地方，光有引擎是不够的；你还需要一辆车。你是否有时间、金钱和经验从头开始建造一辆车？
结论
尽管AI在变革医疗保健方面具有巨大潜力，但识别并解决与其实施相关的隐藏成本至关重要，以确保负责任和有效的使用。围绕AI的兴奋可能会迫使医疗保健机构迅速采用这些技术。然而，与其仅仅专注于获取某项技术——无论它看起来多么有前景——医疗保健机构应彻底评估该AI解决方案的隐藏成本及其长期效益和投资回报率（ROI）。一种更有效的方法是与经验丰富的技术提供商合作，后者提供全面的端到端临床数据管理解决方案，满足机构的独特需求，从而确保成功实施，避免陷入困境。
(全文结束)
