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。 图 1. AWS HealthScribe 进行的转录，并标识了关键部分。 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 […]
办公桌抽屉里的生成式人工智能：用途广泛
本系列之前的文章介绍了 生成式人工智能在医疗保健后台的作用 并检查了其 用于计费和收入管理。 我们将在本文中介绍许多其他用途。 患者联系和护理管理 首席执行官拉胡尔·夏尔马 HS布洛克 表示其 CureAlign 平台的下一版本将使用生成人工智能来帮助改进其 CareTracker 模块中的护理管理流程。 许多患者需要提醒（如果不是真的哄骗的话）来预约。 CureAlign 平台根据过去与患者的互动来个性化对外沟通。 夏尔马说，消息生成器可以考虑语言翻译服务和教育水平。 一旦患者参与，护理团队就可以准备个性化计划并实施设备监控和数据收集。 CareTracker 将帮助设置大量非临床和管理步骤，包括药物提醒、预约安排、远程医疗预约安排登记、在事情未按计划进行时创建警报和通知、处方补充以及每日提示根据护理计划进行锻炼。 哈曼·达万 (Harman Dhawan) 创始人兼首席执行官 贝克汉姆，表示生成式人工智能可以通过捕获实时环境中的语音和输入来帮助您生成患者笔记和摘要。 这有一个令人毛骨悚然的方面，但随着医生和患者习惯它，可以更有效地提供护理。 Caen Contee，首席执行官兼联合创始人 威尔普莱斯” 说，“生成式人工智能技术通过分析包括病史和社会因素在内的综合数据，为患者管理提供了前所未有的个性化服务。 这种分析可以为每位患者制定量身定制的治疗和沟通计划，确保满足他们的独特需求。” 他补充道，“通过允许通过自然对话查询保险计划和保单，人工智能为患者创造了更具吸引力和更容易理解的体验。 这种方法揭开了医疗保健文件中通常复杂的语言的神秘面纱。” 用户界面可以通过头像和视频来表示，提供 24/7 的信息访问。 Abhishek Sharma，业务转型负责人 敏捷性，将通信视为一种“交易”，并表示电子邮件自动化是“任何后台处理的基础”。 人工智能可以确定每封电子邮件的去向，例如通过精心策划的回复。 此外，他建议将后台自动化扩展到案件分类，其中先进的法学硕士分类器可以精确地识别案件的正确路由，无论是作为下游流程还是在发生错误路由时。 Trent Peterson，产品设计总监兼用户体验主管 高级医学博士” 指出，“人工智能是按需提供的，而且从不缺乏耐心。 它永远不会分心或全神贯注，也永远不会有更好的事情要做。 如果做得正确，用户体验可以是个性化、灵活和直观的。” 当患者解释他们的问题时，具有真人声音的聊天机器人可以提出智能问题，例如“您的疼痛有多严重？ 你能用 1 到 10 的等级来描述它吗？” 以及“明天上午 10 […]
办公桌抽屉里的生成式人工智能：收入管理
本系列的上一篇文章介绍了以下主题 医疗保健后台的生成式人工智能。 本文开始研究医疗保健生成人工智能用例。 医疗保健新技术在报销领域迅速出现，这有什么奇怪的吗？ 薪酬是每位经理始终关注的问题。 索赔 Abhishek Sharma，业务转型负责人 敏捷性，说付款人质疑为什么医生要求进行 MRI 而不是成本较低的 CT 扫描，并且必须剔除患者医疗记录和临床人口统计历史中的精确细节来证明该决定的合理性。 Dushyant Mishra，联合创始人兼首席执行官 快速理赔，说临床机构百分之五到百分之十的成本用于计费和收入管理。 国际 ICD 疾病和病症分类来自 ICD-9 中约 13,000 个代码到 ICD-10 中约 68,000 个代码。 ICD-11 已经正式化，但尚未广泛使用。 期望人类编码员找到最合适的代码（翻译：最有可能最大化报销的代码）确实太过分了。 这样做需要检查历史记录中的症状、测试结果以及付款人验证代码所需的其他数据。 此外，代码经常被添加和删除，付款人也改变批准它们的标准。 米什拉说，付款人处理代码的方式不同，有些是分开的条件，有些则更喜欢将它们结合起来。 人类编码员需要持续培训。 这是人工智能的教科书用例。 Anna Twomey，医疗保健高级总监 SS&C 蓝色棱镜，列出了人类编码员可能会错过的微妙之处的示例。 例如，有时多种药物会按单剂量计费。 她说：“此外，捆绑和非捆绑程序之间的决定对计费也有重大影响。 人工分析师可能并不总是有时间验证捆绑程序中的所有步骤是否都已考虑在内，可能会遗漏费用。 生成式人工智能，特别是与机器人流程自动化 (RPA) 结合使用时，可以仔细分析这些程序，以确保所有相关费用均得到正确识别和计费。 在一个组织中，生成式人工智能在一个季度内收回了超过 100 万美元的遗漏（未计费）美元。” RapidClaims 刚刚宣布了一轮重大融资，专注于自动化医疗编码。 米什拉表示，这不需要改变编码人员的工作流程。 RapidClaims 提供的效率使临床医生能够将其处理的图表数量增加 100% 或更多，从而加快报销速度。 […]