醫療保健領域的生成式人工智能：示例、優勢、用例

OpenAI 的 ChatGPT 的廣泛流行引發了一場將生成式人工智能融入工業應用程序的競賽。 醫療保健是這方面的領軍者之一。

麥肯錫公司表示，醫療保健領域的生成式人工智能可以通過自動化容易出錯的工作、在幾秒鐘內向臨床醫生提供大量數據以及實現醫療基礎設施現代化，幫助釋放該行業未實現的1 萬億美元的潛在改進。

醫療保健領域的生成式人工智能示例

儘管醫療保健企業多年來一直在使用人工智能技術——不良事件預測、手術室調度優化以及連接患者數據以推動更好的結果只是三個例子——但醫療保健領域的人工智能有望為該行業帶來更深層次的變革。

以下是人工智能在醫療保健領域的一些最新示例：

• Amazon Web Services (AWS)在 7 月推出了一項名為 AWS HealthScribe 的服務，該服務使用語音識別和生成式 AI，通過生成臨床文檔來節省臨床醫生的時間。
• 據《華爾街日報》報導，谷歌正在 May Clinic 和其他醫院測試名為 Med-PaLM 2 的醫療聊天機器人技術。 Med-PaLM 2 基於 Google 自己的會話生成式 AI 聊天機器人 Bard 所基於的大語言模型 (LLM) 技術，旨在更準確、更安全地回答醫學問題。
• 微軟是 OpenAI（ChatGPT 背後的公司）的主要投資者之一，正在與 Epic Systems 合作，將生成式人工智能技術集成到其電子健康記錄 (EHR) 中。 微軟的 Nuance Communications 子公司還宣布了一款全自動臨床文檔應用程序，它將對話式和環境 AI 與 GPT-4（支持 ChatGPT 的 LLM 最新版本）相結合。

全球 83% 最具創新性的醫療保健公司都運行 SAP 解決方案。

在數據最密集的行業之一利用數據

醫療保健行業是一個保守的行業，也是最後接受新技術的行業之一，見證其如此強大的吸引力是了不起的。 當我們考慮到健康保險流通責任法案 (HIPAA) 等嚴格的隱私法規如何阻礙數據共享時，情況尤其如此。

然而，醫療保健也是數據最密集的行業之一。

據說，醫院平均每年產生約 50 PB 的數據，總計約 12.5 萬億份欽定本聖經的數字副本。 此外，據報導，醫療保健領域生成的數據量每年以 47% 的速度增長，這對於任何行業來說都是一個重大的增長。

所有這些數據都必須由某人記錄，這需要相當長的時間。 其中很多對於提高醫療機構的效率以及為有需要的患者提供及時的醫療信息和建議非常有用。

然而，充分利用這些數據幾乎是不可能的，因為人類和舊技術無法處理太多數據。

這就是人工智能發揮作用的地方。 通過依靠深度學習算法創建新的文本、音頻、代碼和其他內容，它可以針對隱私進行優化，然後套索大量非結構化醫療信息，以節省時間和金錢，同時釋放無限的業務和臨床可能性。

醫療保健患者參與：想像一個更美好、更大膽的未來

在美國，支付者和提供者醫療保健公司都面臨著無數嚴峻、緊迫的挑戰。 準備好了嗎？

個性化醫療、更快的診斷等等

IDC Health Insights 分析師 Lynne Dunbrack 表示，醫療保健組織看到了這種潛力，這也是 64.8% 的醫療保健組織正在探索生成式 AI 場景、34.9% 的組織已經對其進行投資的原因之一。

“需要技術來解決關鍵優先事項，例如增強患者體驗、改善人口健康和降低成本，”鄧布拉克說。

更具體地說，分析師表示，生成式人工智能可能成為解決醫療保健行業許多常見需求的組成部分，包括：

1. 個性化醫療：生成式人工智能可以匯總和分析大量患者數據，以提供量身定制的藥物和治療建議，以增強治療效果。
2. 醫學影像分析：法學碩士還擅長解讀醫學圖像，例如 MRI、CT 掃描和 X 射線。 自動化圖像分析可以讓臨床醫生更快、更準確地發現問題，從而改善診斷和整體護理。
3. 臨床記錄： AWS 的 HealthScribe 等一系列工具可能會尋求解決醫生時間太有限，無法對患者就診記錄正確、詳細的記錄，然後將其輸入 EHR 的老問題。 人工智能工具可以通過使用語音識別和深度學習來快速有效地自動化這些過程，從而減輕這種麻煩。
4. 藥物發現和開發：生成式人工智能還可以通過模擬分子相互作用和預測可能的候選藥物來加速藥物發現。 它還被用來加快藥品監管審批。 例如，Insilico Medicine表示，它不僅使用自己的人工智能平台來發現特發性肺纖維化（一種呼吸系統疾病）的治療方法，而且還將其應用到臨床前藥物發現過程的每一步。 Insilico 表示，通過傳統方法實現這一目標通常需要花費超過 4 億美元，但它預計通過生成式人工智能只需花費十分之一左右的成本即可實現這一目標。
5. 虛擬健康助理：許多首批用於醫療保健的生成式人工智能聊天機器人將專注於每天 24 小時更高效地為患者問題提供更快、更好的答案。 例如，北卡羅來納大學健康中心正在利用 Epic 的生成人工智能工具來幫助負擔過重的臨床醫生應對海量的信息。
6. 簡化保險索賠：生成式人工智能還可以通過自動提取和處理患者記錄來幫助簡化患者的醫療保險索賠（或醫生辦公室的預授權請求），從而減輕呼叫中心人員的壓力。 此外，它還可以幫助加快對索賠的考慮，同時通過檢測可疑模式和異常來識別潛在的欺詐性提交。

儘管有很多早期的炒作，但生成式人工智能作為一項技術仍處於起步階段，因此無法預測當前對醫療保健的關注是否會持續下去。 但有一點是明確的：隨著數十億美元被注入該領域，這一趨勢不會很快滯後。