约翰霍普金斯大学在史诗图表摘要中对人工智能有宏伟的计划

昨天，在 我们对约翰·霍普金斯大学医学部数字健康与创新高级医疗总监兼约翰·霍普金斯大学健康部副主任 Brian Hasselfeld 博士进行深度采访的第一部分讨论了人工智能在整体医疗保健中的作用。

如今，哈塞尔菲尔德也是约翰霍普金斯社区医生中心内科和儿科的初级保健医生，他将重点转向约翰霍普金斯本身，他和整个组织的许多团队已经在环境划线和患者门户应用程序中实施了人工智能。 他们正在与 EHR 巨头 Epic 合作，部署人工智能进行图表摘要——这是向前迈出的一大步。

问：让我们来谈谈约翰·霍普金斯医学院的人工智能。 您正在使用环境划线技术。 这在您的工作流程中如何运作以及您看到了什么样的结果？

A。 当然是一个非常有话题性的空间。 我们看到许多产品采取了广泛的策略。 我们与许多在该领域采取早期行动的公司类似，认识到技术确实没有在医疗保健领域发挥其应有的作用。

可以说，大多数数据都表明，至少对临床医生来说，技术在某些方面造成了更大的伤害，至少对我们自己的工作流程和医疗保健经验造成了更大的伤害。 因此，我们正在尝试思考其中一些可以将技术移回中心并使其变得更加有趣的部分。

同样，许多人都承认，随着 EHR 内容的爆炸式增长，无论是监管要求还是许多主要系统的一般工作流程，给我们的临床医生带来了文档负担。 因此，对于我们大多数具有 环境人工智能是一种监听设备，它的环境部分正在监听临床情况，无论是门诊就诊、急诊室病史还是住院查房。

在后端，人工智能工具（通常是现在所谓的大型语言模型，例如 GPT）会获取多方之间的口语并将其构建为新的生成段落。

它使用这些大型语言模型的实际功能来生成一段内容，通常然后围绕特定的提示。 鉴于该模型，“请根据此医学背景写一段历史。” 目前，我们已经在多个门诊或门诊诊所、几个不同的专业领域进行了部署，目前我们正在使用我们的第一个产品，并可能考虑如何使用多个产品来了解不同级别的功能。

我本人今天早上刚刚去诊所，很幸运能够使用环境人工智能技术，使用我自己的智能手机和手机上的 EHR，并能够启动环境人工智能产品，该产品可以监听遭遇并生成草稿笔记，当然，我负责并且需要自己审查和编辑以确保临床准确性。 这确实使临床互动变得更好。

在我看来，能够将手从键盘上移开，直视患者，就一个非常私密的话题（他们自己的个人健康）进行公开对话，并真正将目光从电脑上移回到患者身上，是迄今为止的主要好处。

问：约翰霍普金斯大学医学院也正在使用人工智能来回复患者门户消息草稿。 请解释医生和护士如何使用它以及他们取得的成果。

A。 该企业工具面向早期用户。 现在，许多关注 HIMSS 媒体内容的人可能都知道，患者电子邮件或篮子消息（通过患者门户生成的消息）在大流行期间激增。

在霍普金斯大学，我们看到患者向临床医生发送的消息数量从 2019 年底新冠疫情爆发前到现在的运行率增加了近 3 倍。 其中一些确实是一件好事。 我们希望我们的患者与我们互动。 我们想知道他们何时感觉良好或不舒服，并帮助进行分类。

但同样，临床工作流程，包括支付模式和临床护理模式，并不是为了这种持续的沟通、这种持续的接触而建立的。 它是围绕访问而建立的。 我们做了一件善意的事情，增加了与患者的联系。 这是一种非常简单的方式，我们每天都会做的事情——电子邮件和短信。

我们习惯于以异步方式或通过书面方式进行交流。 但我们确实没有改变它的另一面。 意想不到的结果是将所有这些量倾倒到未改变的临床实践系统上。

现在，我们所有人都在努力弄清楚如何加速改善临床医生倦怠这一有意义的领域，同时保持患者与临床团队更自由接触的利益。

因此，一条消息进来了。有些内容被排除在外，特别是如果它们有附件之类的内容，因为这些类型的消息更难以解释。 一旦消息到达临床护理团队成员，那些有权访问人工智能草稿响应试点部署的人将看到一个选项，可以根据原始消息的内容选择草稿响应，然后看到大型语言模型的草稿响应，基于给予它的一些指令，尝试以适当的方式解释它。

作为临床医生，我可以选择从草稿开始或从空白消息开始。 斯坦福大学刚刚就此发表了一篇论文，并很好地阐明了一些优点和缺点，其中一个好处是减轻了尝试思考对非常常规类型的消息的响应时的认知负担。

我们还看到，使用该工具并定期使用它的临床医生肯定表示篮内倦怠和临床医生健康指标有所下降。 但与此同时，我认为现在节省的时间很少，因为草稿回复仅在少数情况下才真正适用且对患者信息真正有用。 在斯坦福发表的论文中，这个比例是20%。

我们看到我们的诊所的比例从低个位数百分比到 30-40% 不等，具体取决于用户类型，但仍远低于一半。 该工具并不完美，工作流程也不完美，它将成为快速但迭代过程的一部分，以找出我们目前如何将这些工具应用到最有用的场景中。

问：据我所知，约翰霍普金斯大学医学院正在通过人工智能进行图表总结，最初的重点是住院医院课程总结。 人工智能将如何在这里发挥作用？您的期望是什么？

A。 在所有项目中，这个项目正处于最早阶段。 这是一个很好的例子，说明了技术在整个护理过程中的应用差异以及所解决问题的深度。

在前面的示例、氛围和篮内草稿回复中，我们实际上正在为临床连续体开发一个非常简洁的事务组件。 单次访问及其相关讨论、单次消息并起草回复。 这是非常包含的数据。

当我们开始思考图表总结这个更广泛的话题时，不幸或幸运的是，在要解决的问题上——需要理解的数据的深度——天空是极限。 同样，需要将其从非结构化提取到结构化。

实际上，我们作为临床医生每次与图表互动时所做的工作，我们以各种方式浏览图表，提取我们认为需要了解的内容，然后重新总结。 这是一项复杂的任务。 我们正在努力在最有针对性的领域开展工作，在住院期间，您基本上比其他版本的图表总结更有时间限制。

在门诊，您可能需要 该图表总结了 10 年的信息，具体取决于您去看那位临床医生的原因或就诊的原因。 今天早些时候我接待了一位新病人。 我需要了解他们病史的一切。 这是一项庞大的图表总结任务。

在住院期间，我们有机会围绕需要总结的内容创建一些有时限的内容。 因此，甚至不需要从有关住院的全部内容开始——实际上可以包括入院原因，然后可以回溯到图表的其余部分。

在入院期间，我们会了解您住院期间的日常进展情况和间隔变化。 这些问题在每日进度记录和临床团队之间的讲义中得到解决。 我们可以将要总结的信息范围缩小到从昨天到今天发生的变化和发生的事情，尽管有很多潜在的事情——图像、实验室、主要团队的笔记、顾问的笔记、护理人员的笔记团队。

它的时间限制要大得多，但仍然可以为住院团队带来有意义的效率，并且肯定会识别出一个众所周知的风险领域，即交接。 在您住院期间，每当您的临床团队发生变化时（这种情况很常见，因为在大多数情况下我们不要求临床医生连续工作 72 小时），那么我们就有机会为那些高风险交接领域提供帮助支持。

因此，尝试进行范围限制，即使在这种非常范围限制的情况下，也需要做很多工作才能让潜在的工具为实际使用做好准备 坦率地说，鉴于可用数据的广度和深度，临床工作流程。 我们刚刚开始这一发现之旅，与 Epic 的 EHR 合作伙伴合作，并期待看到这里可能发生的事情。

要观看本次采访的视频以及本故事中未包含的奖励内容， 点击这里。

编者注：这是健康 IT 领域顶尖人士讨论人工智能在医疗保健领域使用的系列专题中的第七篇。 要阅读有关梅奥诊所约翰·哈拉姆卡 (John Halamka) 医生的第一篇专题报道， 点击这里。 要阅读 Geisinger 的 Aalpen Patel 博士的第二次采访，请点击此处。 要阅读 Meditech 的海伦·沃特斯 (Helen Waters) 撰写的第三篇文章，请点击此处。 要阅读 Epic 的 Sumit Rana 的第四篇文章，请点击此处。 要阅读麻省总医院布里格姆分校丽贝卡·G·米苏里斯 (Rebecca G. Mishuris) 博士撰写的第五篇文章，请点击此处。 要阅读威斯康星州健康网络 Froedtert 和医学院 Melek Somai 博士的第六篇文章，请点击此处。

在 LinkedIn 上关注 Bill 的 HIT 报道： 比尔·斯维茨基
给他发电子邮件：[email protected]
医疗保健 IT 新闻是 HIMSS 媒体出版物。