UCSF 创建了一个强大的 AI 系统，可促进肿瘤护理

快速阅读: 《医疗保健 IT 新闻》消息，研究表明，人工智能能显著提升癌症诊疗效率。通过自动化处理患者数据和临床指南，医生在诊疗前审查资料的时间从数小时缩短至十几分钟，且建议与医生判断一致性达95%。实施时需确保数据完整性，平衡AI建议与临床判断，并提供透明的决策路径以增强信任。

癌症诊疗的复杂性多年来显著增加。过去被视为单一疾病的状况如今被细分为众多亚型，每种亚型都需要根据不断发展的临床指南制定独特的治疗方案。这一趋势给肿瘤科医生带来了日益增长的挑战，他们不仅需要管理各种类型的癌症，还要紧跟快速变化的最佳实践。当今肿瘤学面临的另一个重大挑战是临床指南的数量庞大且复杂。像国家综合癌症网络（NCCN）、美国临床肿瘤学会（ASCO）和美国癌症协会（ACS）这样的国家级组织会根据新的临床试验数据、新兴疗法和不断发展的治疗模式定期更新其建议，有时一年内的更新次数多达数百次。这进一步加重了肿瘤科医生的工作负担。

旧金山加州大学医学助理教授特拉维斯·扎克博士指出，获得专科肿瘤科医生的机会变得越来越困难。“许多地区都面临肿瘤学专家短缺的问题，这迫使全科医生承担更多的初始癌症检查和治疗计划责任，”他解释说。“然而，全科医生通常缺乏时间和专门培训来完全掌握最新的肿瘤学指南，这可能导致护理不一致和治疗延迟。”

还有一个根本性的挑战是非结构化的患者数据以及收集和审查这些信息所需的时间，以符合更新后的治疗指南，以便为患者提供最佳建议，”他继续说道。认识到这些挑战，旧金山加州大学寻求开发一种人工智能技术，可以自动化聚合、结构化并应用于肿瘤科医生的最新临床指南，以及所有患者的信息。

“我们的目标是创建一个决策支持系统，能够无缝集成国家级指南和患者数据与本地机构的最佳实践，确保每位患者都能接受尽可能最新、基于证据的护理——而不给已经过度工作的临床医生增加额外的认知负担，”扎克指出。“这个基本挑战——确保肿瘤科医生能够快速、可靠地获取最新、基于证据的建议，同时优化医生的时间——促使我们探索人工智能驱动的系统，这些系统可以让世界级的肿瘤学专业知识在所有护理环境中更加可及、高效和可扩展。”

该人工智能系统将结合大型语言模型，参考所有适用的国家级和地方机构指南，并具有透明逻辑，以便临床医生清楚地看到人工智能是如何以及为何做出其建议的。目标是确保每次肿瘤科咨询都以完整的、结构化的和最新的数据集开始，减少信息差距并优化医生的时间以完成患者工作。

为了实现这一目标，扎克解释说，该人工智能设计了两个核心功能：

**聚合和结构化临床数据**：系统从电子健康记录中提取和组织相关患者信息，以全面了解患者的病情。如果关键数据（如活检结果、分子检测或分期扫描）缺失，人工智能会在肿瘤科会诊前标记出来，以防不必要的延误。

**整合国家级和地方临床指南**：人工智能结合了标准指南（来自NCCN、ACS和ASCO等来源）和机构特定协议，确保医生获得最相关、最新的治疗建议，这些建议是根据患者的具体情况量身定制的。例如，如果一名患者被转诊怀疑患有肺癌，系统可以自动评估是否已采取所有必要的诊断步骤。如果缺少关键测试，它会在患者进行肿瘤科就诊之前提示转诊医生下达命令。

在会诊期间，人工智能提供基于证据的决策框架，减轻医生的认知负担，同时确保遵循最佳实践。“总体目标不是取代人类判断，而是增强它——让肿瘤科医生专注于个性化治疗决策，而不是花费宝贵时间检索和验证信息，”他补充道。

人工智能技术被部署到肿瘤科工作流程中，以支持全科医生和肿瘤科医生，确保患者旅程的每一步都由全面的、基于证据的见解指导。为了评估这一系统的有效性，旧金山加州大学医学助理教授特拉维斯·扎克博士与健康IT和临床服务公司Color合作，分析了UCSF提供的100个去识别的患者病例——其中50例为乳腺癌，50例为结肠癌。

每个病例包括两套记录：诊断记录，包含诊断日期之前的全部可用信息；治疗记录，涵盖诊断日期之前但不包括治疗开始日期的所有记录。为了评估人工智能，Color的临床医生分两个阶段处理这些病例：

**诊断运行类型**：使用诊断日期之前的记录处理100个患者病例（50个乳腺癌，50个结肠癌）。

**治疗运行类型**：使用诊断日期之前但不超出治疗开始日期的记录处理100个患者病例（50个乳腺癌，50个结肠癌）。

“Color的一位全科医生审查了人工智能生成的输出并在必要时进行了调整，”扎克说。“通过跟踪在三个关键领域修改的数量来评估系统的性能：提取决策因素的准确性、推荐检查的相关性以及相关检查的完整性。此外，研究记录了临床医生使用人工智能最终确定每个检查计划所需的时间。”

结果显示，人工智能系统与电子健康记录和其他医疗数据库集成，以简化对患者信息的访问和解释。患者数据被去识别以保护机密性。系统还被集成到各种技术流程中，以理解和评估所有更新的乳腺癌和结肠癌类型的临床指南。

通过减少用于行政任务的时间并消除护理中的不一致性，人工智能使肿瘤科医生能够专注于患者互动和治疗计划，旨在更快、更有效地进行癌症护理。

最显著的结果之一是肿瘤科医生在做出治疗决定之前审查患者记录和临床指南所花时间的显著减少。“以前，这个过程可能需要一到两个小时，特别是对于需要回顾大量病史和不断变化的指南建议的复杂病例，”扎克解释说。“有了人工智能系统后，在大多数情况下，这个时间减少到了大约10到15分钟。通过自动化数据聚合和结构化相关临床信息，系统使肿瘤科医生能够专注于决策而不是手动数据检索。”

另一个关键发现是人工智能生成的建议与肿瘤科医生的建议高度一致。“在一项比较研究中，人工智能的治疗建议与肿瘤科医生基于标准指南做出的临床决定之间的符合率为95%，”他继续说道。“这表明人工智能系统有效地综合和应用了国家级和机构指南，以支持临床决策。”

虽然人工监督仍然是必不可少的，但他表示，这种程度的一致性表明人工智能可以作为强化基于证据护理的可靠工具。此外，该系统有助于改善治疗启动的及时性。“订购必要的诊断测试（如活检或基因组测试）的延迟可能会延长诊断和治疗之间的时间，有时长达数周甚至数月。”通过在过程中更早地识别缺失但必要的工作，人工智能系统帮助减少了这些延迟，确保患者能够及时进入治疗阶段。

总的来说，这些结果表明人工智能可以在提高肿瘤科护理的效率、标准化和及时性方面发挥重要作用，特别是在获得专业技能可能受限的情况下。

对于希望将人工智能融入肿瘤科或其他专业的医疗机构，扎克建议采用战略性和结构化的方法进行实施。“首要考虑之一是确保人工智能系统能够访问全面且准确的患者数据，”他说。“人工智能驱动的决策支持工具依赖于完整数据集来生成具有临床意义的建议。”

然而，电子健康记录与其他数据源之间的互操作性挑战可能导致不完整的临床图景，这可能影响人工智能输出的可靠性，”他继续说道。“在实施之前，通过有效的数据集成和标准化解决这些差距应该是优先事项。”

另一个重要因素是他指出的人工智能驱动的建议和临床判断之间的平衡。“应将人工智能视为支持而非取代肿瘤科医生和其他医疗服务提供者的工具，”他强调说。“组织应确保临床医生积极参与解释人工智能生成的见解，并能在必要时覆盖或修改建议。”

为了促进这一点，人工智能系统应提供透明且可解释的决策路径，让用户了解建议是如何产生的，“对底层逻辑的清晰可见性增强了对人工智能辅助决策的信任，并促进了临床医生的采用。”

(以上内容均由Ai生成)