在生成式人工智能和大型語言模型（LLM）取得突破性進展的推動下，醫(yī)療行業(yè)即將迎來一場技術變革，有望改變患者護理、醫(yī)療研究和行政效率。
行業(yè)領導者對生成式人工智能的技術進步，及其在重塑醫(yī)療服務和管理中的關鍵作用持樂觀態(tài)度。生成式人工智能技術依靠深度學習算法生成文本、音頻、代碼等新內容，可以獲取非結構化數據集，并對其進行分析，這對醫(yī)療業(yè)務而言是一個潛在突破：醫(yī)療業(yè)務中存在大量非結構化數據，如臨床筆記、診斷圖像、病歷和錄音等。正如人類依賴多種感官做出決策一樣，多模態(tài)人工智能將各種類型的數據和模型結合起來，生成更精確、更完整的見解和預測，反映出我們解釋世界的復雜方式。將生成式人工智能和LLM融入醫(yī)療領域可帶來許多益處和機遇：臨床決策支持系統(tǒng)主要依賴靜態(tài)規(guī)則和算法，可能無法考慮每位患者復雜而獨特的特征。生成式醫(yī)療人工智能可以根據患者數據、臨床指南和最佳實踐提供實時建議，幫助臨床醫(yī)生做出更明智的決策。這可以提高診斷的準確性，減少醫(yī)療失誤，改善患者的治療效果。一項發(fā)表在Medical Internet Research上的研究發(fā)現，ChatGPT在臨床決策（包括診斷和護理管理）中的準確率約為 72%，適用于初級和急診護理環(huán)境中的所有醫(yī)療?？?。研究評估了ChatGPT從最初的患者互動到整個護理過程的實用性，凸顯了其作為醫(yī)療輔助工具的潛力。研究分析了ChatGPT對36個標準化臨床案例的反應，考察了它在鑒別診斷、診斷檢測、最終診斷和管理方面的能力。雖然ChatGPT在最終診斷方面顯示出較高的準確率（77%），但在鑒別診斷（60%）和臨床管理決策（68%）方面的準確率較低。研究還注意到ChatGPT在各種醫(yī)療環(huán)境中的表現一致，而且在回答中沒有性別偏見。生成式人工智能有可能大大簡化臨床操作，減輕醫(yī)療人員的行政負擔。例如，生成式人工智能可實時自動生成出院摘要、護理協(xié)調說明和臨床醫(yī)囑，從而提高效率，減少人為錯誤。UNC Health與Epic和微軟合作，在Epic的電子健康記錄軟件中采用了一種名為DAX Copilot的人工智能生成工具，實現了患者檢查過程中臨床筆記的自動化。這一整合得益于微軟收購的Nuance Communications產品，將減少臨床醫(yī)生的文書工作量。在一項針對部分臨床醫(yī)生的試點研究中，該工具的優(yōu)勢包括：將記錄時間大幅減少50%，認知負擔減輕70%，以及增加每天接診的患者數量。這項研究的成功性使得基于AI的“抄寫技術”得到推廣。據悉，這是業(yè)界首創(chuàng)的集成技術，可為醫(yī)療文檔提供增強型對話式、環(huán)境式和生成式人工智能解決方案。LLM可以通過考慮每位患者的具體病史、遺傳信息和生活方式因素，幫助制定適合其的醫(yī)療計劃。通過匯總不同來源的數據，可以更全面地了解患者的健康狀況，從而做出更明智的決策。生成式人工智能還能幫助優(yōu)化患者的治療路徑，確定實現預期結果的最有效路徑。例如，如果患者患有某種疾病，生成式人工智能可以分析治療該疾病的最佳方法，并建議一系列最有可能取得積極療效的行動，包括從特定藥物到改變生活方式等一切措施。Healthinov Digital Twin的 Playground，使用生成式人工智能模型來組合和分析臨床信息，如臨床筆記、臨床結果、來自可穿戴設備的數據以及完整的基因檢測報告等原始數據?；谶@款產品的互動模型，患者可以更多地了解自己的健康狀況、治療效果以及可能的結果。除了基于患者數據建立數字孿生模型，生成式人工智能還能生成合成數據，用于模擬各種場景或情況，從而擴大分析范圍。而且，正如患者的健康狀況會隨著時間的推移而發(fā)生變化一樣，數字孿生也應通過使用FHIR，整合可穿戴設備和醫(yī)療服務提供商提供的最新臨床信息而不斷發(fā)展。生成式人工智能可以實時調整和生成新數據，使數字孿生不斷更新。通過生成式人工智能，可以模擬多種健康場景，從對藥物的反應到疾病的進展，從而洞察潛在的結果，并采取相應行動。數字孿生還為醫(yī)療保險計劃、制藥公司和醫(yī)療系統(tǒng)帶來了無限可能。醫(yī)療保險計劃可以利用數字孿生來制定更全面、更具成本效益的計劃。制藥和生命科學可以利用數字孿生更快、更高效地測試和開發(fā)新的治療方法和藥物。醫(yī)療系統(tǒng)可以利用數字孿生更好了解患者的需求，提供更好的醫(yī)療服務，并在問題出現之前預測潛在的問題。根據《人工智能對醫(yī)療保健支出的潛在影響》研究報告，在美國醫(yī)療保健系統(tǒng)中有效部署分析和自動化可大幅節(jié)省成本，估計可節(jié)省2,000億至3,600億美元。而且，這些節(jié)約不僅限于收入周期管理（RCM），還擴展到非臨床操作，如文檔、索賠、計費、日程安排等。顯然，在醫(yī)療保健領域利用生成式人工智能等技術前景廣闊。Change Healthcare最近的一項研究表明，到2023年底，幾乎所有的醫(yī)療保健領導者都希望在RCM中使用某種形式的人工智能。已經在醫(yī)療收入周期中使用人工智能的醫(yī)療機構，旨在加強從醫(yī)療編碼到支付方付款和現金流的整個收入周期管理，其正專注于某些流程的自動化，如資格驗證（72%）、患者付款估算（64%）、預先授權（68%）、付款金額/時間估算（62%）和拒絕管理（61%）。根據該報告，醫(yī)療保健領導者對在RCM中使用人工智能的滿意度因角色不同而有很大差異。RCM決策者的滿意度最高，有78%的人表示滿意。然而，只有25%的企業(yè)領導者和46%的IT領導者對人工智能在醫(yī)療收入循環(huán)中的應用表示滿意。生成式人工智能系統(tǒng)能夠以高精確度分析海量數據，最大限度地減少編碼錯誤，確保準確計費。通過自動化編碼流程和標記潛在差異，這些技術有助于更好遵循監(jiān)管標準，降低報銷被拒和報銷延遲的風險。這些解決方案加快了報銷申請的提交速度，實現了實時資格驗證，并提供了對潛在報銷問題的洞察力，從而加快了收入周期，增強了醫(yī)療服務提供商的現金流。通過人工智能驅動的分析，醫(yī)療機構可以定制財務互動和付款計劃，以滿足患者的特殊需求。生成式人工智能工具可以評估患者的財務數據，預測潛在的付款問題，并提供個性化的財務指導，提高患者滿意度，降低拖欠付款的可能性。通過利用預測分析，生成式人工智能可協(xié)助醫(yī)療服務提供商預測收入模式、識別潛在的財務挑戰(zhàn)并優(yōu)化收入流。這些洞察力有助于做出積極主動的決策，使醫(yī)療機構能夠實施最大化創(chuàng)收和最小化收入流失的戰(zhàn)略。憑借其提高準確性、簡化流程和提供有價值見解的能力，生成式人工智能有望在塑造醫(yī)療財務的未來方面發(fā)揮關鍵作用，為醫(yī)療服務提供者和患者營造一個更具可持續(xù)性彈性的醫(yī)療生態(tài)系統(tǒng)。生成式人工智能在藥物開發(fā)方面最有前途的應用之一是生成新的候選藥物。由于這些人工智能模型可以在科學家收集的現有藥物分子和生物數據的大型數據集上進行訓練，因此它們可以學習藥物發(fā)現和開發(fā)的基本模式和關系，并利用這些模式和關系加快將安全、有效的療法推向市場的進程。制藥行業(yè)中的生成式人工智能正在從炒作過渡到實際應用，有望徹底改變藥物發(fā)現、臨床試驗、監(jiān)管審批和市場營銷。根據麥肯錫全球研究院（MGI）的預測，這項技術每年可為制藥行業(yè)帶來600億至1100億美元的收益。制藥公司已經在利用人工智能理解疾病，AlphaFold2等工具在蛋白質結構預測方面取得了重大進展。在整個價值鏈中整合生成性人工智能可以大大加快研發(fā)過程、加強臨床開發(fā)并改進營銷策略。然而，要充分發(fā)揮人工智能的潛力，就必須克服行業(yè)特有的挑戰(zhàn)，如擴展人工智能解決方案和確保負責任的使用。人工智能在制藥業(yè)的成功，就像電力的變革性影響一樣，取決于戰(zhàn)略實施和解決運營障礙。生成式人工智能代表著醫(yī)療技術向前邁出的重要一步。隨著這些工具的不斷發(fā)展，它們與全球醫(yī)療系統(tǒng)的整合有望進一步提高效率、準確性和患者護理水平。醫(yī)療機構與微軟、谷歌等科技巨頭之間的合作對于推動這些創(chuàng)新至關重要，這也展示了人工智能在更好地改變醫(yī)療保健方面的潛力。然而，要將生成式人工智能和LLM融入醫(yī)療保健領域，需要在技術準備、治理和風險管理方面做好準備。各組織應投資提升員工的技能，使其了解人工智能技術并與之協(xié)同工作，包括數據管理、隱私問題和人工智能的道德使用方面的培訓。此外，升級IT基礎設施以支持LLM的計算需求也至關重要。建立健全的管理框架對于確保在醫(yī)療領域使用生成式人工智能符合監(jiān)管標準和道德原則至關重要，包括制定有關數據隱私、患者同意和人工智能驅動決策透明度的政策，識別和降低與生成式人工智能相關的風險，如解決人工智能算法中潛在偏差、確保患者數據安全、制定人工智能系統(tǒng)故障應急計劃等。
