全部商品分類
當(dāng) ＡＩ 醫(yī)生開始精準(zhǔn)預(yù)判手術(shù)風(fēng)險(xiǎn)，當(dāng)ＡＩ輔助診斷系統(tǒng)對(duì)肺結(jié)節(jié)、乳腺癌等微小病變的檢出率超過９０％、當(dāng)數(shù)字孿生重構(gòu)診療全流程，醫(yī)療行業(yè)正在經(jīng)歷一場(chǎng)由ＡＩ技術(shù)驅(qū)動(dòng)的范式變革。
５月１４日，復(fù)旦大學(xué)附屬中山醫(yī)院信智部主任助理、規(guī)劃與管理中心主任錢琨作客健康界「ＡＩ ＋ 醫(yī)療創(chuàng)新應(yīng)用大講堂」直播間，為大家?guī)硪粓?chǎng)「綜合類國家醫(yī)學(xué)中心數(shù)智化運(yùn)營(yíng)管理新實(shí)踐」。她深耕計(jì)算與臨床融合創(chuàng)新十余年，目前致力于協(xié)助院長(zhǎng)推進(jìn)數(shù)智化轉(zhuǎn)型的規(guī)劃、管理和運(yùn)營(yíng)。在與健康界主持人鄭宇鈞的對(duì)談中，錢琨詳細(xì)分享了中山醫(yī)院在「ＡＩ醫(yī)生與未來醫(yī)療」方面的前沿探索。
本文精選了直播中的部分內(nèi)容，供廣大同仁交流探討，歡迎大家在評(píng)論區(qū)留言分享看法。
龍頭科室如何運(yùn)用 ＡＩ
質(zhì)控實(shí)現(xiàn)整體診療過程閉環(huán)？
聚焦醫(yī)療行業(yè)，ＤｅｅｐＳｅｅｋ、Ｑｗｅｎ等先進(jìn)的推理類基模型在進(jìn)行醫(yī)療垂域訓(xùn)練后，往往具備更強(qiáng)的醫(yī)療復(fù)雜任務(wù)理解和推理功能，其交互、理解能力非常適用于提升醫(yī)患溝通的準(zhǔn)確性、安全性，有望改善患者服務(wù)體驗(yàn)、提升醫(yī)療服務(wù)質(zhì)量。
中山醫(yī)院通過開發(fā)「ＡＩ醫(yī)健助手」實(shí)現(xiàn)了此構(gòu)想，這是一款全場(chǎng)景全人群智能醫(yī)療咨詢助手。應(yīng)用場(chǎng)景覆蓋了體檢、門診、住院，可針對(duì)健康人群、輕癥人群、疑難危重疾病人群，可用于健康咨詢、診療咨詢、就醫(yī)流程咨詢等服務(wù)。
該院以病區(qū)圍術(shù)期咨詢問答作為試點(diǎn)。在臨床實(shí)踐中，圍手術(shù)期術(shù)前患者咨詢工作存在流程繁瑣的問題。患者因顧慮重復(fù)提問造成溝通負(fù)擔(dān)，而醫(yī)生、護(hù)士需反復(fù)解答同質(zhì)化問題，占用大量工作時(shí)間。
基于此，智能問答機(jī)器人成為理想的解決方案，既能釋放高年資醫(yī)護(hù)人員的時(shí)間和精力，使其聚焦核心診療工作，又能通過推送專病科普文章，提升患者健康管理意識(shí)。
在該應(yīng)用場(chǎng)景試點(diǎn)過程中，通過對(duì)技術(shù)框架進(jìn)行優(yōu)化完善，顯著提升了安全問答的精確度，測(cè)試數(shù)據(jù)集表現(xiàn)從７３％提升至９４％，語音問答準(zhǔn)確率提升８％，知識(shí)命中準(zhǔn)確率９５％。
該院在胃癌病區(qū)開展元宇宙技術(shù)應(yīng)用測(cè)試，其中數(shù)字人透明屏引發(fā)患者廣泛關(guān)注。患者不僅對(duì)其操作方式充滿好奇，還關(guān)注知識(shí)庫的更新情況。測(cè)試數(shù)據(jù)顯示，無人力推廣情況下，每周３０％－５０％病區(qū)患者主動(dòng)使用、交流推薦。這為構(gòu)建元宇宙環(huán)境下的可靠問答體系、實(shí)現(xiàn)線上服務(wù)閉環(huán)，提供了有力支撐。
「ＡＩ醫(yī)健助手」既是患者的好幫手，也是醫(yī)生的好助手。據(jù)介紹，該院在龍頭科室的肝膽腫瘤和肝移植外科，研發(fā)了腫瘤整體診療過程閉環(huán)的 ＡＩ 質(zhì)控軟件。該軟件涵蓋診療前基礎(chǔ)評(píng)估、腫瘤分期分析、治療方案推薦、術(shù)前評(píng)估以及治療后用藥提醒等全流程。
圖 ｜ ＡＩ提升決策和質(zhì)控效率
比如說，該軟件能準(zhǔn)確、高效幫助醫(yī)生完成分級(jí)分期評(píng)估。以「肝功能Ｃｈｉｌｄ－Ｐｕｇｈ分級(jí)ＡＩ評(píng)估」為例，通過人工查閱→分析→計(jì)算結(jié)果流程，評(píng)估一份病例需要約２～６分鐘；而通過ＡＩ輔助，系統(tǒng)進(jìn)行核對(duì)細(xì)項(xiàng)→確認(rèn)結(jié)果，１分鐘內(nèi)即可評(píng)估一份病例，評(píng)估時(shí)間提升了３００％，且統(tǒng)計(jì)案例內(nèi)評(píng)估準(zhǔn)確率為１００％。
在病歷書寫環(huán)節(jié)，ＡＩ系統(tǒng)實(shí)時(shí)處理患者信息，當(dāng)發(fā)現(xiàn)需關(guān)注事項(xiàng)時(shí)，以小鈴鐺提示醫(yī)生。醫(yī)生點(diǎn)擊小鈴鐺，可在工作窗口查看簡(jiǎn)要內(nèi)容；點(diǎn)擊表單名稱，便能查看患者評(píng)分等詳細(xì)信息；后期還可回溯文書原始信息，針對(duì)影像學(xué)報(bào)告、肝性腦病評(píng)估、肝功能分級(jí)評(píng)估及治療方案等內(nèi)容，進(jìn)行查缺補(bǔ)漏，實(shí)現(xiàn)病歷書寫的全流程質(zhì)控。
針對(duì)三甲醫(yī)院普遍面臨的病歷書寫效率難題，在住院病區(qū)試點(diǎn)運(yùn)用大模型輔助書寫。以內(nèi)科住院病房為例，該技術(shù)顯著提升病例生成效果，效率提高了 ７０％，在科室內(nèi)引發(fā)積極測(cè)試熱潮。目前，正將這套成熟方法論快速推廣至全院各科室。
圖 ｜ 病史輔助生成、體檢報(bào)告輔助生成
在體檢報(bào)告生成方面，依托知識(shí)庫，既能輔助生成報(bào)告，又能幫助患者更好地理解體檢結(jié)果。這一功能極大節(jié)省了醫(yī)生解讀海量檢查數(shù)據(jù)的時(shí)間，使醫(yī)生能夠快速為患者提供總結(jié)性回復(fù)。
整體來看，不限于醫(yī)療業(yè)務(wù)和患者服務(wù)，中山醫(yī)院的數(shù)智化建設(shè)還涵蓋了醫(yī)院管理、醫(yī)學(xué)教學(xué)和醫(yī)學(xué)科研等。ＡＩ實(shí)踐大體可以總結(jié)為以患者為中心，以５Ｇ、人工智能等數(shù)字技術(shù)重構(gòu)人、服務(wù)、空間交互方式，建立基于智能診療的全程服務(wù)理念。
醫(yī)院數(shù)據(jù)治理應(yīng)該這么分層
為構(gòu)建堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，中山醫(yī)院以數(shù)據(jù)治理與匯總為核心，并構(gòu)建５大覆蓋同城節(jié)點(diǎn)算力基礎(chǔ)。依據(jù)數(shù)據(jù)類型與業(yè)務(wù)需求，對(duì)各節(jié)點(diǎn)進(jìn)行差異化功能定位，承擔(dān)多院區(qū)、多中心科研數(shù)據(jù)的匯總與處理任務(wù)，為科研協(xié)作與學(xué)術(shù)研究提供數(shù)據(jù)支撐。
依托這一數(shù)據(jù)平臺(tái)架構(gòu)，該院得以實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一管理與安全管控。在數(shù)字化時(shí)代，數(shù)據(jù)安全已成為關(guān)乎民生保障的重要領(lǐng)域，醫(yī)院嚴(yán)格遵循數(shù)據(jù)安全規(guī)范，通過完善的安全管理機(jī)制，切實(shí)保障患者隱私權(quán)及數(shù)據(jù)資產(chǎn)安全。在此基礎(chǔ)上，進(jìn)一步推進(jìn)數(shù)據(jù)匯聚整合，開展標(biāo)準(zhǔn)化、一致性的數(shù)據(jù)治理工作，確保數(shù)據(jù)質(zhì)量與可用性。
醫(yī)療大模型對(duì)數(shù)據(jù)質(zhì)量的要求已提升至新層級(jí)，早期大模型訓(xùn)練只需基于現(xiàn)有數(shù)據(jù)輸入即可，而當(dāng)前醫(yī)學(xué)大模型需精準(zhǔn)捕捉特定場(chǎng)景中有思維鏈的語料。這類數(shù)據(jù)在單一醫(yī)院內(nèi)普遍缺失，既需對(duì)存量數(shù)據(jù)進(jìn)行目標(biāo)性清洗，也需重新采集增量數(shù)據(jù)。
因此，無論是開展 ＡＩ 小模型單點(diǎn)測(cè)試，還是訓(xùn)練更精準(zhǔn)的專科大模型，高質(zhì)量數(shù)據(jù)的清洗與采集均存在巨大發(fā)展空間。依托中國龐大的患者基數(shù)與醫(yī)生群體的實(shí)踐積累，相信未來完全有條件積累全球罕見的數(shù)據(jù)體量與質(zhì)量，為醫(yī)學(xué)科研前沿突破提供獨(dú)特優(yōu)勢(shì)。
醫(yī)院的數(shù)據(jù)治理分為三層：
第一層是整體范圍的結(jié)構(gòu)化、標(biāo)準(zhǔn)化，對(duì)數(shù)據(jù)的空項(xiàng)、漏項(xiàng)進(jìn)行對(duì)齊和補(bǔ)齊；
第二層針對(duì)特定的病種類別或者業(yè)務(wù)場(chǎng)景，在較小范圍內(nèi)，基于相應(yīng)場(chǎng)景進(jìn)行數(shù)據(jù)清理工作；
第三層則是精細(xì)化操作，針對(duì)特定的隊(duì)列以及科學(xué)研究的專項(xiàng)課題，實(shí)施更為細(xì)致的治理工作。
通過數(shù)據(jù)治理，切實(shí)將「從點(diǎn)到面」的理念付諸實(shí)踐。基于全流程覆蓋的服務(wù)模式，在統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)框架下，實(shí)現(xiàn)了不同算法功能的靈活集成與應(yīng)用。
以門診場(chǎng)景為例，通過該模式，醫(yī)院能夠解決多個(gè)關(guān)鍵問題：
一是優(yōu)化患者就診過程中，不同算法推送的無縫銜接機(jī)制，實(shí)現(xiàn)個(gè)性化體檢路徑的精準(zhǔn)指導(dǎo)；
二是完善患者門診結(jié)束返家后的健康管理，借助數(shù)字人技術(shù)，為其提供用藥推薦與關(guān)懷服務(wù)。
這些功能均依托統(tǒng)一平臺(tái)，以即插即用服務(wù)的形式實(shí)現(xiàn)，確保各項(xiàng)服務(wù)能夠根據(jù)實(shí)際需求靈活部署與調(diào)整。
如何應(yīng)對(duì)大模型幻覺？
關(guān)于大模型「幻覺」的問題必須重點(diǎn)關(guān)注。大模型正越來越多為臨床診斷提供支持與輔助，但大模型會(huì)出現(xiàn)幻覺，胡言亂語，甚至編造假數(shù)據(jù)。根據(jù)Ｖｅｃｔａｒａ的測(cè)試，ＤｅｅｐＳｅｅｋ－Ｒ１的幻覺率為１４．３％。
一位醫(yī)生曾透露，根據(jù)病人的診斷記錄，大模型能利用算法和邏輯推理出一段病理數(shù)據(jù)，完全看不出來是假的，甚至高年資的醫(yī)生也無法分辨出真假。
如果大模型給出錯(cuò)誤建議，應(yīng)該如何應(yīng)對(duì)、最大程度降低因「幻覺」帶來錯(cuò)誤診斷的風(fēng)險(xiǎn)？錢琨告訴健康界，在大模型訓(xùn)練過程中，中山醫(yī)院有一套應(yīng)對(duì)大模型幻覺問題的方法論。
首先，要知道，當(dāng)大模型生成的診斷判決一旦與患者溝通并傳遞，就無法再消除其影響。因?yàn)樵撆袥Q已進(jìn)入患者的認(rèn)知體系，形成特定的知識(shí)理念。因此，中山醫(yī)院所有工作的核心，在于避免在缺乏完整安全架構(gòu)的情況下使用「裸奔」的大模型。
ＡＩ 安全是使用大模型工具的首要前提。一定要認(rèn)識(shí)到，當(dāng)前，大模型存在「幻覺」問題，且這一問題愈發(fā)凸顯，它能構(gòu)建看似嚴(yán)密的思維鏈條，將自身漏洞巧妙隱藏，使錯(cuò)誤判斷更難被察覺，極大增加了識(shí)別其錯(cuò)誤的難度。
第二個(gè)邏輯在于對(duì)醫(yī)學(xué)知識(shí)正誤的識(shí)別。從技術(shù)層面來說，許多醫(yī)學(xué)知識(shí)的正確與否，并非簡(jiǎn)單的二元對(duì)立，難以用絕對(duì)的「對(duì)」與「錯(cuò)」進(jìn)行界定。當(dāng)缺乏足夠的數(shù)據(jù)積累和專業(yè)知識(shí)訓(xùn)練時(shí)，單一模型無法可靠地判斷知識(shí)的準(zhǔn)確性。
因此，采取「邊界約束」的策略：在既定知識(shí)范圍內(nèi)，模型可以向患者提供相應(yīng)解答；一旦超出預(yù)定義的知識(shí)體系，則立即攔截，將服務(wù)轉(zhuǎn)接至人工處理。這種機(jī)制在保證信息可信度的同時(shí)，也具備較高的技術(shù)可實(shí)現(xiàn)性，是目前較為理想的解決方案。
整個(gè)流程遵循的是「三步走」的策略：
第一步是完成醫(yī)學(xué)知識(shí)體系的掛載，搭建起基礎(chǔ)框架；
第二步則是利用當(dāng)下熱門的 ＡＩ 價(jià)值觀對(duì)齊技術(shù)，識(shí)別患者的真實(shí)意圖。這一步至關(guān)重要，因?yàn)樗軐?duì)患者提問進(jìn)行合規(guī)性與倫理審查，規(guī)避潛在的倫理風(fēng)險(xiǎn)，確保問題符合醫(yī)學(xué)規(guī)范；
第三步是在確認(rèn)患者問題合理合規(guī)后，進(jìn)入知識(shí)庫比對(duì)流程。通過自然語言處理技術(shù)，把問題與醫(yī)學(xué)知識(shí)庫進(jìn)行精準(zhǔn)匹配。由于知識(shí)庫已覆蓋絕大部分醫(yī)學(xué)知識(shí)，因此多數(shù)情況下，患者都能獲得基于知識(shí)庫核對(duì)的準(zhǔn)確問答。
但對(duì)于罕見或復(fù)雜問題，即便擁有海量知識(shí)庫，也難以完全滿足患者需求。此時(shí)系統(tǒng)將自動(dòng)攔截此類問題，并采取審慎處理措施：或轉(zhuǎn)接至人工醫(yī)學(xué)團(tuán)隊(duì)解答，或建議患者前往線下醫(yī)療機(jī)構(gòu)尋求專業(yè)診斷等等。
「拿著錘子找釘子」
易造成理解錯(cuò)配
目前，在大模型落地醫(yī)院的應(yīng)用場(chǎng)景中，更大的難點(diǎn)是流程改造還是技術(shù)適配？這是大家非常關(guān)心的一個(gè)問題。基于多年的實(shí)踐，錢琨提出了一些對(duì)于ＡＩ大模型落地過程中流程改造以及技術(shù)適配的個(gè)人看法。
她指出，從醫(yī)療體系內(nèi)部看，醫(yī)療流程已經(jīng)形成了規(guī)范，這些流程是歷經(jīng)數(shù)十年形成的規(guī)范，有其內(nèi)在合理性，所以改造難度比較高。不過，當(dāng)前客觀存在的最大挑戰(zhàn)其實(shí)在于技術(shù)適配。
作為交叉學(xué)科參與者，雖沒覺得學(xué)科碰撞存在很大難點(diǎn)，但在對(duì)接新技術(shù)人員與臨床人員時(shí)，常因認(rèn)知差異導(dǎo)致溝通障礙。許多創(chuàng)業(yè)者（如高校研究員）帶著先進(jìn)技術(shù)為醫(yī)院解決問題，這種初衷值得肯定，但需警惕「拿著錘子找釘子」的思維，可能更關(guān)注最大化技術(shù)的使用度。
部分團(tuán)隊(duì)可能過度迷信技術(shù)優(yōu)勢(shì)，而忽視對(duì)臨床需求的深度理解，誤以為僅憑技術(shù)就能快速攻克醫(yī)療難題。
醫(yī)療流程改造的復(fù)雜性不在于其執(zhí)行難度，更源于體系的龐大性。這主要是因?yàn)槿祟惣膊∨c治療方案的多樣性，決定了醫(yī)療流程的復(fù)雜性與強(qiáng)規(guī)范性。而保障生命安全的核心價(jià)值，又使得醫(yī)療場(chǎng)景對(duì)新技術(shù)的應(yīng)用必須慎之又慎。
盡管如此，醫(yī)療流程并非完全不可調(diào)整，當(dāng)技術(shù)能無縫嵌入工作流中，且其帶來的效率提升與安全性優(yōu)勢(shì)顯著超越潛在風(fēng)險(xiǎn)時(shí)，多數(shù)醫(yī)療管理者與從業(yè)者仍會(huì)積極接納。這一過程的關(guān)鍵，在于技術(shù)與醫(yī)療規(guī)范的深度融合和適配，而非對(duì)現(xiàn)有體系的強(qiáng)行顛覆。
也因此，當(dāng)前技術(shù)與醫(yī)療場(chǎng)景的匹配面臨的核心挑戰(zhàn)，是技術(shù)人員往往難以快速理解醫(yī)療流程規(guī)范背后的整體邏輯。因?yàn)橐胬斫忉t(yī)療流程背后的邏輯，需要耗費(fèi)大量時(shí)間與精力。若僅以技術(shù)為導(dǎo)向 「找釘子」，極易因?qū)我粓?chǎng)景背后的工作流程與醫(yī)療風(fēng)險(xiǎn)認(rèn)知不足，導(dǎo)致理解錯(cuò)配、供需錯(cuò)配。
因此，錢琨表示，非常鼓勵(lì)研究人員在產(chǎn)品開發(fā)早期深入醫(yī)院一線，通過長(zhǎng)期駐點(diǎn)、觀察一線醫(yī)療人員決策的底層邏輯，精準(zhǔn)定位真實(shí)需求場(chǎng)景，避免因脫離臨床實(shí)際而陷入技術(shù)與需求的錯(cuò)配陷阱。
注：文章來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除
