從應用於臨床決策支援的大型語言模型 LLMs,到最尖端的醫療聊天機器人,健康照護正在為應用生成式 AI 鋪路。
文/David Talby·譯/潘得龍
過去一年來,關於生成式 AI 能做什麼、不能做什麼,以及不應該做什麼的新工具,一些號稱和想法不斷地出現。儘管如此,除了少數成功的真實企業項目應用了這項技術外,其餘大多數都是炒作。然而,健康照護行業卻是一個例外,出現了許多的生成式 AI 應用案例。
[ 熱門精選:3 個成功要素 有效地部署 IT 系統 ]
從使用大型語言模型 LLMs 進行臨床決策支援、病人就醫軌跡和高效率的醫療文件編寫,以及協助醫師打造頂尖的醫療聊天機器人,健康照護的 AI 應用看起來正在大步向前,尤其是將生成式 AI 投入臨床應用並產生實際價值這個部分。那麼,其他從業者可以從這些健康照護的最佳實踐和應用 AI 中學到什麼呢?借鏡健康照護領域應用生成式 AI 的 4 個案例作為參考:
1. 病人就醫軌跡
許多傳統的 LLMs 只考慮到病人的診斷和年齡等基本資料,但如果能夠將資料擴展到多類與多模式記錄,例如:人口統計學、臨床特徵、生命徵象、吸煙狀況、過去的就醫歷程、藥物和檢驗等項目。藉由整合這些特徵,可以建立對於病人更全面的瞭解,從而提升制定更全面治療計劃的能力。
額外的資料可以顯著提高模型在各種向下展開的任務上,以及獲得更佳的效能。例如,對疾病進展的預測以及不同疾病的辨識。有鑑於模型能夠藉由各項附加功能做出強大的解釋能力,讓 LLMs 可以幫助醫師對各種疾病的軌跡、診斷和風險因素做出更明智的決定。這類的方法,如果能夠應用於市場行銷的客戶歷程,或者保險或金融公司的風險評估,其潛力是無窮的。
2. 改進聊天機器人
結合結構化的電子病歷、處方和非結構化資料(臨床紀錄、醫學影像和 PDF 文件等),對於是否能夠形成對病人狀況的完整理解非常重要。後續可以使用這些資料結合容易使用的互動介面,例如聊天機器人等,進一步藉由病人互動蒐集來自病人的訊息,或者識別可以成為臨床試驗、公共衛生或各種醫學研究候選者的病人樣本群體。這聽起來很簡單,但由於法律對於健康照護有著相對嚴格的規定,加上倫理與隱私的保護,這類資料的取得是相當不容易的。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球 CIO 同步獲取精華見解 ]
為了充分發揮聊天機器人的作用並合乎法規的要求,醫療用戶端必須找到解決方案,使他們能夠將充滿雜訊的臨床資料,轉移到能夠自動回答問題的自然語言界面上,而且還要能夠完全保護病人的隱私。由於這不能僅透過應用 LLMs 或檢索增強生成(Retrieval Augmented Generation,RAG) LLMs 解決方案實現,必須從醫療特定的資料預處理管道開始進行。其它有嚴格法律規定的行業,如法律和金融,可以從醫療的做法中吸取經驗,透過經常使用的硬體中準備資料,然後使用其它模型來查詢所蒐集的資料。
3. 大眾化生成式 AI
傳統的 AI 要能夠被使用,必須決定於支持企業的資料科學家和 IT 專業人員,即使到目前為止,大部分的情況還是如此。無程式碼解決方案正逐漸出現,而且許多是專門為常用的醫療情境而設計。最值得關注的是,使用 LLMs 啟動特定任務的模型。基本上,這讓某一領域專家,可以從一組提示開始,並提供反饋以提高準確性,超越提示工程所能提供的範圍。然後,LLMs 可以為該特定任務訓練小型、微調的模型。
[ 熱門精選:生成式 AI 殺手級應用 可能就是 ERP ]
這種方法使非 AI 領域的專家可以直接應用 AI 運算,其結果比 LLMs 本身能夠提供的更高準確度的模型,並且可以在大規模的資料上以相對便宜的成本運行。對於有嚴格法律規範的企業而言,這尤其有用,因為不需要資料共享,零提示和可以將 LLMs 部署在組織的防火墻後面。此外,可以構建一整套安全控制,包括以角色為基礎的訪問、資料版本控制和完整的稽核軌跡,並且可以讓即使是新手 AI 用戶也能簡易地追蹤變動,並隨著時間的推移持續改進模型。
4. 面對的挑戰與倫理的考量
確保 AI 生成的產出的可靠性和可解釋性,對於維護病人安全和可信任的醫療系統至關重要。此外,解決固有偏差,對於所有病人群體能公平獲得 AI 所支持的醫療解決方案至關重要。臨床醫師、資料科學家、倫理學家和監管機構之間的合作,是建立 AI 在醫療和其他領域,具備負責任建立流程所必需的。
正因為這些原因,健康人工智慧聯盟(Coalition for Health AI,CHAI)也就應運而生。 CHAI 是一個非營利組織,負責制定負責任開發和部署醫療 AI 應用的具體指南和標準。這個組織與美國政府和醫療界合作,CHAI 替在醫療領域部署生成式 AI 應用創造了一個安全環境,涵蓋了開發公平、公正和無偏見的產品和系統時需考慮的特定風險和最佳實踐。像 CHAI 這樣的團體所提供的指引,都可以在任何行業應用,能確保 AI 的安全和有效使用。
醫療界處於應用生成式 AI 的前驅,這一時期被定義為一個新的精準醫療、個性化治療,並能帶來更好結果和生活質量的改進。但這不是一夜之間能發生的。對生成式 AI 在醫療領域的整合是經過深思熟慮的,一路上必須解決許多技術挑戰、倫理考量和法規的框架。而其他行業,則可以從醫療界致力於造福病人和整個社會的 AI 驅動創新中學到很多。
(本文授權非營利轉載,請註明出處:CIO Taiwan)