数十年来，医疗工作者一直被要求记录患者护理情况，以追求更好的成果和更多创新，但这导致行政负担加重，以患者为中心的护理减少。
人工智能（AI）可以通过打造端到端解决方案，弥合文档记录与成果之间的鸿沟，从而变革医疗保健。
我们必须确保这些工具安全、公平且广泛可用，以便为所有人提供更好、质量更高的护理。
100多年前，梅奥诊所的工作人员为医疗保健提出了一个简单而具有变革意义的构想：建立统一的健康档案，每位患者的健康信息都将由整个护理团队存储、访问和更新。这一构想很快被证明对于我们理解卓越的医疗保健至关重要——获取高质量数据和完整记录，意味着为该患者提供更好的护理，同时也为惠及未来患者的突破性研究和方法奠定基础。
过去30年间，电子健康档案（EHR）增强了我们获取数据和记录信息的能力。据估计，单家医院每年产生50 PB的数据，相当于170年的高清视频片段。负责采集、记录和处理这些数据的医疗专业人员一直在努力应对日益加重的行政负担。一项研究发现，医生每天多达一半的工作时间，此外每月还需额外花费28个非工作时间处理电子健康档案相关任务。另外两份报告显示，2021年，60%的医生报告至少出现一种职业倦怠症状，并且70%的电子健康档案用户报告存在工作压力，源于使用医疗信息技术。
我们预计，随着基因组及其他组学数据的加入，医疗领域的数据量将呈指数级增长。我们已经看到系统正处于临界点：医护人员被迫以某种速度、格式和结构记录和收集更多数据，而这不但无助于改善护理和推动突破，反而可能抑制护理与创新。
优化生成式人工智能以提升医疗保健水平
近年来，研究人员、医生和医疗服务提供者已开始开发和使用基于大型数据集训练的预测性人工智能工具，以悄然变革医疗保健。这正在带来更好的患者护理、更好的医护人员体验，以及整个行业更多的创新和更广泛的可及性。预测性人工智能工具正在帮助梅奥诊所及全球各地的医护人员更早诊断疾病、实现个性化护理并改善成果。
去年夏天，欧盟宣布投资2.2亿欧元用于人工智能解决方案，其中部分资金用于医疗人工智能。在巴西，医生正在使用人工智能快速检测CT图像中的细微变化，从而更早地诊断癌症并改善成果。卢旺达的医疗科技初创企业正在利用人工智能改善供应链管理，确保患者和医疗服务提供者获得所需的基本资源。韩国卫生部已出台新政策，以加快创新医疗设备的研发，包括采用人工智能的医疗设备。对于医生与患者比例严重偏低的国家，人工智能工具有望为数百万有需要的人群提供挽救生命的护理和专业知识。
世界经济论坛为改善医疗保健体系做了哪些工作？
健康与医疗中心汇聚各界领导者，共同厘清全球卫生体系面临的挑战，包括可及性、公平性、韧性和防范准备。
通过可信赖的对话以及公私合作，该中心助力合作伙伴围绕共同优先事项达成一致，并推动集体行动，以改善健康成果。
自2022年11月ChatGPT问世以来，包括大型语言模型（LLM）在内的生成式人工智能工具，进一步激发了包括医疗保健在内的众多数据密集型领域重新思考其协作、创新和解决问题的方式。大型语言模型擅长总结和分析海量数据，并生成条理清晰的文本，目前已在医疗行业迅速部署。
仅一年时间里，我们和许多医疗服务提供者已使用大型语言模型来简化并自动化行政文档工作，起草患者信息，总结就诊记录，并检测可能被遗漏或不准确的诊断。在发表于Mayo Clinic Proceedings的一项研究中，外科医生使用大型语言模型在五秒钟内撰写出符合临床指南的高质量记录，而人工撰写则需要七分钟。这一速度快了84倍，且输出质量令患者及其医生满意。
生成式人工智能和大型语言模型在医疗领域的创新与应用速度，显示了生成式人工智能在医疗保健领域的巨大潜力，包括从影像和基因组学中获取更深入的洞察。然而，这也凸显了迫切需要一项全面战略，以确保能够弥合数据、医疗服务提供者与患者之间鸿沟的解决方案得到安全、经过验证、有效且一体化的应用。
运用生成式人工智能和大型语言模型，开创医疗保健的变革性未来
随着医疗行业持续创新，并在各领域部署新型生成式人工智能工具，研究机构、医疗组织和政府机构必须在以下四个主要领域推进工作：
1. 可信人工智能和大型语言模型的规则
医疗保健是一个建立在患者与医疗服务提供者之间信任基础上的行业。没有这种信任，即使是最具创新性的工具也难以发挥其应有的潜在影响。生成式人工智能和大型语言模型的优势已有充分记录，但其制造错误信息、虚假信息或编造答案的能力同样有充分记录。要充分利用大型语言模型和其他人工智能工具，医疗组织、技术创新者、研究机构和政府机构必须协作，共同制定可信、合乎伦理且公平的人工智能工具共同标准，使其适用于每一位患者。诸如健康人工智能联盟等组织已为开发和使用这些变革性工具制定了初步指导方针，包括《可信人工智能蓝图》。健康人工智能联盟已为开发和使用这些变革性工具制定了初步指导方针，包括《可信人工智能蓝图》。
2. 自动化
通过将大型语言模型生成条理清晰文本的能力与环境监听和自然语言处理等其他技术相结合，我们可以卸下机械或繁琐的任务，并通过从患者就诊过程中移除键盘和屏幕等侵入性技术，加强患者与其护理团队之间的关系。自动化常规任务，使医疗工作者能够专注于以患者为先。
3. 为医疗服务提供者提供“第二意见”
为提供高质量护理，医生和其他医疗专业人员必须在每位患者的电子健康档案中梳理复杂的信息网络。专门基于临床数据、记录和分析训练的生成式人工智能，可作为医生精简的“第二意见”来源，即时分析健康档案，提示任何可能的替代诊断或遗漏信息，同时突出护理团队需关注的其他关键信息。这种面向医生和其他医疗专业人员的虚拟助手，有望提升医疗质量、减少差错，并通过更快得出正确的诊断和治疗方案，为患者及其护理团队节省宝贵时间。
4. 生成式人工智能作为面向全球的专家医疗资源
大型语言模型等人工智能工具有望消除时间和距离所造成的获取高质量医疗保健的障碍。具体而言，基于领先医疗服务提供者的专业知识训练、并由数十年纵向临床数据驱动的生成式人工智能工具，可使世界一流、高度复杂的护理和专业知识方便地惠及全球各地的人们。
人工智能工具将如何重塑和变革医疗保健，我们才刚刚开始探索，尤其是在快速发展的生成式人工智能领域。然而，我们必须认识到，仅靠任何单一的人工智能工具或技术，都不足以解决全球医疗保健面临的结构性低效和不公平问题。要利用这些变革性工具，我们必须在动态的护理平台模式框架内开发它们，以安全、去标识化的数据为核心，并辅以为此设计的创新型物理基础设施，这将推动创新工具的开发，并将此类工具及高质量护理扩展至数百万有需要的人群。
