在人工智能技术初现端倪时，犹他大学健康（University of Utah Health）首位首席健康AI转型官Kensaku Kawamoto医学博士曾自认为是一名AI质疑者。
这位长期从事临床信息学的领导者在其职业生涯中花费大量时间构建数字健康工具，并测试那些在演示中表现亮眼但在实际医疗操作中却难以奏效的AI模型。
如今，他担任新设立的职务，领导该医疗系统的整体AI战略。Kawamoto博士于4月获此任命，并看到了随着技术成熟而带来的机遇。
"真正改变的是基于Transformer的AI模型的出现，以及最近推理模型的发展。早期版本的大型语言模型在演示中令人印象深刻，但在实际医疗应用中它们尚未准备好投入实际使用，"Kawamoto博士表示。"老实说，我一度对AI持怀疑态度，因为我们测试了许多这些方法，发现它们在操作使用中往往不够可靠。"
据这位AI主管称，去年秋天推理模型显著改进，幻觉率下降，使组织得以证实这些系统可以在医疗环境中有效工作。
"那是转折点，"他说。
Kawamoto博士表示，在他的职位上，他的目标是帮助该医疗系统成为AI前沿机构，能够利用该技术推进犹他大学健康在临床护理、研究和教育方面的使命。
"这显然是一个广泛的范围，但在实践中，真正的变化发生在整个医疗系统的组织单元层面，那里已经存在变革所需的人力和流程，"他解释道。
在日常工作中，这通常意味着与企业各部门的同事会面，识别反复出现的需求。犹他大学健康还拥有内部开发能力，包括AI工程师、信息学家和其他专家，他们协助构建解决方案。
"我的大部分工作涉及与团队合作，在基于供应商的解决方案不能完全满足我们需求时开发内部能力，"Kawamoto博士说。
该医疗系统已为多个项目开发了AI工具原型，包括病理工作流程、环境临床笔记总结和临床试验招募。
一个专注于病理学的工具在一天内构建完成并集成到该组织的Epic电子健康记录系统中，帮助医生在癌症评估期间审查患者记录，并显著减少了图表审查时间。
"我们发现这些方法将审查时间减少了约十倍，"Kawamoto博士说。"更重要的是，AI系统始终能够发现临床相关结果，而这些结果有时会被医生忽视。"
该医疗系统还建立了基础设施，允许最终用户通过简单配置自己创建许多这些AI工具。
"现在，病理学家只需几分钟就能创建这样的工具，"Kawamoto博士表示。"流程中较长的部分不再是技术开发，而是验证。我们仍然在大量患者样本上严格测试工具，以确保在更广泛推广前的性能和安全性。但时间线的转变令人难以置信。今年早些时候，我们还在以小时或天为单位构建这些工具。现在，我们正接近一些工具可以在几秒或几分钟内创建出来的程度。"
谈到犹他大学健康在其AI发展道路上的未来方向，Kawamoto博士表示，该组织正在密切评估财务投资回报，并确定效率，以便能够可持续地继续投资AI能力。
该医疗系统还在探索AI如何支持研究人员。
"这些技术中的许多都具有高度适应性，"他解释道。"例如，我们为临床应用构建的相同AI工作台基础设施，也在与我们的癌症研究所合作用于临床试验招募等领域。"
最后，Kawamoto博士强调，目标不是为了AI而AI。
"目标是推进机构的使命。成功意味着帮助领导者、研究人员、临床医生和教育工作者实现他们已经试图达成的目标——并安全负责地使用这些技术来推动这项工作向前发展。"
【全文结束】
