数字医疗

原文摘录   · · · · · ·  ( 全部 )

• 计算机能够习得医生的诊断思维吗？ 鉴别诊断于医生就如同假设之于科学家一样，是他们专业思维的核心。 我们的工作就是权衡已有的信息，最终“纳入”最可能的诊断，“排除”其他可能性。有时候病史和体格检查提供的信息已经足够。更常见的情况是，病人状况十分糟糕，我们需要额外的实验室检查或者放射医学检查来帮助我们从众多的可选疾病中，让正确的那个“纳入”答案线。 在诊断过程中包含着大量临床技能和诸多艺术思维的应用。例如，我们需要明确病人的症状是由于单一疾病引起的，还是说由两种或多种不同疾病引起的。奥卡姆剃刀定律告诉我们，应该寻找到能够解释病人所有症状的最简约诊断。虽然医学生谨记这个简明的临床法则，但是我们还需要权衡与其对立的希卡姆判词，后者代表的是“病人当然有可能会同时患有多种疾病”。 当医生询问病人一系列看似无关病人主诉的问题时，实际上是在逐渐“缩小鉴别诊断范围”。 人工智能系统最需要学习、获取的恰恰是其复杂的认知过程。 把诊断学当成简单的医患问答是不可行的。 诊断错误是导致医疗诉讼最常见的原因。 即便IBM公司的最终目标是让医疗人工智能替代医生，工程师们仍旧需要医生来教他们如何做到这一点。 这意味着那些受过专业培训的专家可只做那些自己擅长的事情，大部分的日常诊断可以由一个能得到有效技术支持的全科医生来完成，其余的琐碎杂事可以由训练有素的护士，或由病人及家属完成，并不一定非得寻求专业医生的帮助。 当下的医学文献量已达到2400万篇，并以每天2100篇的速度递增。那些认为单个医生能跟上医学文献洪流的想法实在非常可笑。 人脑在处理大数据问题时实际依赖的数据量不多。但对于一个医生来说，为了做好接诊，如果他只有两三分钟的时间去理解10000页长的病历，这将是一个大问题。与此同时，我们希望在接诊过程中，医患之间有很好地互动，而不能因为医生总是花大部分的时间埋头看记录而造成沟通障碍。 大数据主要用于帮... (查看原文)

  花针穿茉莉 1赞 2019-03-22 14:10:38

• 所有这些运转的基础都建立在一种全新的医疗服务付费系统之上。医院和医生不再只为加薪而进行更多的治疗，他们的报酬会以服务费的形式体现出来。他们会因服务人群而得到基本工资，基本工资也会因患者疾病的严重程度而调整。薪水会依靠服务的质量、安全性和有效性而上下波动，但不再取决于体格检查结果及类似的记录。 未来医院和诊室的电子健康档案会变得商品化，就像同样的工作可以选择几种不同的产品来完成，这点和目前的网络浏览器相似。真正的举措和资金将会转型投资创造革命性的工具，帮助患者保持健康并控制疾病，帮助医生做得更好更经济，并且它们就像一台整合器一样，将所有的数据转变成真实的智能信息。 即使我们的技术是正确无误的，作为医生的本职工作仍需不断地强调：这是一个患者，一个希望和恐惧同在、梦想和喜好共存的人，他是我们需要照顾的对象，而不是一个数字的化身。在对医生的培训中，我们必须不断灌输这个职业的核心价值，并在每个临床医生的职业生涯中不断强化这一点。 回到复方新诺明事件，我们可以很容易地针对系统提出一些改善措施。波音公司的工程师反复告诉我：“我们总是试图简化系统。”一个简单的例子就是：电子处方系统强迫医生使用mg/kg来表示剂量，而医生都已经习惯了用“一天两次，每次一片”的方式来开处方，这就是一个需要简化改善的地方。至关重要的信息，如剂量是以mg还是mg/kg表示需要以一种不会让人误解的方式显示。系统必须拒绝接受荒唐的选项，例如开出常规39倍的剂量，哪怕只是常规4倍这样的剂量也要拒绝。 我之前已经描述了报警系统为何需要流程化和改进。除了简单地削减弹出窗口的数量和排列优先级外，在设计医疗信息系统时，我们似乎缺乏一个根本性的理念。在设计过程中的每一步，波音公司都会将飞行员带到模拟器上检查警报及其他任何设计是否在按设计师预期的方式工作。基于这种“以用户为中心的设计”理念，在航空工程师完成他们的原型机后，会建立一... (查看原文)

  花针穿茉莉 1赞 2019-03-22 15:42:27

> 全部原文摘录