AIGC + 医疗成题 ： 生成式人心能于医疗健康

用于医疗保健的通用AI报告 为患者、从业者和制药公司释放生成AI的潜力。 与 用于医疗保健的GENERATIVEAI 我们通过数据和AI解决方案来释放您的人民和企业的全 部价值。 18 国家/地区 +1300 雇员 +1000 CLIENTS Artefact是咨询服务的全球领导者，专门从事数据转换和数据与数字营销，从战略到AI解决方 案的部署。 我们提供创新（艺术）和数据科学（事实）的独特组合。 数据加速程序|AI解决方案|数据营销 TABLEOFCONTENTS 用于医疗保健的通用AI报告 为患者、从业者和制药公司释放生成AI的潜力。 1 生成AI在医疗保健中的兴起：在承诺与控制之 间导航 04 2 具体的生成式AI医疗保健： 应用和好处 07 3 医疗保健生态系统：振作起来 释放生成AI的潜力 18 4 医疗保健中的生成AI： 局限、挑战和机遇 33 5 信任与控制：在实现生成AI在医疗保健中的潜力方面 的关键作用 40 3 1 前文 生成AI在医疗保健领域的兴起： 在承诺和控制之间导航 生成人工智能已经经历了大规模的采用，并在2023年获得了巨大的动力。虽然它在医疗保健方面的前景很有希望，但最大的挑战将是我们控制结果的能力 。 <提示> 在我的腹股沟疝手术之前要采取什么准备步骤？ 是一些直接影响患者健康的应用程序的主要关注点（例如，诊断支持，患者信息...）。因此，关键的成功因素 对于医疗保健中的生成AI应用将是验证和控制过程。 第二个是第一个的补充：这些幻觉看起来是如此合理，以至于区分什么是真的和什么是假变得非常具有挑战性。例如，ChatGPT结果通常在形式上似乎是完美的，写得很好，并且呈现出来的论点似乎几乎无可辩驳-但不一定是正确的。像这样的结果自然会激发那些没有得到警告的最终用户的信任。因此，生成人工智能应用的第二个关键成功因素将是。 我们目睹了医学知识的空前高速增长：虽然在1950年代每50年翻一番，但在2010年加速到3.5年，然后在2020年加速到每73天。在病人护理和研究方面，知识的扩张速度都快于我们消费它的能力。与此同时，患者群体正在增长，复杂的病理变得越来越普遍，导致医疗保健专业人员走向超专业化。 这些现象给医疗保健专业人员带来了巨大的压力，他们对内容不知所措，同时吸收它的时间更少。因此，利用技术支持至关重要。 随着模型从以任务为中心转向以结果为导向，机器现在正在努力理解人类并改变他们使用数据的方式。 以下是一个简短的有趣提示列表，医疗保健专业人员可能会考虑使用这些提示来增强他们的日常活动： 生成AI具有变革潜力，可以将人类从重复性任务中解放出来，使他们能够将精力集中在更高价值的活动上，并腾出时间来解决更复杂的需求。 •它可以自动汇总数据，而不考虑数量。 •它促进了输出定制，允许细化结果，修改其形式，语言... •它通过快速生成想法和相同结果的不同选择来支持创作过程。 对该行业的影响估计为1万亿美元（麦肯锡：用生成AI解决医疗保健的最大负担）。我们预见了整个医疗保健价值链的影响，这些影响在本白皮书的第一部分中进行了阐述。 然而，这些机会伴随着巨大的挑战。如果我们抛开人工智能面临的传统问题(道德、监管……)，仍然存在两个挑战。 首先是生成AI模型产生幻觉的可能性。大多数大型语言模型基于一种称为变压器的特定神经网络技术。该模型经过训练，可以识别模式，在概念之间建立联系，一个接一个地预测单词。这在一定程度上解释了幻觉:完全捏造信息的无意义句子 。这 是医疗保健专业人员和患者的培训。每个最终用户都应该知道这些应用程序的期望以及它们的局限性。 今年早些时候，Artefact发布了一项GenerativeAI调查，描述了技术，回报和风险。这项全面的调查涵盖了各个行业的应用，技术挑战，人类影响和道德风险。鉴于医疗保健行业的特殊性，我们决定撰写本白皮书以回答以下问题： •生成AI如何改变医疗保健行业，它的第一个应用将是什么？ •谁是促进生成人工智能传播的主要参与者，他们目前的重点领域是什么？ •实施生成AI应用程序的关键挑战是什么？目前正在探索哪些解决方案？ 保罗·德·巴林考特 主管-医疗保健数据和AI转 型 <提示> 您能否找到与使用卡马西平相关的不良事件的AEM标签？ 应监测哪些基因突变以诊断皮 肤黑色素瘤？ 列出阑尾切除术需要考虑的患者的所有 4 GENERATIVEAIforHEALTHCARE 5用于医疗保健的GENERATIVEAI 我们的方法论 这项工作的目的不是详尽无遗，而是强调医疗保健生态系统中引起我们兴趣的破坏性生成AI用例和参与者。 为了撰写本白皮书，我们采用了以生态系统为中心的方法，并将生成性AI医疗保健格局分为两个主要群体：面向患者的参与者和推动者。我们选择将患者置于分析的中心，因为我们认为 ，当 考虑在医疗保健和制药行业中启动生成性AI计划。对于每种类型的参与者，我们将查看生成性AI的当前和未来用例，他们如何准备开发这些应用程序，以及他们可能面临的限制 ，挑战和机遇。 2具体的生成式AI医疗保健：应用和益处 7用于医疗保健的GENERATIVEAI 6用于医疗保健的GENERATIVEAI 生成型AI已经影响到整个医疗生态系统 应用于医疗保健行业，生成AI有可能在运营管理方面提供重大的短期改进，特别是通过为研究人员和护理人员开发虚拟助理和人类增强。从中长期来看，它应该推动高附加值领域的真正创新加速，如药物发现、精准医学和护理决策。 2023年生成性AI解决方案的快速和广泛采用使得综合所有潜在用途变得具有挑战性。尽管如此，似乎出现了几个突出的用例类别： •数据增强：生成新数据以丰富/扩展用于训练基于AI的医疗设备或验证临床试验的数据集。 •洞察力生成：总结，从数据中提取关键信息，以支持诊断和药物发现。 •生物分子生成：通过从头生成和优化具有药物开发所需特性的生物分子结构，从头开始设计新的候选药物。 •内容个性化：分析互动并创建个性化内容/体验，以加强与患者和HCP的沟通。 •生产力和自动化：增强日常操作任务，例如协助代码开发或完成管理任务（例如，处方表格，办公室访问报告，社会保障表格）。 对于生成AI的一些高级应用，将科学专业知识保持在流程的核心至关重要。例如，我们知道AI在药物发现过程中可以成为靶标识别和化合物设计的重要盟友。然而，在临床前开发阶段，药理学和毒理学研究对于验证已确定的线索并优化它们的功效，安全性和更好的药物特性至关重要。生物和化学知识仍然是发展的核心 。 很难预测这些用例将在何时何地影响行业。在不进行预测的情况下，我们可以估计以下因素将决定这些具有生成性AI功能的解决方案的上市时间： •技术成熟度：技术资产的当前准备水平（例如，可用于专用应用程序的基础模型和性能）。 •采用努力：根据我们试图解决的问题，可靠性、验证和用户接受度方面的挑战各不相同（例如，直接交付给患者的应用程序面临重大的采用挑战）。 •数据准备：能够捕获和利用足够的定性数据来提供模型。 很难相信，如果没有对生物学的深刻理解，生成 AI将能够创建成功的新治疗计划。 ThomasClozel-首席执行官兼联合创始人-OWKIN 9 用于医疗保健的GENERATIVEAI 8用于医疗保健的GENERATIVEAI 在下面的示例中，我们提出了在医疗保健和制药领域可以预期的主要生成AI用例的整体视图： 制药公司 研究所 1-用于临床试验的合成患者数据生成：使用生成AI模型来减少招募患者的数量（例如，用于罕见疾病或风险人群）。 2-从头生物分子生成：借助扩散模型制造新的蛋白质结构，以加速药物开发并改善基因治疗。 3-销售代表的HCP参与助理：根据电话和电子邮件为销售代表生成最佳响应，以更好地参与HCP。 4-营销内容生成：使用GenerativeAI应用程序创建特定营销内容的不同改编（例如，消息、格式）。 5-监管对话助理：构建一个工具，使监管团队能够按国家/地区交互访问监管资源，并在药物批准过程的每个步骤中接收提醒和清单。 11-撰写和格式化科学出版物：加快文献综述，确定研究问题，提供该领域的当前状态的概述，并自动化 格式和语言审查。 12-患者预筛查:扫描大量的健康和医疗记录，以简化招聘漏斗，更好地确定合适的候选人 用于临床试验。 检测爆发的早期迹象，监测和预测病原体的传播，并通过分析大量人群来确定感染源 数据。 14.心理健康支持：改善情绪监测，通过文本，图像或语音检测人类行为的变化，并表征抑郁或焦虑的早期 症状。 护理提供者 6-生物标志物分析支持：利用GenerativeAI实现生物标志物数据处理（文本、图像）的自动化，以实现远程患者监测，从 而减少侵入性检查（例如活检）的数量。 7-诊断和治疗计划的图像增强和分析：通过生成合成图像来增强医学成像，改善重建和分割，并促进疾病诊断和治疗计划。 8-诊断和护理决策支持：在诊断或汽车决策环境中生成基于证据的、可解释的后续步骤，并提供相关来源供审查。 9-HCP行政助理：管理新医疗内容（例如，研究）的总结和管理任务的写作（例如，记录患者预约，写处方或更新患者记录）。 10-医疗编码：提供实时编码建议和建议，通过提供基于行业标准的适当代码、修饰符和文档的见解，确保准确性和合规性。 付款人 15-患者的预防和信息代理：建立信息对话代理，以提供有关医疗条件，手术，医疗程序，药物，预防性 护理和共享患者的信息 教育材料。 16-索赔处理精简:自动执行一些常规任务，如数据输入和分析。总结 并优先考虑索赔。 STARTUPS 创业公司可以解决所有提到的用例。 10GENERATIVEAIforHEALTHCARE11用于医疗保健的GENERATIVEAI 2-应用和优点 转变医疗保健： 放大生成AI的几个高影响力用例 用例#1 合成患者数据生成加速临床试验 目标 临床试验研究者：作为临床试验研究者，我监督和开展临床试验，以评估新的药物治疗和干预措施，确保它们符合道德和监管标准。 上下文 临床试验的一个主要障碍1由于III期临床试验通常需要大量患者（有时需要成千上万的患者），因此可能需要长达四年的时间才能聚集足够大的群体2启动此阶段。此外，即使完成招募，也不能确保保留患者3之后。 挑战 •加快患者招募，以减少第三阶段启动的时间。 由于“增强队列”（即AI生成的虚拟患者），即使在过程的每个阶段都需要医生验证，生成AI也可以减少临床试验第三阶段所需的时间。 StéphanieAllassonnière 教授和副总裁的价值和工业伙伴关系 巴黎大学 在以下部分中，我们将介绍一些已经可用或正在开发的旗舰用例，这些用例可能会对制药和医疗保健行业产生近期到中期的影响。 NOTE 请注意，使用GenerativeAI创建的所有内容都必须接受强制性的人在环方法，并对潜在风险进行严格评估，并遵守适用的标准和法规。 •促进针对罕见疾病和高危患者等复杂人群的多中心队列招募。 •减少潜在的保留困难。 解决方案 •集中所有过去和当前的患者旅程数据4从你目前的队列。 •实现生成对抗网络模型5在您的队列数据集上，通过合成患者数据，包括有关临床特征，基因组学，治疗和结果的信息来几乎增强它。 •利用验证框架来评估生成数据的保真度和隐私保存性。 •保留患者隐私,因为所生成的数据既不是真实数据的副本也不是真实数据的表示。 •加快临床试验进程，降低患者招募成本。 12GENERATIVEAIforHEALTHCARE13用于医疗保健的GENERATIVEAI 2-应用与益处2-应用与益处 用例#2 个性化护理推荐支持 目标 执业医师:作为一名医生，我诊断和治疗医疗状况，进行评估，开处方药物，并教患者