办公桌抽屉里的生成式人工智能：适合所有人的法学硕士

非常大的医疗保健系统和学术医疗中心可以雇用程序员来创建自己的法学硕士，据 David Kereiakes 说，他是 温德姆风险投资公司。 除了患者数据之外，他们还获取组织数据，例如提供商看诊患者的频率、执行的手术数量等。其中一些提供商还与大型科技公司合作。

他说，这些提供商拒绝共享数据以创建更大的数据集，因为这些数据具有专有价值（隐私问题起着次要作用）。 他还表示，组织在清理数据方面投入了大量资金，有时还让临床医生努力提高数据质量。

但小型提供商、农村提供商和一线设施又如何呢？ 他们从哪里获得资源来实现生成人工智能可以为他们提供的关键效率改进？

生成式人工智能的民主化

莎拉·纳吉，创始人兼首席执行官 寻求人工智能，说小型提供商不必“重新造轮子”。 供应商可以为他们提供交钥匙 LLM 解决方案，他们可以通过 Web 浏览器（对于那些缺乏经过培训的程序员的人来说这是一个非常方便的选择）进行交互，或者通过 API（如该协会主席 Jean-Claude Saghbini 所建议的那样）进行交互。 光的 基于价值的护理支持业务。@Wolters_Kluwer

Rowland Illing 博士，首席医疗官兼全球医疗保健和非营利组织总监 亚马逊网络服务 (AWS)，表示他们正在“使大型企业正在使用的相同领先技术和服务的获取变得民主化。 借助 AWS，不想构建自己模型的医疗保健组织有多种选择（以及独立供应商）； 他们可以使用他们私下定制的预训练基础模型（例如，使用 亚马逊基岩）。 他们还可以使用内置生成人工智能的解决方案，不需要任何机器学习方面的特定专业知识（例如， AWS 健康抄写员）”。 在图 1 中，AWS HealthScribe 确定了医患通话的关键要素。

Illing 还表示，“与从头开始创建特定于任务的 ML 模型以从应用程序获取特定于行业的响应相比，微调现有的预训练模型要快得多，并且需要更少的计算时间和数据。” 他将此选项称为“人工智能的瑞士军刀”，并提到 亚马逊Q （预览版）以及 Amazon Bedrock 作为示例。

Illing 说：“高质量的法学硕士接受过大量非结构化数据的预训练。 这使他们准备好解决不同背景下的问题。 与传统人工智能模型相比，它们的参数大小使它们能够自动执行更复杂的任务。 只需很少的您自己的数据，您就可以根据您的特定用例定制大型模型并实现高精度。” AWS 也在该领域提供多种服务。

Vignesh Ravikumar，合伙人 塞拉风险投资公司，预测 EHR 以及云供应商将把生成式人工智能纳入他们的平台。 此外，第三方供应商将使生成式人工智能更容易集成到流行平台中。 此外，“有些模型会非常擅长特定的任务领域。 这最终意味着他们将能够以低成本提供高质量的服务，这将有助于这些诊所采用新服务。”

Melvin Lai，高级律师 硅铸造厂，预计“定制的、资源密集程度较低的小型社区诊所模式将会出现。” 他写信给我说，收集数据、构建基础模型以及为小型医疗保健提供者定制最终模型都可以由不同的供应商完成。 “大型科技公司将尝试尽可能多地控制价值链，并为其客户提供端到端解决方案，但寻求 genAI 解决方案的小型诊所可能会得到专门从事小型临床用例和技术的新兴科技公司的更好服务。可以针对其特定应用定制通用模型。”

Alex Tyrrell，健康和先进技术高级副总裁 威科集团，指出使用插件可以使开发更容易并提高软件质量。

生成式人工智能的最大前景

这 生成式AI系列 研究了生成式人工智能在医疗保健中的多种使用方式，以及一些可能很快就会变得可行的新用例。

只是为了好玩，我将这篇文章的数百字笔记加载到 ChatGPT 中，并要求它写一篇关于医疗保健领域的生成式 AI 的文章。 作为额外的装饰，我要求 ChatGPT 以记者汤姆·沃尔夫（我刚刚看过的最近一部纪录片的主题）的风格进行写作。 值得称赞的是，ChatGPT 在风格上做出了一次华丽的尝试，但结果并没有鲁莽到让我树敌像 Wolfe 那样。 人工智能对生成式人工智能的潜力进行了可信的总结。 值得注意的是，其结果显示出一些修辞上的复杂性，以改善患者护理的希望结束。

事实上，也许喋喋不休、贪吃的 ChatGPT 算法正在为我们提供一个道德和信息。 每个行业都希望简化管理并降低成本； 医疗保健可以像任何其他领域一样使用生成式人工智能来实现这些目标。 但医疗保健也有一个与许多其他行业不同的使命：治愈疾病。 如果后台的生成式人工智能有助于实现这一目标，那么采用它的成本和中断将是合理的。