|
安大略省医生努尔·哈提布博士表示，当病人第一次走进急诊室时，确定诊断、治疗方案以及他们可能需要什么才能安全回家可能是一个难题。 Khatib 在 Oak Valley Health 的 Markham Stouffville 和 Uxbridge 医院的急诊室工作，和许多其他医生一样，他们越来越依赖人工智能来提高这一过程的效率。 “这只是帮助我们为患者提供尽可能最高质量护理的另一个工具，”她说。 周四发表在《科学》杂志上的一项新研究可能是朝着这个目标迈出的又一步。 该研究考察了大型语言模型（LLM）在急诊室的表现，该模型可以分析大量在线信息以生成类似人类的反应。研究发现，法学硕士可以像真正的医生一样诊断病例，甚至更好。 但即使技术不断发展，哈提卜和其他医生（包括这项研究的作者）也坚持认为，计算机不会取代训练有素的紧急医疗专业人员的眼睛、耳朵和技能。 人工智能如何应用于急诊室？卡提布已经与人工智能抄写员合作，记录医生和患者之间的交流并创建详细的医疗记录。这是橡树谷健康中心的一个试点项目，并在患者事先同意的情况下完成。 她说，医院还在探索使用人工智能进行自我安排，以及可以帮助患者更好地了解特定疾病的聊天机器人。
最近研究中使用的法学硕士是一种称为推理模型的特殊类型，经过训练，可以通过在给出最终答案之前解释其思维来解决复杂的任务。该研究的主要作者、波士顿贝斯以色列女执事医疗中心的医生亚当·罗德曼博士表示，这种情况在美国医院已经变得“司空见惯”。 “推理模型与标准的大语言模型不同，因为它被指示大声思考，像人类一样解决问题，”他告诉 CBC 新闻。 他说，当你观察这些“推理者”如何做出诊断时，就会发现这与医生解决问题所采取的步骤类似。 “让模型以这种方式思考，”他说，“它提高了诊断的准确性。”  人工智能是如何经受考验的？研究人员利用急诊科记录中的“非结构化”数据，对真实患者病例和合成病例进行了多项试验，试图“反映医生和护士在急诊室做出的高风险决策”。 他们在波士顿急诊室的三个患者交互点使用了 OpenAI 的 o1-preview 模型：初始分诊、急诊室医生检查以及进入医疗楼层或重症监护室。该研究仅依赖于数据。所有测试均不涉及实际的医患互动，对真实的诊断或治疗没有影响。 罗德曼表示，根据真实的患者病例，模型在每个阶段都会被问到一组非常狭窄的问题，重点关注症状的表现，以得出“最有可能”的诊断。  早间版 - K-W6:45一位新的人工智能助理即将来到医生办公室他解释说，在综合案例中，该工具还被询问其输出的原因以及患者管理的后续步骤。 总体而言，罗德曼的研究发现，该模型确定了准确或非常接近的诊断，有时超过了参与试验每个护理阶段的医生的表现。 罗德曼说：“这并不意味着计算机可以做医学，但在这个狭窄的任务中，它可以比人类更好地解决诊断问题。”  这对医生和患者意味着什么？多伦多圣迈克尔医院的内科医生兼科学家 Amol Verma 博士看到人工智能工具在回答医疗问题和诊断患者病例方面已经变得多么出色。 但他表示，说他们“比医生更好”是一种“错误的比较”。 “我认识的医生中没有一个是纯粹根据文本信息做出所有决定的，”他说。 他说，通过体检——一个人的外表、声音和感觉——来形成诊断。 卡提布对此表示赞同，并举了她最近治疗的一名急诊室病人的例子。 她说，在分诊过程中从患者那里获得的信息提供了与现有疾病相关的症状的详细信息。
但当她用听诊器听时，她对病人病情的理解发生了变化——这是人工智能无法做到的。 她说，它也不会为急诊室的病人插管或给受伤的肢体打石膏。  仍然存在哪些挑战和担忧？罗德曼承认他的研究存在局限性，需要做更多的工作来了解人类和机器如何在紧急医疗环境中有效协作。 但他认为这只是第一步，尽管需要进行更“稳健”的研究临床试验以确保现实世界的有效性和安全性。 Verma 不仅希望看到推理模型在 ER 中的进一步评估，而且还希望在加拿大环境中得到进一步评估。 OpenAI 是一家美国公司——他说他对患者信息隐私感到担忧——这项研究依赖于一个在很大程度上私有化的医疗保健系统中根据美国数据训练的模型。
“这可能不适用于加拿大的情况，”他说。 尽管这项研究有助于证明推理模型可以有效地诊断急诊患者，但在某些情况下，哈提布表示，在医院环境中对人工智能的所有探索都必须负责任地进行，并且必须由合适的人安全、可靠和准确地使用它。 “我们通过把护栏放在第一位来应对人工智能，”她说。 “我们并不是首先追逐人工智能的头条新闻。”  来源链接：https://www.cbc.ca/news/health/artificial-intelligence-emergency-rooms-9.7181509 |
