生成式AI助力患者中心医疗：世界经济论坛白皮书

引言：

新冠疫情加剧了医疗行业的挑战，如医护人员短缺和健康差距扩大，促使全球向以患者为中心的医疗模式转变。据世界卫生组织（WHO）估计，目前全球医疗工作者缺口为1500万，预计到2030年将减少至1000万。面对这些挑战，各种形式的人工智能（AI）成为解决之道。随着全球医疗消费者对个性化和便捷医疗服务的需求增加，生成式AI有望彻底改变医疗系统，使其更加便捷透明。世界经济论坛发布的白皮书详细阐述了生成式AI在改善患者护理体验方面的潜力，并总结了关键发现、全球趋势、机遇、挑战及利益相关者的建议。

生成式AI的应用类别：

行业领袖认为生成式AI可以在医疗领域广泛应用。生成式AI可以通过提供直观、类人的对话帮助医护人员做出明智决策和行动。其应用可以大致分为以下几类：

• 生产力提升工具： 自动化管理任务，如转录会诊记录、撰写邮件和总结临床研究，减轻医护人员负担。增强数据管理能力，从非结构化数据中提取洞察。

• 洞察生成器： 实时分析结构化和非结构化数据集，辅助医护人员进行决策。

• 行动驱动器： 通过更自然的对话方式与患者和护理人员互动，比传统聊天机器人更能将洞察转化为行动。

通过生成式AI增加患者参与度：

传统医疗系统缺乏以患者为中心的设计，缺乏人机协作生态系统和技术限制。报告作者指出，生成式AI可以改善这一状况。生成式AI可以增加患者参与度，收集和利用洞察，从而改变整个患者的健康旅程。

• 健康教育辅助： 调查显示，94%的美国医疗消费者使用互联网获取健康信息，但大多数在线资源未能达到质量标准，导致健康素养低下和获取受限，特别是在服务不足社区和低收入国家。训练有素的生成式AI模型（如大型语言模型LLM）可以提供高质量、多语言的健康信息，改善预防护理和决策。这有助于减少因健康素养低下带来的巨大经济成本，赋能全球医疗消费者和护理人员。

• 患者分诊辅助： 新冠疫情加剧了全球医护人员短缺，导致健康差距扩大、成本上升和患者体验下降。早期使用聊天机器人的分诊解决方案虽有潜力，但在扩展性和文化适应性方面存在局限。经过特定领域和多元文化训练的生成式AI可以帮助分层患者，改善护理路径，并自动化患者入院流程，减轻行政负担，提升医疗可及性。

• 疾病管理干预： 慢性病管理依赖于治疗依从性，但高达60%的患者在第一年内未遵循处方方案，每年给医疗系统带来数十亿美元的成本。虽然传统算法可以预测不依从性，生成式AI可以创建个性化干预措施，增强疾病管理效果。此外，生成式AI可以简化行政任务，整合遗传学和生物特征等数据流，提供定制化治疗计划和个人护理路径。

采用有效、安全的生成式AI的障碍：

• 信任与不信任： 建立对AI输出的信任是一个重要障碍，人们担心AI生成的信息准确性及其潜在偏见。

• 数据限制： 生成式AI系统的训练数据质量和全面性存在问题，尤其是在多元文化背景下。

• 扩展性： 在不同地区和医疗系统中有效实施生成式AI解决方案面临物流和财务挑战。

利益相关者实施生成式AI的建议：

• 建立基于同理心的信任： 医疗利益相关者应优先开发同理心强的AI模型，并根据真实互动进行测试和改进。

• 减少偏见： 组织应努力创建更互联的数据生态系统，以解决AI训练数据集中固有的偏见。

• 保持人在环中： 引入由医疗专业人员审查AI建议的流程，确保安全性和准确性。

• 规划可扩展的解决方案： 开发灵活、情境敏感的生成式AI应用程序，以满足不同医疗环境的独特需求。

生成式AI的实际案例：

• Ada Health： 利用生成式AI构建的数字症状检查器，性能优于传统诊断方法。

• K Health 和 Cedars-Sinai： 提供患者直接接触医疗专业人员的虚拟平台，简化患者入院流程，减轻行政负担。

• 罗切斯特大学医学中心： 使用ChatGPT-4和微软Azure构建模型，将消息适当分流给医生、护士或工作人员。该模型处于测试阶段，已证明可靠和准确。

• 梅奥诊所： 领先开发多模态生成式AI模型，快速准确预测类风湿关节炎治疗效果。

• 亚马逊和Hurone AI： 美国一家医疗初创公司，利用生成式AI为低收入和中等收入国家的肿瘤科医生提供癌症相关见解，节省医生75%的时间。

• 微软和Epic Systems： 应用生成式AI响应患者咨询，提高效率和患者体验。

结论：

生成式AI具有重塑患者护理体验的巨大潜力，为解决长期存在的医疗挑战提供了途径。然而，成功实施需要所有利益相关者的共同努力，建立信任、提高数据质量并确保创新的公平可及。通过采纳这些建议，医疗行业可以利用生成式AI的力量，推动以患者为中心的护理模式发展。

(全文结束)