5000字长文：AI+IVD，临床的新希望！

随着 AI 进入临床领域，医生看到了一种可以增强诊断能力和改善护理的工具

虽然医院和医生办公室，大多使用基于人工智能的工具进行文档记录和文书工作，但该领域的专家预计，将涌现出一波申请浪潮，以深入分析电子健康记录、改进检测和治疗指导以及更高效地监测护理。

总的来说，它可能相当于人工智能临床应用的新未来。

在洛杉矶的 Cedars-Sinai，该医疗中心的首席医学信息官兼心脏病专家 Yaron Elad表示，该中心长期以来一直使用临床决策支持工具来为患者检测决策提供信息。他说，这些工具可能很快就会被基于 AI 的算法所取代，这些算法可以整合更多参数并提供更好的指导。

他说，虽然基于规则的工具可能会在考虑患者的高胆固醇、心脏病家族史和糖尿病诊断的情况下推荐治疗方法，但基于 AI 的模型可以对患者的图表进行更深入的分析，并确定症状和风险因素的集合。例如，如果该分析指出几年前的 CAT 扫描结果发现了钙化的血管，那么这些发现可能会触发患者应该与他或她的初级保健提供者进行额外的测试或后续护理。

临床医生对基于 AI 的工具的兴趣正在上升。美国医学会今年早些时候表示，2024 年接受调查的医生中有 66% 表示在实践中至少使用一种人工智能开发的工具，高于 2023 年的 38%。大多数情况下，他们使用这些工具来记录任务，例如记录患者就诊或撰写出院小结。

不过，临床医生对这些技术在临床和管理功能方面的潜力持乐观态度。在对 1,183 名医生的调查中，75% 的受访者在 2024 年表示，人工智能开发的工具可以帮助提高效率，72% 的受访者表示这些技术可以增强诊断能力，62% 的受访者表示它们可以帮助改善临床结果。

尽管对 AI 工具的潜力寄予厚望，但受访成员也对此类技术表示担忧，只有 35% 的医生表示他们对 AI 的使用感到兴奋而不是担心，而 40% 的医生表示他们同样感到兴奋和担忧，25% 的医生表示他们更担心。

根据调查，医生表示，AI 技术需要整合反馈循环，解决数据隐私问题，集成到工作流程中，并为其提供足够的培训和教育。近一半的医生表示，加强监管也会增加他们对 AI 工具的信任。

电子健康记录提供商 Epic 的高管表示，美国几乎每个医疗保健组织都在以某种方式使用 AI，大约三分之二的组织正在使用生成式 AI 创建文本块来总结临床信息。

Epic 数据和研究副总裁 Phil Lindemann 表示，AI 开发的算法与公司的 EHR 系统一起使用，以总结患者的临床病史和测试结果，确定哪些患者需要额外的预约提醒，起草对患者消息的回复，查找诊断代码，并在付款人拒绝医疗必要服务索赔时起草上诉。Epic 目前的项目包括一个评估使用 AI 帮助医生在就诊前查看患者病史的项目。他说，例如，通过总结患者心脏病专家的最新数据和实验室结果，这些工具可以节省医生的时间并减少他们的脑力劳动。

与此同时，计算机技术公司甲骨文在 10 月表示，它计划在 2025 年推出一种经过改进的电子健康记录，其中包含基于生成式 AI 的患者状况和药物摘要，并为医生提供患者治疗、副作用和以前就诊记录的额外摘要。甲骨文公司产品开发高级副总裁 Suhas Uliyar 在一封电子邮件中表示，即将推出的 Oracle Health EHR 系统将用于分析无数的患者数据源，包括利用对话式 AI 、提供治疗建议和自动化管理任务的工具。

对话式 AI 通常用于通过模拟对话来模拟人类交互，并已用于聊天机器人或虚拟代理等软件。

Uliyar 说，新的 EHR 将提供特定于患者的图表摘要，分析患者数据以提供更精确的治疗建议，审查测试建议，并让医生使用基于自然语言的搜索找到患者最近的三个 HbA1c 水平。该公司已经从用于汇总图表和自动记笔记的 Oracle Health Clinical AI Agent 中看到了令人鼓舞的成果，医生报告说他们在文档上花费的时间减少了近 30%。

"同时，在医院，AI 工具可以帮助对患者进行分类，提供护理路径优化，并使用预测分析提高临床决策和运营效率，"Uliyar 说。他补充说，实验室可以简化诊断数据的集成，并自动为医生提供相关的临床记录。

超越基于规则的模型

在体外诊断检测领域，人工智能的应用在数字病理学中可能最为常见。基于人工智能的算法在数字病理学中迅速发展，并成为了针对诸如肺部疾病和败血症等各种病症检测的基础。除了分析单个检测结果以辅助疾病诊断外，医疗保健公司还看到了利用人工智能开发的工具对患者健康记录中的模式进行更广泛分析的潜力。

斯蒂芬・菲恩（Stephan Fihn）是华盛顿大学医学院预测分析委员会的联合负责人，该委员会的工作包括，研究在医疗保健和医学研究中部署人工智能的新方法。他估计，医疗保健提供者现在已经开发出了，数以万计旨在预测患者治疗结果的算法，尽管到目前为止实际应用于临床的算法数量要少得多。

他表示，华盛顿大学医学院，已经花费了大量时间在 Epic 的电子健康记录（EHR）系统中测试基于人工智能的警报系统，并将其集成到工作流程中。例如，该系统的败血症模型用于提醒医生和护士考虑实施败血症治疗方案，并且需要进行精心调试，以便在干预措施能够帮助患者时发出警报，同时又不会因误报而让临床医生应接不暇。

埃拉德（Elad）称，西达赛奈医学中心（Cedars-Sinai）的大多数临床医生，从去年开始使用基于人工智能的工具来起草对患者消息的回复，并且设置了严格的限制措施，以防止该工具提出任何疾病检测、诊断或治疗建议。菲恩说，自大流行病以来，患者给医生发送的短信数量大幅增加，医生一直在使用这种由人工智能开发的工具来减轻工作负担。

临床医生还一直在使用 "环境监听" 模型，在患者就诊期间记录对话内容，并在电子健康记录中生成病历记录。

"这确实让我能够更加专注于真正地照顾患者，认真倾听他们的诉求，并有机会真正思考他们的治疗方案。" 埃拉德说。

他预计，这些自动记录工具的未来版本，能够听到医生告知近期有胸痛症状的患者需要进行压力测试和胆固醇检测，并自动生成检测订单草稿供医生签署。

Epic 公司的林德曼（Lindemann）表示，俄亥俄州的一家医院一直在使用 Epic 基于人工智能的工具来审查放射学检查结果中的文本记录，以识别可能需要后续跟进的偶然发现，一些报告已经成功实现了癌症的早期发现。其他客户也一直在使用该公司健康记录系统中的基于人工智能的工具，通过识别最有可能需要随访或需要提醒按时服药的患者来降低再入院率。

他说，虽然基于规则的败血症治疗方案早已存在，但最近开发的基于人工智能的工具通过更早地识别败血症和健康状况恶化，从而挽救了生命，使得患者能够更快地进入重症监护病房（ICU）并稳定病情。

扩展对电子健康记录的分析

梅奥诊所（Mayo Clinic）的胃肠病学家兼研究员绍纳克・马宗德（Shounak Majumder）表示，临床医生的病历记录中包含大量非结构化信息。去年，他与梅奥诊所的其他 10 名研究人员共同在《胰腺病学》（Pancreatology）杂志上发表了一篇文章，介绍了如何使用自然语言处理技术从临床记录中识别胰腺癌的风险因素。

马宗德说，这样的工具可以通过查找有关家族病史和先前基因检测的记录，帮助初级保健医生确定哪些患者应该接受基于风险的癌症筛查。它还可以用于帮助识别那些可能从基因检测中受益的患者。

"像这样的工具能够将这些信息提取出来，让医生能够据此采取行动。" 他说。

他指出，尽管筛查和早期发现能够改善治疗结果，但胰腺癌通常要到晚期才会被诊断出来。虽然磁共振成像（MRI）和内镜超声通常用于筛查，但他提到，多家公司一直在开发基于血液的早期胰腺癌生物标志物检测方法。

例如，美因茨生物医学公司（Mainz Biomed）和液体生物科学公司（Liquid Biosciences）上个月宣布，他们已达成合作，开发一种基于血液的胰腺癌早期检测方法。免疫维娅公司（Immunovia）最近也表示，计划今年推出一种基于抗体的酶联免疫吸附测定法（ELISA），用于识别早期胰腺导管腺癌。

马宗德还表示，基于人工智能的工具擅长查找和呈现与在急诊室检查患有严重腹痛患者的医生相关的信息。然而，这些工具的使用效果将取决于医生是否将其视为一种帮助，还是另一种负担。

与此同时，Epic 公司的林德曼表示，该公司正将资源集中在开发基于人工智能的 "智能代理" 或应用程序上，这些应用程序可以为临床医生协调一系列文书和临床任务。医生可以使用智能代理来识别需要进行结直肠癌筛查的患者，并推荐结肠镜检查或使用 Exact Sciences 公司的 Cologuard 检测方法。他说，如果 Cologuard 检测结果显示患癌风险升高，智能代理可以利用这些结果自动提醒患者，并提供后续结肠镜检查的时间建议。

"想象一下，一位医生拥有一组这样的虚拟智能代理，它们能够执行一些针对癌症治疗的标准护理流程，比如结肠癌或乳腺癌筛查。" 他说。

这些智能代理还可以用于安排常规血液检查或向患者发送随访信息。

埃拉德表示，西达赛奈医学中心也一直在与一家供应商合作开发软件，该软件可以为患者生成关于其实验室检测结果的说明。其他项目包括辅助解读放射学和心电图检查结果。

Epic 公司的互操作性和基因组学副总裁彼得・德沃特（Peter DeVault）表示，他希望基于人工智能的工具还能够通过更好地分析保险覆盖要求和临床指南，以及提醒患者有可用的检测项目，来帮助提高基因组检测的可及性。基于人工智能的工具还可以用于支持全基因组和全表型关联研究，这可能会产生结合基因型、表型和电子健康记录数据的新预测模型。

谨慎对待

不过，医疗保健领域的一些声音呼吁采取谨慎的态度，以确保人工智能技术能够充分发挥其潜力。

斯坦福大学的克里斯蒂安・罗斯（Christian Rose）和乔纳森・陈（Jonathan Chen）去年在《NPJ 数字医学》（NPJ Digital Medicine）杂志上撰文指出，电子健康记录曾被视为减少医疗错误和提高效率的一种方式，但后来却增加了临床医生的管理负担和职业倦怠感。他们呼吁谨慎行事，避免在人工智能开发的工具上重蹈覆辙。

设计不佳的界面会扰乱工作流程，让临床医生感到沮丧，而信息过载、警报疲劳以及电子健康记录系统的复杂性则会导致漏诊和医疗效率低下。大量的数据录入要求也会占用患者护理时间，导致医生疲惫不堪。

"虽然这些技术在特定情况下可能有助于防止错误，但它们的广泛使用却在无意中损害了患者安全，而这恰恰是它们本应改善的方面。" 他们写道。

虽然一些人认为将人工智能驱动的工具集成到电子健康记录中是实现电子健康记录预期效益的途径，但作者表示，需要以用户为中心进行设计、制定数据标准、根据用户反馈不断完善，并进行用户培训。

埃拉德说，医生对基于人工智能的建议接受程度如何，取决于这些建议是否在就诊的合适时机提供了相关信息。过早或过晚发出的警报，或者在进行无关任务时发出的警报，都会导致警报疲劳。

他说，医疗保健提供者需要确保人工智能开发的模型是在合适的人群上进行训练的，并且在设计上要尽量减少 "幻觉" 的可能性。西达赛奈医学中心已经为医生、护士、实验室工作人员和运营人员成立了人工智能委员会，他还指出，临床医生仍然对患者护理的任何决策拥有最终决定权。

"虽然我们对此感到非常兴奋，但我们也必须保持警惕，要像对待任何新技术一样，对人工智能进行严格的测试。" 埃拉德说。

打赏