【CMT&CHTV 文獻精粹】

導語：作為2024年服貿會重要組成部分之一，國家衛生健康委員會百姓健康頻道(CHTV))定於9月13日在京舉辦“2024首都國際醫學大會的平行論壇——數智醫療與醫學人工智能創新論壇”，CHTV&醫學論壇網將為您帶來AI賦能醫療的係列報道，今天我們就來聊一聊電子病曆中的發展與革新。

在繁忙的診室裏，我常常回想起那些翻閱厚重病曆本的日子。如今，隨著AI技術的融入，電子病曆不僅數字化了，更智慧化、規範化，極大地提升了我們臨床工作的效率和質量。正如我們在這篇文章裏讀到的——AI在醫療領域的應用正開啟一個全新的數智醫療時代。

01

AI在醫療領域的應用亮點：電子病曆的智能化轉型

隨著人工智能技術的飛速發展，其在醫療領域的應用正逐漸從輔助工具轉變為革新力量。最近，Npj Digital Medicine的主編Joseph C. Kveda與兩名同事共同發表了題為“Generative AI and Large Language Models in Health Care: Pathways to Implementation”的述評文章。Kveda博士和同事們深入探討了AI在電子病曆領域的應用前景，並回顧了AI在模擬人類對話方麵的進展，其中，作者們還特別關注了其在電子電子病曆(EMR)數據上的應用潛力與挑戰。

作者們指出，在電子病曆的數字化轉型過程中，數據量的激增與管理效率的提升構成了雙重需求。生成性AI(Generative AI)和大型語言模型(LLMs)的引入，為這一轉型提供了新的解決方案。這些技術通過學習大量數據，模擬人類對話，已在醫療谘詢、病例撰寫甚至醫學考試中展現出潛力。然而，盡管AI在電子病曆中的應用前景廣闊，但目前的研究和應用仍處於起步階段，麵臨數據隱私保護、模型泛化能力不足等挑戰。

此外，作者們還提出了一個係統性的評估框架，旨在指導未來AI模型的開發與實施。該框架包括預測性能、數據標注、模型部署等多個維度，為醫療係統選擇和評估AI模型提供了科學依據。文章通過這一框架，展示了AI技術在電子病曆領域的應用潛力，並針對當前研究和實踐中的挑戰提出了解決策略。

02

從數據模擬到臨床決策：AI預測性能的精準度量

預測性能：AI模型準確性的關鍵指標

在電子病曆的智能化轉型中，預測性能是衡量AI模型有效性的核心指標。Raza等人通過深入分析84種基礎模型，揭示了AI在提高醫療預測準確性方麵的潛力。這些模型經過大量臨床結構化文本數據的訓練，能夠提供更為精確的預測結果。然而，模型的泛化能力受限，多數模型僅在單一或小型數據庫上訓練，限製了其在多樣化醫療環境中的適用性。

數據標注與模型部署：簡化AI模型應用的關鍵路徑

數據標注是AI模型訓練的基礎，但同時也是資源消耗的重要環節。文章中提出，通過減少訓練數據的需求，可以顯著降低模型部署的成本和時間。這不僅簡化了模型的實施過程，也為醫療係統快速采納AI技術提供了可能(表1)。簡化模型部署還涉及到減少臨床使用前的技術培訓和支持需求，進一步降低了AI技術的門檻。

表1 生成性AI模型評估清單

微軟與Epic EHR的合作：AI在醫療自動化中的創新應用

微軟與Epic EHR的合作標誌著AI技術在醫療自動化中的創新應用。通過集成OpenAI服務，該合作致力於開發能夠自動草擬回複的係統，以應對患者常見的谘詢和問題。這一係統利用生成性AI的能力，不僅提高了醫生回複患者谘詢的效率，而且通過減少等待時間，顯著改善了患者的就醫體驗。這種自動化回複的功能，通過精準的語言模型，能夠理解患者的問題並提供及時、準確的反饋，從而減輕醫療工作者的負擔，使他們能夠專注於更複雜的醫療任務。

Oracle Cerner的Oracle Clinical Digital Assistant：多模態交互的前沿實踐

Oracle Cerner推出的Oracle Clinical Digital Assistant工具代表了AI技術在多模態交互領域的前沿實踐。該工具結合了語音和屏幕交互技術，在預約過程中自動化筆記記錄，並能夠提出行動建議，如藥物處方、實驗室檢查和後續預約安排。這種創新的交互方式不僅提高了電子病曆的準確性和完整性，還通過提供實時的臨床決策支持，增強了醫療服務的連貫性和個性化。Oracle Clinical Digital Assistant工具通過其先進的自然語言處理能力，能夠理解並回應醫生和患者的指令和問題，從而在臨床實踐中扮演了一個新的角色，為醫患溝通提供了一個更為高效和直觀的平台。

持續監管：確保AI技術安全有效的政策保障

隨著AI技術的快速發展，監管框架的更新變得尤為重要。文章強調，監管機構需要提供明確的指導原則，幫助醫療係統評估和選擇最合適的AI模型。這不僅涉及到技術安全性的評估，還包括數據隱私保護、模型透明度和公正性等多個方麵。持續的監管和政策指導是確保AI技術在醫療領域安全有效應用的關鍵。

03

討論

作者們指出，盡管AI在醫療領域的應用前景廣闊，但要實現其在臨床實踐中的廣泛應用，還需要解決包括模型泛化、數據隱私和監管框架在內的一係列挑戰。他們強調，為了使AI技術在醫療領域不僅僅是一時的熱潮，而能成為持久的實踐，需要明確的領導力、激勵機製和持續的監管。通過領導力推動模型的持續開發、驗證和實施，通過激勵機製促進技術的采納，以及通過監管確保技術的安全和有效性，AI在醫療領域的應用才能走上一條可行的實施路徑。

參考文獻

RAZA M M, VENKATESH K P, KVEDAR J C. Generative AI and large language models in health care: pathways to implementation[J]. NPJ Digit Med, 2024, 7(1): 62. DOI: 10.1038/s41746-023-00988-4.

編輯：梨九

二審：且行

三審：清揚

排版：半夏