每個禮拜,波士頓貝斯以色列女執事醫療中心的普心科主任Eli Gelfand都得在不想寫的信件上浪費大量時間。這些信是寫給保險公司的,用來回應對方對他治療方案提出的異議。問題可能來自某款治療心臟衰竭的新藥,對胸痛患者CT掃描件的診斷意見,或可望拯救心臟僵硬症候群患者的實驗方劑。身為哈佛醫學院副教授的Gelfand感嘆道,「但不想寫也不行,畢竟這些信件代表著拯救生命的希望。」
因此,當OpenAI的ChatGPT憑藉順暢連續的文字生成能力佔據新聞頭條時,Gelfand也看到了節省時間的好機會。他向機器人提交一些關於診斷和用藥建議的基本資訊(但略去患者姓名),並要求對方寫一封附有參考文獻的申訴信。
ChatGPT確實整理出了能用的信件,而且這類輸出甚至可以量產。雖然其中某些引用可能有錯誤,但Gelfand表示信件內容「基本上不用大改」。更重要的是,現在他只要花上一分鐘就能得到結果,速度比親自編寫不知道快到哪裡去了。
Gelfand說他已經用ChatGPT寫了約30封申訴信,其中大部分都得到了保險公司的批准。但他從未幻想過ChatGPT或其底層AI模型能夠快速重塑整個美國醫療產業。 「它的作用,基本上就是讓我的生活輕鬆了一點,能以更快的速度為患者提供他們需要的藥物。這只是個變通性的方案,解決了一個本就不該存在的問題。」
這個「不該存在的問題」是:美國在醫療保健管理方面花費的資金,超過世界任何其他國家。 2019年,全美醫療保健總支出達3.8兆美元,約有四分之一被用於處理行政問題,例如Gelfand抱怨的醫保申訴。據估計,其中約有2,650億美元屬於「純浪費」——屬於支撐美國醫療保健系統中過時技術的不必要支出。 Gelfand雖然可以透過聊天機器人直接產生數位版申訴信,但卻必須以傳真方式將內容交付給保險公司。這也暴露出最現實的挑戰:當今最先進的AI後台工具,無法直接解決1960年代遺留系統所帶來的問題。
Doximity是來自舊金山的社群網路平台,公司共同創辦人兼首席策略長Natee Gross表示,傳真機短時間內仍不會消失。美國有200萬醫生及其他醫療保健專業人員仍在使用這款“老古董”,因此Doximity才推出了新的流程工具。 DocsGPT聊天機器人能夠幫助醫生撰寫各種信件和證明,而且可以直接連接到網路傳真設備。
Gross解釋道,「我們的設計理念,是讓醫生盡可能輕鬆地與新興數位標準進行交互,同時也向下兼容醫療保健系統中實際使用的各類舊工具。」
Doximity被用戶親切稱為“醫生們的LinkedIn”,目前市值達63億美元,其中大部分收入(2022財年為3.44億美元)來自製藥企業和衛生系統的產品宣傳和招聘展示。同時,它也為醫生提供一系列工具以實現“降本增效”,也就是緩解行政事務帶來的負擔。 Gross表示,這款產品的基礎版完全免費,但企業整合則需要購買付費項目。
醫療保健系統將繼續使用傳真機,而且相當諷刺的是,與傳真機共享資料的難度反倒比支援不相容軟體系統更低。
DocsGPT以ChatGPT為基礎,但接受了醫療保健資料的訓練,例如匿名的保險申訴信。醫師可以使用這款工具起草信件,包括病患轉診、保險申訴、給同行的感謝信、術後說明甚至是死亡證明。它還根據其他醫生的歷史搜尋記錄整理出一套精選提示庫,並會隨時強調自己並不是醫療專家。在產生每個回應之前,DocsGPT都會顯示一條免責聲明,要求使用者「請在發送前進行編輯,以確保內容準確」。
在本月初的財報電話會議上,公司聯合創辦人兼CEO Jeff Tangney被問到Doximity打算如何透過DocsGPT獲利。 「我就開個玩笑來做解釋吧。到目前為止,我們最關注的是怎樣對產品責任做區分,暫時還沒到考慮利潤的時候。」
DocsGPT確實能幫醫生省下不少時間,但由於只能透過傳真和電話跟保險公司接洽,所以接下來還是得耗費好幾天才能證實病患的醫保報銷範圍、或拿到手術的授權批准。目前,醫師辦公室或醫院仍需要安排專門的人手跟保險公司通話,保險公司那邊也有專人隨時盯著螢幕,手動查詢每位病患的醫保細則。
這樣的製度不僅給保險公司和醫生都帶來巨大負擔,還會浪費大量時間和人手。對話式AI新創公司Infinitus Systems聯合創始人兼CEO Ankit Jain表示,“整個過程不僅速度緩慢,而且非常雜亂繁瑣。我們接洽的一家保險公司就要求提供32張傳真,由對方一一粘合起來。”
自2019年創立以來,Infinitus共募集到超5,000萬美元。 Jain希望開闢出新的未來,讓醫院和保險公司能夠真正交流有價值訊息,而不是無止盡地淪陷在醫保細則和核准工作當中。
在創辦Infinitus之前,Jain曾在Google任職並共同創辦了Google旗下AI基金Gradient Ventures。在他看來,最大的問題是每位醫生、每家保險公司和各衛生系統都在以不同的格式進行資訊記錄。與長期以來的醫療產業員工不同,AI能夠快速理解這些格式。 Infinitus建立起自己的模型,並不依賴OpenAI技術。但Jain也承認,二者的基本前提是相同的:「大語言模型的作用,就是在吸納併消化海量數據之後,掌握在短信和概念間提取正確連接的能力。」
到到目前為止,這種對話仍在單方面進行:Infinitus使用大語言模型建立起EVA Lightyear。這是一種機器人,已經代表醫生向保險公司向保險公司打出超100萬通電話,以驗證醫保細則與提前授權情況。展望未來,他希望EVA不用再跟電話那頭的人類對話,而是真正實現機器人對機器人。
「當然,我想說的不是機器人之間還是用英語交流,也不是自動交換傳真。未來雙方都將使用API,這才是真正的數位高速公路。我們只需要提交信息,對方即可快速審查、快速批准,讓院方立即得到回應。」
雖然Jain對端到端自動化改造頗為樂觀,但在實際應用當中,聊天機器人和其他類型的AI驅動技術仍面臨著巨大障礙:以ChatGPT為例,要維持這種如真人般的回答能力,它們必須經常使用最新資訊做重新訓練。
史丹佛醫療保健首席數據科學家Nigam Shah提到,「當醫生編造事實時,我們稱之為「說謊」。而當AI模型編造事實時,我們卻會用一個奇怪的字眼形容,「幻覺」。 」
ChatGPT所使用的訓練資料最晚只到2021年,之後沒有進行過定期更新。醫學領域則在不斷變化,新的指南、藥物和設備不斷上市,因此過時數據必然帶來問題。Shah表示,他還看不到在醫療保健領域廣泛採用生成式AI的可能性,除非未來有適當的系統來定期利用新信息重新訓練模型,同時準確檢測出錯誤答案。“我們必須想辦法對產出內容的真實性和正確性進行高效驗證。 」
另一個風險在於,無論是否出於善意,醫生都會將受保護的健康資訊納入ChatGPT。Moses Singer律師事務所合夥人Linda Malek認為,雖然可以用匿名和加密這兩種患者資料保護方法,但單憑這些仍然不夠。「即使嘗試對ChatGPT中儲存的資料進行脫敏,AI也完全有可能成功還原出資訊內容。 ChatGPT也成為網路犯罪的特殊目標,可能被用來實施勒索軟體等各類網路攻擊。 」
儘管潛在風險不少,但生成式AI的輝煌成就仍吸引到大量用戶。研究人員在今年1月的調查中發現,ChatGPT已經能在不經任何特殊培訓之下,以「一定的準確度」通過美國醫療許可考試。(除ChatGPT之外,Google的Flan-PaLM和中國的AI機器人小易也都通過了國家醫療許可考試。)
Bessemer Venture合夥人、布朗大學醫學生Morgan Cheatham認為,這種無需在醫療保健數據集上做專門訓練,即可執行標準化任務的能力已經讓ChatGPT備受矚目。在Cheatham看來,這樣的結果表明ChatGPT大語言模型“在醫療保健應用中具有一定價值」。但他也承認,任何進一步應用都需要「從爬到走,最後才能跑起來」。
就目前來看,生成式AI至少能做好一件事:幫助醫師節約下時間和精力,全心照顧病人。貝斯以色列女執事醫療中心泌尿科醫生,病患教育新創公司Wellprept聯合創辦人David Canes坦言,「我之所以會成為一名醫生,就是熱愛與病患直接互動的感覺。但現在,這種美好的感覺已經被成千上萬將從滑鼠點擊和鍵盤敲擊搞得支離破碎。」
Canes表示,他打算在「低風險溝通」中使用ChatGPT,也期待能更有效率地處理那些沒完沒了的僵化規章、繁文縟節。
「如果能把所有時間都用在診療病人上,對我來說那將是完美的體驗。現在的我跟當初一樣熱愛這種感覺。看著種種技術改進,希望我們正處於新舊時代交替的邊界上,也期待科技能幫助我們改善醫療領域最糟糕的一面。」
以上是ChatGPT無法重塑醫療保健產業,但有望幫助醫生節約時間的詳細內容。更多資訊請關注PHP中文網其他相關文章!