医疗保健为何需要以患者为中心的AI应用方法

将AI融入临床决策支持工具可以增强实现以患者为中心的护理的努力，前提是医疗系统知道如何有效整合这些技术。

随着AI在医疗保健领域的应用速度迅速加快，提供者发现了许多使用AI驱动工具的方法。根据HIMSS和Medscape的一份报告，在2024年，提供者使用AI工具审查医学文献（17%），帮助确定患者的诊断（16%），审查电子健康记录数据（9%），制定治疗计划（7%），识别预后（6%）等。尽管标准化、安全性和伦理方面的问题仍然存在，但许多医生认为AI在医疗保健的临床和业务方面都带来了令人兴奋的机会。

其中一项机会是增强临床决策支持。临床决策支持面临许多挑战，历史上一直是提供者的痛点。然而，经过充分改进，AI可能是扭转这一长期趋势的关键。

AI工具可以强有力地增强与EHR集成的决策支持工具，使提供者在护理点获得更多信息。许多工具可以检索患者数据或外部数据，帮助提供者做出更明智的护理决策。它们可以识别患者的风险水平并预测患者的结局。这些用例以及其他更多用例使得护理更加以患者为中心。

在这一集中，芝加哥大学NORC健康科学系副总裁兼高级研究员Prashila Dullabh与《医疗保健策略》进行了对话，讨论了AI驱动的临床决策的机遇和陷阱，以及利益相关者如何充分利用这些工具。

Prashila Dullabh表示：“我认为，某种程度上，患者作为这些应用程序支持的决策的一部分是不可避免的，这迟早会发生。”

Sara Heath：欢迎回到《医疗保健策略》。我是Sara Heath，《Xtelligent Healthcare》的执行主编，也是我们患者参与网站的首席编辑。

今天我们将讨论AI如何融入以患者为中心的护理方程式。AI终于超越了医疗保健行业中的流行语状态，行业利益相关者已经识别并应用了该技术的实际用例。其中一个用例是临床决策支持（CDS）。随着技术的不断普及，医疗专家关注其对患者体验的影响以及整个行业推动更加以患者为中心的护理。今天，我们邀请到了芝加哥大学NORC健康科学系副总裁兼高级研究员Prashila Dullabh来讨论AI和以患者为中心的护理。Prashila是一位有超过20年经验的临床信息学家和卫生服务研究人员，最近参与了关于临床决策支持和以患者为中心的结果的研究项目。感谢您今天加入我们，Prashila。

Dullabh：非常高兴能在这里讨论我非常热衷并且一直关注的话题。

Heath：是的。当前AI在医疗保健中最实际的应用之一是临床决策支持（CDS）。医疗保健行业在哪些方面将患者护理排除在AI或CDS讨论之外？不探索临床决策支持如何支持以患者为中心的护理的风险是什么？

Dullabh：正如您所说，AI目前是所有讨论的中心，但我们正处于一个转折点。我先提供一些背景。近年来，政策环境一直在向更以患者为中心的护理转变。例如，有举措让患者可以查看医生拥有的有关他们的数据。最近，患者可以下载并与其他方交换信息以支持其护理。甚至更近，CMS也在思考如何将患者自报结果和其他患者信息纳入其质量项目。此外，还有大量患者通过手机或其他医疗设备访问的应用程序。因此，患者正在收集有关自己的信息，并希望与医疗系统共享这些信息。

这一切发生在新冠疫情这一特殊事件中。疫情以多种方式推动了患者如何开始与数字技术互动，并以不同方式与医疗系统进行清晰沟通。随后，AI出现了，许多人认为这是一种颠覆性技术。

所以，我认为，某种程度上，患者作为这些应用程序支持的决策的一部分是不可避免的，这迟早会发生。让我举几个完整的例子。现在，许多医院系统已经开始考虑或实际使用环境技术。这意味着患者来看医生时，有一种监听设备，医生获得同意后，患者与医生的会诊会被总结和合成给某种AI工具。这在某种程度上是一种决策支持。您可能听说过这些对话代理、聊天机器人，患者通过这些机器人与医生交流。以前这是通过患者门户消息进行的，但现在有一个聊天机器人位于中间。它们可能会总结患者提供的信息。

我认为，随着我们继续前进，更重要的是更积极地参与和涉及患者，不仅是作为技术的使用者，而且在医疗系统决定部署什么技术时，如何与患者合作？什么是有效的？实际上考虑患者咨询小组，从患者那里获取信息，以便设计和开发这些工具。

Heath：绝对。我知道你们参与了一些PCORI和AHRQ的研究，关于临床决策支持如何推动以患者为中心的护理。能否提供更多关于这一点的信息，以及临床决策支持在以患者为中心的护理中的作用？

Dullabh：这是我的最爱话题，感谢您的提问。患者护理实际上成为临床决策支持过程的一部分，有很多方式。正如您在播客开头提到的，您谈论了CDS是什么，这是传统观点，主要是在计算机的帮助下为医生提供建议。最近的工作集中在我们现在称为以患者为中心的临床决策支持上。让我们解释一下这意味着什么。以患者为中心的决策支持实际上是支持个别患者或其看护者，或某些情况下支持一组患者（如糖尿病或高血压患者）管理他们的病情。它实际上包含了四个因素。让我谈谈这些因素。

首先是决策支持工具中包含的实际证据，这些证据来自我们称之为“以患者为中心的结果研究”，这些研究反映了患者认为重要的结果、目标和偏好。因此，研究本身反映了这一点。第二部分是如何将这些以患者为中心的因素纳入其中，包括患者提供通常不在医患互动中收集的信息，例如来自家用血糖仪或血压计的数据，来自追踪器或其他可穿戴设备的信息。当考虑使用这些工具时，患者的目标和偏好非常重要，因此患者提供的信息成为决策支持工具的一部分。

第三个组成部分是关于如何传递CDS。我们想象患者通过应用程序或患者门户接收这些信息，然后使用这些信息与他们的医疗系统互动。最后，我们从实际使用角度来看，工具实际上支持患者和临床医生之间的共同决策过程。

这些不同的组件驱动了以患者为中心的决策支持。我们的工作表明，这些PCCDS工具在慢性病管理中占据了重要地位，例如糖尿病、高血压、哮喘。我们还看到这些工具用于支持患者的健康，无论是饮食、药物依从性还是运动。还有一些有趣的用途，例如心理健康应用程序，如ADHD、抑郁症等。我们预计随着时间的推移，这些应用程序将在其他领域得到应用。

也许我可以给您举一个快速的例子。几年前，我们设计并实施了一个非常有趣的项目，针对因怀孕而被诊断为高血压的母亲的应用程序。产后母亲在六周内通常会被监测，因为她们在怀孕期间有高血压，如果不仔细监测，可能会导致严重后果，如心脏病发作或中风。

这个应用程序每天会给母亲发送一条消息，询问她们的血压，并提出一些关于症状的基本问题，如是否有头痛、视觉症状或腹痛。这些信息通过应用程序传递给医疗系统，医疗系统可以看到实时情况，判断患者是否一切正常或是否有需要采取行动的症状。我们为此设计了一个供临床医生使用的仪表板。

这是一个简单的应用程序，但它展示了我们所说的以患者为中心的临床决策支持。患者每天都会收到一条消息，输入一些信息，系统会告诉他们“我们已收到您的信息”。如果有患者输入了令人担忧的信息，他们会收到一条消息，要求他们联系医生。另一方面，临床医生也有类似的设置。我们评估了这些工具，发现患者和临床医生都喜欢它，因为它提供了更多的实时互动，而不是等待患者带着血压和症状清单来就诊，从而错过了及时处理的机会。

Heath：是的。您刚才谈到了这一点，那么我们知道患者对这种技术的舒适度或准备程度如何？我听说一些关于患者对AI的舒适度的研究，但我想听听您在这方面有什么见解。

Dullabh：是的。我认为我刚才谈到的是更传统的以患者为中心的决策支持。让我们谈谈AI在以患者为中心的CDS工具中的应用。我们最近做了一项有趣的研究，探讨了患者对这些工具的看法。不出所料，患者对这些工具有谨慎的乐观态度。他们认识到这些工具的存在并看到了一些价值。AI在支持某些行政功能、帮助患者更有效地与医生互动等方面提供了便利。我们讨论了对话代理，甚至如果患者去看医生时有一些环境技术在记录对话，这实际上有助于患者与医生的互动，因为医生不再盯着电脑。

这些工具的使用有很多有趣之处，并且前景广阔。但我们听到了一些意见，如“我们认为透明度非常重要，我们需要知道医生在做什么，是否某些回应来自某种生成式AI解决方案，医生是否看过它。”因此，透明度在使用这些工具时被认为是重要的。虽然这些技术会有帮助，但这应该始终是一个有医生参与的过程。

我们还听说了“副驾模型”的概念，但明确表示这很重要，应放在首位。我们还听到，虽然AI可以支持某些基本类型的函数或某些用例，但对于复杂的医疗条件，我们需要考虑这些技术的适当使用。最重要的是，我们还听到患者不希望出现无法联系到人类的情况，即无论是在决策支持还是与工具的互动中，都应该有一种方式可以联系到临床医生，以获得这种体验。

因此，我认为患者对这些工具有谨慎的乐观态度，认识到了这些工具的存在及其价值，但也有一些重要的事情需要我们在更广泛的应用中加以注意。

Heath：是的，这很有道理，这与我与其他人的对话和数据来源相一致，所以很高兴听到你们也得出了相同的结论。

我想要讨论一下临床决策支持创新协作组织（CDSIC）。如果您能告诉我它是如何形成的，以及它的目标，那将非常有帮助。

Dullabh：当然。临床决策支持创新协作组织由医疗研究和服务质量局资助。我们认识到，在我们讨论的所有主题中，以患者为中心性在思考这些决策支持工具时非常重要。这是一个非常有趣的项目，因为我们意识到医疗生态系统很复杂，有许多不同的个人有不同的需求和兴趣，我们需要在设计和部署这些工具时考虑到这一点，以便它们能有效使用。有很多关于决策支持工具的信息，我们多年来一直在研究，但医生们觉得这些工具特别侵入性，无法真正支持他们以循证方式提供护理。

因此，CDSIC所做的就是召集了超过100个利益相关者，包括患者、临床医生、来自医疗系统的代表、支付方、软件开发者、电子健康记录开发者、应用程序和决策支持工具的开发者。我们建立了所谓的学习社区，将这些不同利益相关者的兴趣、观点和需求结合在一起。项目的整个目标是利用广泛的社区投入，生成证据，并开发行业可以使用的工具和资源，以推进以患者为中心的决策支持。

当我们说我们正在开发工具和资源时，如果我们希望这些技术能被患者和临床医生有效使用，从而实现更好的医疗，我们就需要非常仔细地考虑如何设计这些工具，如何让患者参与这个过程，如何将这些工具整合到患者的生活和临床医生的工作流程中。因为它们不会带来任何患者在临床会诊之外的信息。

因此，有关如何设计、开发和实施这些工具有很多考虑因素。项目的一部分是开发资源和实用指南。如何与患者共同设计？如何收集患者偏好？何时在工作流程中进行？因此，开发这些工具和资源是一方面。我们强调使用标准，这样这个项目产生的工具和资源可以被其他人使用。它们不是专有的，也不是特定于某个医疗环境的。因此，我们强调在标准空间中使用这些工具。

我们还有一个非常重要的测量重点。鉴于我们正在部署新技术，关键在于了解哪些有效，哪些无效，如何衡量这些，以便我们可以建立证据基础，并随着时间的推移提高这些工具的采用和使用率。最后，我们还有机会进行真实世界的试点，我们将一些想法付诸实践，找到愿意与我们合作的递送系统，实施并从实施经验中学习。

Heath：是的，这很有道理。基于您刚才告诉我的，我想听听你们迄今为止的一些见解。也许一些临床医生可以采用的策略，以支持这种以患者为中心的AI在CDS中的使用。

Dullabh：在几个问题中，我们确实需要非常仔细地考虑何时以及如何让患者和其他预期用户以及临床医生参与进来。因此，有一个重要的部分是让正确的利益相关者参与进来，以便我们设计和开发这些工具，使其适应工作流程和生活流程，满足那些需要使用它的人的需求。

我认为还需要做很多工作来学习如何在不同的递送环境中实施这些工具，因为正如我们所知，医疗保健没有一刀切的解决方案。我们需要考虑本地环境，以及在什么情况下有效，什么情况下无效，以便我们可以更广泛地分享这些教训。

我们还需要做一些工作来真正思考如何理解和衡量这些工具是否有效。这里有一个完美的例子。我们谈论患者参与，但就目前而言，我们用于患者参与的衡量标准非常基础。如果你想考虑这些工具和患者参与，以及如何产生更好的结果，我们实际上需要更好的衡量标准和收集数据的方法来支持这些衡量标准。我认为最重要的是，我们还需要从递送系统的角度考虑。这些新工具会带来什么样的负担或影响，它们可能会导致什么不同的行为？

这里有一个例子，如果医疗系统将从患者那里获取数据，他们需要设置什么样的政策和流程来确保有人看到这些信息，并采取行动？我觉得这是一个全新的工作领域，我们需要考虑。最重要的是，我们需要在我们做的所有工作中考虑信任和透明度。如果我们要考虑长期的采用和使用，这是非常基本的。

Heath：是的。从另一个角度来看，如果您想谈谈临床医生在确保AI使用不会阻碍以患者为中心的护理努力时应该避免的一些陷阱。

Dullabh：我认为更多的是从医疗系统的角度来看。我的一般感觉是，医疗系统在采用和使用技术方面往往非常谨慎和深思熟虑。所以我认为医疗系统需要考虑几件事情。

Heath：是的。

Dullabh：最重要的是，如果他们使用工具，那么通知患者这些工具的使用模式是什么？所以，那个信任和透明度的维度我认为非常重要。

其他方面，我认为医疗系统还需要考虑的是，当他们考虑要部署哪些工具时：这些工具是否经过验证？它们是否有某种批准印章，以确保它们是安全和可靠的？所以，我认为从医疗系统的角度来看，这也是很重要的。

我认为为医疗系统提供一些更实用的指导对于这些工具的使用和部署是非常重要的。因为在AI领域，有很多关于原则、指导原则——透明度、问责制、公平性、可解释性的讨论。但在实施中如何翻译这些原则，我认为这才是关键所在。

Heath：是的，这很有道理。然后跳出医院和医疗系统领域，我知道您的数据在很多政策制定中都有影响力。基于您自己的研究，医疗保健作为一个政策驱动的行业，通过政策视角确保以患者为中心的临床决策支持需要做些什么？

Dullabh：我会从政策的角度广泛地看待这个问题，并且我要小心对待我采取的方法，因为我的工作主要在临床领域，所以我将从这个角度来思考。

再次建立在前面讨论的基础上，我认为帮助我们建立证据基础将非常重要。如果我们要让任何人使用这些工具，他们需要理解和欣赏支持其使用的证据。证据基础变得非常重要。我们需要更多大规模的项目，重点关注这些技术的使用，什么时候有效，怎么有效，什么时候无效，以及我们需要集体解决的一些问题。我认为，随着大型语言模型和生成式AI的发展，我们并不总是理解这些工具是如何使用的，因此需要一些保证，确保当健康系统和患者使用某些工具和应用程序时，它们经过测试、批准和独立验证，是安全可用的。

思考允许我们做到这一点的过程将是相当重要的。在某个时候，也许是现在，我们需要考虑围绕这些工具使用的报销模式。大型语言模型和AI在护理过程的多个部分中扮演着角色，因此我认为这为我们如何思考报销模式提出了很多考虑因素。

最后，我认为监管监督将有一些影响。我们正在处理可以自主学习的工具，与某些预测算法不同，这些算法的输入总是产生相同的输出，而生成式AI在这些模型学习时，我们不能保证初始输入产生的输出会相同。

因此，如何在性能随时间变化的情况下思考安全和质量的监督，我认为这将是一个重要的考虑因素。我认为这些是从政策角度来看在我雷达上浮现的一些事情。

Heath：是的，绝对。这很有道理。正如我之前所说，这也与我在行业中听到的内容相符，这表明这些研究在让所有人达成共识方面走了很长一段路。

太好了。非常感谢您今天加入我们，Prashila。我非常感谢您，我认为这对我们的听众来说将是非常有益的。也感谢我们的听众今天加入我们。

Dullabh：非常感谢这次机会。

(全文结束)