今年年初，《洛杉磯時報》的一篇文章表示: 「人工智慧可能即將進入診間，但它還沒準備好為病人看病。」，但這並不是第一篇提醒我們這個議題的文章。儘管ChatGPT和其他新的人工智慧工具被炒得沸沸揚揚，但我們離廣泛採用人工智慧於看診仍有很長一段路要走。

不過，現在已經有一些人工智慧工具可用於醫療保健領域，它們可以在數月而非數年內實現投資回報(return on investment, ROI)。這些解決方案可以加強轉診流程，緩解醫療團隊捉襟見肘的人員配置壓力，同時在最關鍵的地方提高能力。它們還有助於消除助長職業倦怠的護理行政需求，加快資訊傳遞。

以下是五項關鍵的人工智慧方向，可為醫療系統、臨床醫師和患者提供「立即性」的價值:

1. 加強轉診流程的自然語言處理(Natural language processing, NLP)和人工智慧工具。當醫師向專科醫師進行轉診時，最新的NLP人工智慧技術和數位訊息傳輸技術相結合，可以確保沒有人會擔心他們轉診請求會發生甚麼問題。例如，當NLP和人工智慧應用於訊息傳輸時，這些非結構化的文檔可以轉化為電子病歷應用程式可以消化的結構化可搜尋數據。然後，利用集成引擎，結構化數據會自動配對到正確的患者紀錄，這樣醫療服務提供者就可以根據資訊採取下一步的行動。
   
   諸如此類的功能將醫療服務提供者推向了另一個世界。它們有助於與轉診合作夥伴建立更牢固的關係，因為他們所需的所有資訊都以結構化的格式按照他們偏好的工作流程傳遞。因此，轉診工作流程不再需要數小時、數天或數周的時間。這種方法即使在提交部分難以辨認的數位資料時也能發揮作用。在一間醫院，使用人工智慧和NLP處理特別複雜的腸胃病轉診，使醫院能夠自動分流40-50%的緊急疑似癌症病例。
2. 減輕勞動力負擔的NLP和人工智慧解決方案。如今，45%的病房護理師表示，他們有可能在未來6個月內離職，部分原因是無法管理的工作量。這部份是由於護理師每班要花費大量時間查找資訊、設備或用品(43分鐘)、為病人交接溝通護理事務(60分鐘)以及完成行政和後勤工作(97分鐘)。如今，NLP和人工智慧可以將手寫紙本數據轉化為任何IT系統都能使用的結構，並以補充員工工作流程的方式傳遞給他們。
   
   有鑑於醫療系統面臨的人員配置危機，減少無效和多餘的工作流程至關重要。在這一領域，NLP和人工智慧具有強大的潛力，可以改善護理師的工作量及其管理需要複雜護理病人的能力。事實上，護理師們認為，透過科技化流程，包含: 使用智能自動化，他們每班花費的時間可以減少一半以上。
3. 為臨床試驗抽取配對數據的NLP人工智慧解決方案。最近，西雅圖的Fred Hutchinson癌症中心利用NLP人工智慧技術為癌症臨床研究配對患者，以每小時一萬份病歷的速度整理非結構化數據，尋找符合納入臨床試驗標準的患者。據一位專家表示，符合這些試驗招募標準的患者不到5%，而參與試驗的障礙之一就是在大量非結構化數據中辨別合適的患者。
4. 加強醫療團隊協作的NLP和AI技術。在費城兒童醫院，NLP人工智慧被用於建構臨床、基因體和影像數據，史研究團隊能夠交叉分析疾病，並以智能化地位病童找出疾病的治療方法，這些新的醫學發現可以改變病童的生命。在波士頓兒童醫院，一個NLP人工智慧實驗室正在探索將以這種形式的人工智慧應用於研究項目，包含: 藥物遺傳學研究以及在護理照護據點回答臨床問題。
5. 人工智慧驅動的解決方案可以加快轉診過度期間的資訊傳輸。病人從一個醫療機構轉到另一個醫療機構是醫療服務提供者面臨的最困難的挑戰之一。這也是出錯的可能性急遽增加的時刻，特別是隨著轉診到後期護理的高危險患者數量增加，導致病情更加複雜。然而，大多數專業護理機構和康復後護理機構與轉診合作夥伴(通常是醫院和醫療系統)之間缺乏有意義的聯絡。一半以上的機構表示，他們是在病人接受護理照護後才收到病人的相關資訊。即使在資訊到達後，76%的人表示至少有一部分數據無法使用或不完整。這不僅會延誤入院時間，還會妨礙病人接受迫切需要的護理照護。

以上，就是為什麼NLP人工智慧解決方案能夠加快資訊傳遞速度，使臨床醫師能夠輕鬆地在非結構化數據資料中找到可操作的結構化數據，進而改善病人的治療效果。

很黏相近，在當今的後疫情時代，每10間醫療機構中就有7間仍然依賴紙本來傳遞患者資料。數位資料傳遞解決方案可與NLP人工智慧技術相結合，標記出所需的特定操作，使後期護理人員能夠即時接受訊息並採取適當的行動。由於印出來的紙本出院計畫可能厚達10公分以上，因此儘管人手有限，數位資料傳遞方案仍有助於加快接收流程並提高各種效率。

最近的一項研究還表明，NLP人工智慧技術可用於在患者出院前辨別患者轉診的障礙，包含: 患者的偏好，並與家屬合作解決這些問題。

2016年，被稱為「AI教父」的加拿大認知心理學家Geoffrey Hinton堅持認為，五年內，放射科醫師將被人工智慧取代。「人們現在就應該停止培訓放射科醫師。很明顯，五年內，深度學習會做得更好。然而有人說這是一個炒作人工智慧的預測，但隨著時間的推移，這個預測站不住腳。」

對於醫療保健行業的領導者來說，這是一個值得警惕的提醒:「不要把賭注過多地押注在具有「未來潛力」的人工智慧解決方案上，而忽略了現在就能解決挑戰帶來投資回報的工具。透過研究NLP人工智慧工具，減輕臨床醫師的壓力並確保在正確的時間獲取正確的資訊，您的組織可以在醫療品質、安全性和價值方面產生實質性的正向影響，並提高所有利益相關者的滿意度。」

(來源:MedCityNews 生策中心編譯)