医疗保健和生成性人工智能
Posted: Tue Jan 07, 2025 10:03 am
微软宣布与 Nuance 和 Epic 建立新的合作伙伴关系，整合生成式 AI 工具，使 HCP 能够记录患者记录和起草消息。
–谷歌发布了 Med-Palm-2，这是一款经过训练可以回答医学问题的生成式人工智能，但其准确性和在现实生活中的患者护理中的应用仍需改进。
–包括 Insilico Medicine 和 Evotec 在内的生物制药公司正在启动使用生成式 AI 的临床试验，以增强药物发现和开发。
– Zepp Health 等智能科技公司正在将生成性 AI 融入可穿戴设备，以帮助用户进行健康管理和总体健康。
机器学习已广泛应用于医疗保健领域，预测性人工智能算法被用于各种功能，从基于图像的放射学诊断到基因组解释。生成性人工智能（使用算法（如大型语言模型 (LLM)）进行创建而不是简单的分析）吸引了科技界 台湾电话号码 关注，但也带来了风险和机遇。一方面，偏见和不准确性的风险使人们质疑将其用于医疗保健的道德性，但另一方面，研究表明，它也有可能极大地简化和改善服务。
根据埃森哲的研究，所有行业 40% 的工作时间可能会受到法学硕士的影响。该公司通过确定 200 项与语言相关的任务以及这些任务在整个行业的分布情况（基于 2021 年美国的就业水平），研究了工作时间分布和潜在的人工智能影响。语言任务占总工作时间的 62%，其中 65% 的任务很有可能通过法学硕士实现自动化或增强。
具体来说，在医疗健康领域，28% 的工作时间被定义为具有更高自动化潜力的任务（有可能通过 LLM 进行转变，并且需要减少人工参与）。11% 的任务具有更高的增强 潜力（需要更多人工参与）。
那么，生成式人工智能究竟如何影响医疗保健？以下是一些最近的例子。
微软设计临床工具来提高生产力并减轻 HCP 的负担
埃森哲全球医疗行业负责人 Rich Birhanzel 表示，与客户支持等领域一样，生成式人工智能的直接优势可能在于总结能力。他告诉 HealthcareITNews：
“无需护士或医生记录信息（从生命体征到治疗计划），新一代人工智能可以在预约期间聆听对话并创建可添加到电子健康记录中的摘要。此外，该技术还可以将复杂的医学语言简化为患者可以理解的摘要，并且可以轻松翻译成任何语言。”
我们已经看到了针对某些此类用例的解决方案。3 月底，微软的 Nuance Communication 宣布了一款由 GPT-4 提供支持的新型临床文档工具。这款名为 Dragon Ambient eXperience (DAX) 的工具将使医护人员能够通过“倾听”医患咨询来自动化临床文档。
Nuance 首席执行官马克·本杰明 (Mark Benjamin)在一份声明中解释道：“Nuance 和微软携手的目标是帮助医疗保健实现数字化转型，今天，我们标志着为负担过重的医疗服务提供商提供人工智能解决方案的持续发展迈出了新的一步。”
微软还与电子健康供应商 Epic 合作，扩大其在医疗保健领域的 AI 能力。此次合作将使微软将 Azure OpenAI 服务技术整合到 Epic 的电子健康记录 (EHR) 软件中，该公司表示，这将“提高生产力、改善患者护理并改善全球医疗系统的财务完整性”。首批举措之一是使用生成式 AI 自动起草消息回复，目前正在由加州大学圣地亚哥分校健康中心、华盛顿大学健康中心和斯坦福大学健康中心试行。
谷歌旨在利用 Med-Palm 2 在医疗诊断方面取得进展，但准确性仍然存在差距
除了实现笔记等任务的自动化之外，制药和医疗保健公司还在尝试生成式人工智能，以提高决策和诊断等医学其他领域的效率。
最近，谷歌发布了其最新一代大型语言模型 Palm-2，该模型现在具有改进的多语言、推理和编码能力。在此基础上，还推出了 Med-Palm 2——一种专门为医疗行业开发的人工智能，经过训练可以回答医疗问题。据谷歌称，Med-Palm 2 在美国医师执照考试 (USMLE) 式问题的 MedQA 数据集上实现了 85% 以上的准确率，在包含印度 AIIMS 和 NEET 医学考试问题的 MedMCQA 数据集上得分为 72.3%。
虽然这意味着 Med-Palm 2 比原版有所改进，但谷歌表示，在“回答医疗问题和满足我们的产品卓越标准方面仍然存在重大差距”，这表明在将该技术应用于现实临床环境之前还有很长的路要走。不过，该工具将向一组选定的 Google Cloud 客户开放测试，谷歌表示，这是为了“在我们研究安全、负责和有意义地使用该技术的方法时探索用例并分享反馈”。
–谷歌发布了 Med-Palm-2，这是一款经过训练可以回答医学问题的生成式人工智能，但其准确性和在现实生活中的患者护理中的应用仍需改进。
–包括 Insilico Medicine 和 Evotec 在内的生物制药公司正在启动使用生成式 AI 的临床试验，以增强药物发现和开发。
– Zepp Health 等智能科技公司正在将生成性 AI 融入可穿戴设备，以帮助用户进行健康管理和总体健康。
机器学习已广泛应用于医疗保健领域，预测性人工智能算法被用于各种功能，从基于图像的放射学诊断到基因组解释。生成性人工智能（使用算法（如大型语言模型 (LLM)）进行创建而不是简单的分析）吸引了科技界 台湾电话号码 关注，但也带来了风险和机遇。一方面，偏见和不准确性的风险使人们质疑将其用于医疗保健的道德性，但另一方面，研究表明，它也有可能极大地简化和改善服务。
根据埃森哲的研究，所有行业 40% 的工作时间可能会受到法学硕士的影响。该公司通过确定 200 项与语言相关的任务以及这些任务在整个行业的分布情况（基于 2021 年美国的就业水平），研究了工作时间分布和潜在的人工智能影响。语言任务占总工作时间的 62%，其中 65% 的任务很有可能通过法学硕士实现自动化或增强。
具体来说，在医疗健康领域，28% 的工作时间被定义为具有更高自动化潜力的任务（有可能通过 LLM 进行转变，并且需要减少人工参与）。11% 的任务具有更高的增强 潜力（需要更多人工参与）。
那么，生成式人工智能究竟如何影响医疗保健？以下是一些最近的例子。
微软设计临床工具来提高生产力并减轻 HCP 的负担
埃森哲全球医疗行业负责人 Rich Birhanzel 表示，与客户支持等领域一样，生成式人工智能的直接优势可能在于总结能力。他告诉 HealthcareITNews：
“无需护士或医生记录信息（从生命体征到治疗计划），新一代人工智能可以在预约期间聆听对话并创建可添加到电子健康记录中的摘要。此外，该技术还可以将复杂的医学语言简化为患者可以理解的摘要，并且可以轻松翻译成任何语言。”
我们已经看到了针对某些此类用例的解决方案。3 月底，微软的 Nuance Communication 宣布了一款由 GPT-4 提供支持的新型临床文档工具。这款名为 Dragon Ambient eXperience (DAX) 的工具将使医护人员能够通过“倾听”医患咨询来自动化临床文档。
Nuance 首席执行官马克·本杰明 (Mark Benjamin)在一份声明中解释道：“Nuance 和微软携手的目标是帮助医疗保健实现数字化转型，今天，我们标志着为负担过重的医疗服务提供商提供人工智能解决方案的持续发展迈出了新的一步。”
微软还与电子健康供应商 Epic 合作，扩大其在医疗保健领域的 AI 能力。此次合作将使微软将 Azure OpenAI 服务技术整合到 Epic 的电子健康记录 (EHR) 软件中，该公司表示，这将“提高生产力、改善患者护理并改善全球医疗系统的财务完整性”。首批举措之一是使用生成式 AI 自动起草消息回复，目前正在由加州大学圣地亚哥分校健康中心、华盛顿大学健康中心和斯坦福大学健康中心试行。
谷歌旨在利用 Med-Palm 2 在医疗诊断方面取得进展，但准确性仍然存在差距
除了实现笔记等任务的自动化之外，制药和医疗保健公司还在尝试生成式人工智能，以提高决策和诊断等医学其他领域的效率。
最近，谷歌发布了其最新一代大型语言模型 Palm-2，该模型现在具有改进的多语言、推理和编码能力。在此基础上，还推出了 Med-Palm 2——一种专门为医疗行业开发的人工智能，经过训练可以回答医疗问题。据谷歌称，Med-Palm 2 在美国医师执照考试 (USMLE) 式问题的 MedQA 数据集上实现了 85% 以上的准确率，在包含印度 AIIMS 和 NEET 医学考试问题的 MedMCQA 数据集上得分为 72.3%。
虽然这意味着 Med-Palm 2 比原版有所改进，但谷歌表示，在“回答医疗问题和满足我们的产品卓越标准方面仍然存在重大差距”，这表明在将该技术应用于现实临床环境之前还有很长的路要走。不过，该工具将向一组选定的 Google Cloud 客户开放测试，谷歌表示，这是为了“在我们研究安全、负责和有意义地使用该技术的方法时探索用例并分享反馈”。