医疗系统正在迅速扩大其人工智能应用范围，但一些最大医疗机构的领导者向《贝克尔医院评论》表示，投资组合的规模不如那些经得起评估、能够在整个企业范围内扩展并提供可证明的临床和运营价值的应用重要。
"我们不将人工智能应用的数量视为成功指标，"位于宾夕法尼亚州普鲁士王村的通用医疗服务公司(Universal Health Services)副总裁兼首席信息官埃里克·古德温(Eric Goodwin)表示，"拥有太多互不相关的项目可能会造成碎片化，增加风险并削弱影响力。"
《贝克尔》联系了按收入排名前25的医疗系统，了解其人工智能投资组合的规模和范围。以下是五家做出回应的机构：
Advocate Health
总部位于北卡罗来纳州夏洛特的Advocate Health已规模化部署了100多项人工智能应用场景，但数量并非成功的主要衡量标准。
"我们不以数量为目标，"Advocate Health高级副总裁兼首席数字与人工智能官安迪·克劳德(Andy Crowder)表示，"对于什么是人工智能'应用场景'，并没有普遍的定义，这使得跨医疗系统的比较本质上不可靠。"
这家拥有69家医院的系统采用分阶段流程，从试点验证到有限部署，再到全面扩展，每一步都有临床和运营监督。
"我们以价值为导向，"克劳德先生表示，"每一项人工智能计划都必须与我们的战略保持一致，并展示可衡量的影响——无论是减轻临床医生负担、改善患者预后、加快诊疗流程还是财务回报。"
该系统最受欢迎的应用之一是环境式临床文档记录。Advocate Health是该技术的早期采用者，目前已有1500多名医生和高级执业提供者在使用。该工具为近一半用户减少了下班后的图表记录工作，并将文档记录时间缩短了约10%，提高了临床医生满意度，并获得了美国医学会的认可。
该系统还通过与Aidoc的合作部署了人工智能辅助诊断影像，使用15种FDA批准的算法来优先处理肺栓塞等关键发现。Advocate估计，近63,000名患者每年都能从更快的识别和诊断中受益。
并非每个应用都能继续推进。一些早期试点在技术上表现良好，但由于增加了临床工作流程的摩擦而难以获得认可。
"如果一项工具不能自然地融入临床医生的工作方式，即使技术上准确也可能失败，"克劳德先生表示，"我们跟踪性能、采用率和结果，并愿意在某些应用无法提供价值时终止它。"
UPMC
在匹兹堡的UPMC，已有30多项人工智能应用在整个系统中上线，还有更多工具正在进行积极试点。"毫无疑问，重点是质量，"UPMC高级副总裁兼首席技术官克里斯·卡莫迪(Chris Carmody)表示。
这家拥有40多家医院的系统维护着已部署应用和试点的混合组合，大约三分之一仍在目标工作流程中进行评估，然后再进行更广泛的推广。许多工具针对性很强，旨在解决特定的临床或运营挑战，而不是作为广泛的全企业平台。
每个应用在部署前都要经过安全、架构和治理审查，由一个定期开会的中央人工智能治理团队进行监督，以评估新的应用场景并监控现有应用。
"大多数情况下，模型是有效的，"卡莫迪先生表示，"决定其是否有效的关键是你如何采用它并将其整合到工作流程中。"
嵌入Epic系统中的工具，包括生成式人工智能功能，可以草拟对患者消息的回复，帮助减轻临床医生的行政负担。
该系统最广泛采用的工具之一是人工智能听写员，目前已有2000多名临床医生使用。该应用显著简化了文档记录工作流程，改善了临床医生体验。
"我们收到的反馈是，临床医生不知道以前是如何完成这些工作的，"卡莫迪先生表示。
UPMC继续评估数十个额外的应用场景，但领导者们有意识地只推进那些能证明明确投资回报的应用。
"我们希望快速、灵活并愿意改变方向，"卡莫迪先生表示，"如果某些应用不能解决我们的临床或运营问题，我们不希望它们长期存在。"
梅奥诊所(Mayo Clinic)
位于明尼苏达州罗切斯特的梅奥诊所(Mayo Clinic)在其组织内已部署或正在开发466个人工智能算法。
"我们不关注人工智能解决方案的数量，"梅奥诊所首席人工智能实施官Micky Tripathi博士表示，"我们相信，对患者更大的风险是我们没有足够快地将更多人工智能解决方案交到临床医生手中。"
梅奥诊所的每个临床人工智能解决方案在扩展到企业规模之前都必须通过正式审查。Tripathi博士领导一个部门，评估每个工具的临床表现和采用率、患者安全、隐私、安全以及与组织目标的一致性。
该医疗系统使用六个明确定义的阶段来跟踪每个应用：发现与开发、概念验证、试点、企业实施、生产与维护，以及淘汰或退役。
环境式文档记录已在整个组织中广泛采用。一个名为RecordTime的工具利用人工智能对梅奥诊所从其他医疗机构接收的大量外部记录进行编目和索引，减轻了患者和临床医生的行政负担。梅奥诊所大多数护士使用的护士虚拟助手(Nurse Virtual Assistant)在换班期间自动分享信息。
"一些成功可以广泛推广，一些更适合特定区域，但两者对患者护理都很重要，"Tripathi博士表示。
梅奥诊所也淘汰了经不起审查的工具。在扩展过程中的评估显示，一个内部开发的应用程序未能达到组织标准，该程序用于汇总来自多个内部来源的医疗记录信息。
通用医疗服务公司(Universal Health Services)
位于宾夕法尼亚州普鲁士王村的通用医疗服务公司(Universal Health Services, UHS)在其企业范围内已有50多项人工智能应用上线，涵盖临床护理、收入周期和业务运营。如果按设施的单独部署或包括试点计算，这个数字将达到数千。
UHS将其人工智能投资组合分为四个阶段：概念验证、试点、有限部署和全企业实施。
每个试点都以明确定义的成功标准、高管支持和一线参与启动，重点关注临床医生效率、患者获取、收入周期绩效和质量成果。
"如果一个解决方案展示了可重复的结果，干净地整合到工作流程中，并赢得了临床医生的信任，那么我们就会将其推向更广泛的部署，"UHS副总裁兼首席信息官埃里克·古德温(Eric Goodwin)表示。
该系统拥有29家医院和346家住院行为健康设施，强调集中监督以保持对其人工智能投资组合的可见性，有助于避免重复并管理实验的节奏。
UHS在高流量运营工作流程中取得了一些最显著的成果。人工智能驱动的收入周期自动化减少了手动工作，加速了理赔处理并改善了收款，一些举措减少了超过100万美元的支出，并推动了数千万美元的收入增长。
在临床环境中，环境式监听等文档工具帮助减轻了行政负担，为患者护理腾出更多时间。
"我们注重深度而非广度，"古德温先生表示，"我们希望有足够的实验来创新，但也有足够的纪律来执行。"
UHS对复杂的使用案例采取渐进式方法，从小规模开始，随着结果得到验证而逐步扩大，而不是放弃大规模部署。
纽约大学朗格尼健康中心(NYU Langone Health)
总部位于纽约市的纽约大学朗格尼健康中心(NYU Langone Health)在其组织内运行120个人工智能模型，另有153个正在开发中。
"数量是价值的副产品，这意味着人工智能应用数量是人工智能为组织带来的价值的代理指标，"纽约大学朗格尼健康中心人口健康研究副教授Vincent Major博士表示。
团队必须确定工具如何提高安全性、增强质量、提升患者体验或推动运营效率，并在开始时就建立特定的关键绩效指标。
该投资组合涵盖临床、运营和研究应用场景。Epic模型和环境式监听工具属于供应商方面，而其他应用则在内部构建，以解决现成产品无法满足的NYU Langone Health特定需求。
从试点到扩展的路径取决于工具的风险概况。低风险应用可能直接进行更广泛的推广，而需要大量用户参与的应用则在与医生和护理信息学团队协调后，先进行结构化试点再扩大规模。
纽约大学朗格尼健康中心正在领导试验，评估人工智能生成的出院摘要是否能提高患者对后续护理指导的理解和执行。
在运营方面，该医疗系统每月处理约1200万条MyChart消息。一个集中化的护理团队与一个人工智能优先级模型一起审查传入消息，该模型标记需要立即关注的消息，帮助有紧急需求的患者更快获得护理，同时确保所有消息都在适当的时间范围内得到处理。
并非每个人工智能工具都能达到扩展规模。纽约大学朗格尼健康中心的治理流程旨在在广泛部署前识别表现不佳的应用，该系统已经淘汰了那些未能按预期验证的模型。其中一个例子是护理团队在换班期间使用的COVID-19风险分层工具。该模型在临床上评价良好，但随着COVID-19从住院的主要驱动因素转变为合并症，它变得不那么相关，因此被停用。
"我们也为了效率而放弃自制模型，转而采用供应商解决方案，"应用人工智能技术总监Yindalon Aphinyanaphongs医学博士表示。
【全文结束】