每个礼拜，波士顿贝斯以色列女执事医疗中心的普心科主任Eli Gelfand都得在自己不想写的信件上浪费大量时间。这些信是写给保险公司的，用于回应对方对他治疗方案提出的异议。问题可能来自某款治疗心力衰竭的新药，对胸痛患者CT扫描件的诊断意见，或者有望拯救心脏僵硬综合征患者的实验方剂。身为哈佛医学院副教授的Gelfand感叹道，“但不想写也不行，毕竟这些信件代表着拯救生命的希望。”
因此，当OpenAI的ChatGPT凭借顺畅连续的文字生成能力占据新闻头条时，Gelfand也看到了节约时间的好机会。他向机器人提交一些关于诊断和用药建议的基本信息（但略去患者姓名），并要求对方写一封附有参考文献的申诉信。
ChatGPT确实整理出了能用的信件，而且这类输出甚至可以量产。虽然其中某些引用可能存在错误，但Gelfand表示信件内容“基本不用大改”。更重要的是，现在他只要花上一分钟就能得到结果，速度比亲自编写不知道快到哪里去了。
Gelfand说他已经用ChatGPT写了约30封申诉信，其中大部分都得到了保险公司的批准。但他从未幻想过ChatGPT或其底层AI模型能够快速重塑整个美国医疗产业。“它的作用，基本就是让我的生活轻松了一点，能以更快的速度为患者提供他们需要的药物。这只是个变通性的方案，解决了一个本就不该存在的问题。”
这个“本不该存在的问题”是：美国在医疗保健管理方面花费的资金，超过世界任何其他国家。2019年，全美医疗保健总支出达3.8万亿美元，约有四分之一被用于处理行政问题，例如Gelfand抱怨的医保申诉。据估计，其中约有2650亿美元属于“纯浪费”——属于支撑美国医疗保健系统中过时技术的不必要支出。Gelfand虽然可以通过聊天机器人直接生成数字版申诉信，但却必须以传真方式将内容交付给保险公司。这也暴露出最最现实的挑战：当今最先进的AI后台工具，无法直接解决1960年代遗留系统所带来的问题。
Doximity是来自旧金山的社交网络平台，公司联合创始人兼首席战略官Natee Gross表示，传真机短时间内仍然不会消失。美国有200万医生及其他医疗保健专业人员仍在使用这款“老古董”，因此Doximity才推出了新的流程工具。DocsGPT聊天机器人能够帮助医生撰写各种信件和证明，而且可以直接接入网络传真设备。
Gross解释道，“我们的设计理念，是让医生尽可能轻松地与新兴数字标准进行交互，同时也向下兼容医疗保健系统中实际使用的各类旧工具。”
Doximity被用户亲切称为“医生们的LinkedIn”，目前市值达63亿美元，其中大部分收入（2022财年为3.44亿美元）来自制药企业和卫生系统的产品宣传和招聘展示。同时，它也为医生提供一系列工具以实现“降本增效”，也就是缓解行政事务带来的负担。Gross表示，这款产品的基础版完全免费，但企业集成则需要购买付费项目。
医疗保健系统将继续使用传真机，而且颇为讽刺的是，与传真机共享数据的难度反倒比支持不兼容软件系统更低。
DocsGPT以ChatGPT为基础，但接受了医疗保健数据的训练，例如匿名的保险申诉信。医生可以使用这款工具起草信件，包括患者转诊、保险申诉、给同行的感谢信、术后说明甚至是死亡证明。它还根据其他医生的历史搜索记录整理出一套精选提示库，并会随时强调自己并不是医疗专家。在生成每条响应之前，DocsGPT都会显示一条免责声明，要求用户“请在发送前进行编辑，以确保内容准确”。
在本月初的财报电话会议上，公司联合创始人兼CEO Jeff Tangney被问及Doximity打算如何通过DocsGPT获利。“我就开个玩笑来做解释吧。到目前为止，我们最关注的是怎样对产品责任做区分，暂时还没到考虑利润的时候。”
DocsGPT确实能帮医生省下不少时间，但由于只能通过传真和电话跟保险公司接洽，所以接下来还是得耗费好几天才能证实患者的医保报销范围、或者拿到手术的授权批准。目前，医生办公室或医院仍需要安排专门的人手跟保险公司通话，保险公司那边也有专人随时盯着屏幕，手动查询每位患者的医保细则。
这样的制度不仅给保险公司和医生都带来巨大负担，还会浪费大量时间和人手。对话式AI初创公司Infinitus Systems联合创始人兼CEO Ankit Jain表示，“整个过程不仅速度缓慢，而且非常杂乱繁琐。我们接洽的一家保险公司就要求提供32张传真，由对方一一粘合起来。”
自2019年创立以来，Infinitus共筹集到超5000万美元。Jain希望开辟出新的未来，让医院和保险公司能够真正交流有价值信息，而不是无休止地沦陷在医保细则和核准工作当中。
在创办Infinitus之前，Jain曾在谷歌任职并联合创办了谷歌旗下AI基金Gradient Ventures。在他看来，最大的问题是每位医生、每家保险公司和各卫生系统都在以不同的格式进行信息记录。与长期以来的医疗行业员工不同，AI能够快速理解这些格式。Infinitus建立起自己的模型，并不依赖于OpenAI技术。但Jain也承认，二者的基本前提是相同的：“大语言模型的作用，就是在吸纳并消化海量数据之后，掌握在短信和概念间提取正确连接的能力。”
到目前为止，这种对话仍在单方面进行：Infinitus使用大语言模型建立起EVA Lightyear。这是一种机器人，已经代表医生向保险公司向保险公司打出超100万通电话，以验证医保细则与提前授权情况。展望未来，他希望EVA不用再跟电话那头的人类对话，而是真正实现机器人对机器人。
“当然，我想说的不是机器人之间还是用英语交流，也不是自动交换传真。未来双方都将使用API，这才是真正的数字高速公路。我们只需要提交信息，对方即可快速审查、快速批准，让院方立即得到响应。”
虽然Jain对端到端自动化改造颇为乐观，但在实际应用当中，聊天机器人和其他类型的AI驱动技术仍面临着巨大障碍：以ChatGPT为例，要想保持这种如真人般的回答能力，它们必须经常使用最新信息做重新训练。
斯坦福医疗保健首席数据科学家Nigam Shah提到，“当医生编造事实时，我们称之为「说谎」。而当AI模型编造事实时，我们却会用一个奇怪的字眼形容，「幻觉」。”
ChatGPT所使用的训练数据最晚只到2021年，之后没有进行过定期更新。医学领域则在不断变化，新的指南、药物和设备不断上市，因此过时数据必然带来问题。Shah表示，他还看不到在医疗保健领域广泛采用生成式AI的可能性，除非未来有适当的系统来定期利用新信息重新训练模型，同时准确检测出错误答案。“我们必须想办法对产出内容的真实性和正确性进行高效验证。”
另一个风险在于，无论是否出于善意，医生都会将受保护的健康信息纳入ChatGPT。Moses Singer律师事务所合伙人Linda Malek认为，虽然可以用匿名和加密这两种患者数据保护方法，但单凭这些仍然不够。“即使尝试对ChatGPT中存储的数据进行脱敏，AI也完全有可能成功还原出信息内容。ChatGPT也成为网络犯罪的特殊目标，可能被用于实施勒索软件等各类网络攻击。”
尽管潜在风险不少，但生成式AI的辉煌成就仍吸引到大量用户。研究人员在今年1月的调查中发现，ChatGPT已经能在不经任何特殊培训之下，以“一定的准确度”通过美国医疗许可考试。（除ChatGPT之外，谷歌的Flan-PaLM和中国的AI机器人小易也都通过了国家医疗许可考试。）
Bessemer Venture合伙人、布朗大学医学生Morgan Cheatham认为，这种无需在医疗保健数据集上做专门训练，即可执行标准化任务的能力已经让ChatGPT备受瞩目。在Cheatham看来，这样 的结果表明ChatGPT大语言模型“在医疗保健应用中具有一定价值”。但他也承认，任何进一步应用都需要“从爬到走，最后才能跑起来”。
就目前来看，生成式AI至少能做好一件事：帮助医生节约下时间和精力，全身心照料患者。贝斯以色列女执事医疗中心泌尿科医生，患者教育初创公司Wellprept联合创始人David Canes坦言，“我之所以会成为一名医生，就是热爱与患者直接互动的感觉。但现在，这种美好的感觉已经被成千上万将从鼠标点击和键盘敲击搞得支离破碎。”
Canes表示，他打算在“低风险沟通”中使用ChatGPT，也期待能更高效地处理那些没完没了的僵化规章、繁文缛节。
“如果能把所有时间都用在诊疗病患上，对我来说那将是完美的体验。现在的我跟当初一样热爱这种感觉。看着种种技术改进，希望我们正处于新旧时代交替的边界上，也期待技术能帮我们改善医疗领域最糟糕的一面。”
以上是ChatGPT无法重塑医疗保健行业，但有望帮助医生节约时间的详细内容。更多信息请关注PHP中文网其他相关文章！
