生成式AI正在颠覆传统医患关系

经过几十年的“医生说的准没错”之后，传统医患关系正处于重大转折的临界点。OpenAI的ChatGPT、谷歌的Bard以及微软的Bing等生成式AI工具，将赋予人们更多的决策权和控制权——这种权利不仅渗透进个人生活和日常工作，更将在医疗健康层面有所体现。

随着生成式AI工具变得更加智能、安全且可靠（预计在未来五年内，AI功能将增强32倍），普通美国民众将能够随时随地获取无与伦比的医疗专业知识，而且是以易于理解的形式呈现。

目前，谷歌的Med-PaLM 2模型已经在美国行医执照考试中获得与专家相当的86.5%得分，而其他AI工具在诊断复杂疾病方面的技能和准确性也已经与普通医生相当。

很快，AI工具将能够与健康监测器和电子病历相集成，为患者提供关于特定医疗问题的详细信息（甲骨文/Cerner和Epic已经在推进此类EHR电子健康信息项目）。假以时日，相信人们能够像如今的临床医生一样准确、有效地自我诊断并管理健康问题。

而这种新兴的专业知识来源，也将动摇传统临床实践的根基。

尽管公共卫生专家长期以来一直强调临床医生与患者共同努力、携手决策的理念，但在现实推进方面却一直举步维艰。生成式AI的发展普及有望改变这一现状。

今日病患：痛苦，且充满困惑

要了解生成式AI将如何影响医学实践，我们最好先从当前的医患动态入手。

医患关系最早可以追溯至五千年前，而且长期处于不对等的对抗状态之下。患者别无选择，只能以几乎完全依赖医生的方式了解自身疾病、获取诊疗意见。

尽管患者现在已经可以访问互联网来查询潜在诊断与治疗方案，但专业医疗知识的缺少导致他们无从具体甄别。事实上，大量线上资源之间往往相互矛盾、模糊不清、严重过时甚至存在误导倾向——换言之，对信息的筛选提炼本身就极具难度。而且网络用户也无法配合自己的年龄、病史、基因构成、当前用药和化验结果等指标获取有针对性的可靠建议。

未来病患：巩固信心，自我诊疗

未来，生成式AI将创造出公平的竞争环境，进而颠覆传统医患关系。

消费级AI工具不仅能够为用户提供知识，更能给出专业性的指导意见。这类工具能够让普通人以前所未有的高复杂方式创作艺术杰作、编写热门歌曲和输出计算机代码。而下一代AI技术也将为患者提供类似的能力，包括那些不具备科学或医学背景的病患。

如同一位数字化助手，生成式AI将以搜索引擎无法企及的方式缩小医生和患者之间的知识差距。通过访问数百万份医学文本、同行评审期刊和科学文章，ChatGPT能够以通俗易懂的语言提供准确而公正的医学专业知识。而且与互联网资源不同，生成式AI工具不会内置广告宣传机制、或者其他可能歪曲分析结论的利益要素。

为了帮助患者和医生驾驭这个即将到来的生成式AI时代，我们也许可以从以下几种经过验证的未来医疗实践模式起步：

引入“翻转医疗保健”模式

“翻转课堂”概念的历史可以追溯到近四十年前，并且自2000年初通过北加州的Khan Academy开始在全美掀起热潮。

学生们的学习过程是通过线上观看视频和使用互动工具开始的，这就与传统课堂形成了鲜明反差。这种课前准备（或者说预习）模式允许人们按照自己的节奏安排学习内容。此外，翻转课堂还强调课间商议，让教师和学生比以往更深入地讨论主题。事实上，学生应该把握宝贵的课堂时间利用知识和协作解决问题，而不仅仅是被动听讲和记笔记。

生成式AI的引入，也为医疗保健领域的其他应用打开了大门。下面来看这项技术在实践中的几种运作方式：

• 诊前学习：在拜访医生之前，患者可以使用生成式AI工具了解自己的症状或常规治疗情况。这些背景知识将加快诊断过程，并增强患者对医生意见的理解水平。即使没有先进的诊断测试（X光片或血液检查），诊前学习环节也能让患者预先了解临床医生可能提出哪些问题、过程中具体涉及哪些步骤。
• 加深人际交互：在患者已经具备基础知识的前提下，诊疗过程将深入探讨积极的健康策略及/或长期的慢性病管理方案，这就跳过了冗长且容易发生误解的说明过程。这种方法最大限度利用了患者与临床医生的面谈时间，也克服了一大普遍存在的现实问题：至少50%的患者在诊疗结束之后，并不清楚自己有没有正确理解医生的意见。
• 居家监测：对于60%的美国慢性病患者来说，生成式AI能够与可穿戴监测设备相结合，为他们提供实时反馈并优化临床结果。这些患者无需定期就诊（每三到六个月），即可轻松获取每日医学分析和见解。如果生成式AI发现了问题（例如健康数据偏离了医生的预期），将提醒医生立即更新药品配伍。而当患者状况良好时，医生则可取消随访以避免浪费时间。
• 家庭病床：住院护理所产生的开销，一般占总体医疗费用的30%。通过持续监测患有轻度肺炎及可控细菌感染等病症的患者体征，生成式AI（与家庭监测设备和远程医疗访问相结合）能够让病患在舒适的家中接受治疗，获得优于现状的安全性和经济性。
• 健康生活方式：生成式AI还能支持预防性健康措施与生活方式等习惯性转变，从根本上减少对现场临床护理的总体需求。研究证实，注重饮食、锻炼和定期参与体检能够将慢性疾病（心脏病、中风、癌症等）的致命并发症比例降低30%以上。而由此减少的手术需求，也有助于改善医保基金运营状况、解决未来可以预计的医生/护士人力短缺问题。

展望未来：协作护理以实现卓越疗效

美国的医疗模式常常令患者感到沮丧、不知所措。与此同时，医生们则负担沉重，过高的工作强度经常导致仓促诊断甚至误诊，由此导致的死亡和致残问题估计每年高达80万例。

受Khan Academy的启发，新的“翻转”模式利用生成式AI帮助患者掌握专业知识。这种新模式将为临床医生节约下宝贵时间，充分运用每一次就诊机会。诚然，实现这一宏伟目标还需要AI技术的后续改进以及医疗文化的整体演变，但这至少开启了希望之门，让我们看到医患关系更加和谐、患者主动改善自身健康状况的可能性。

如果还抱有疑虑，大家可以跟Khan Academy的教育工作者们聊聊，他们会分享这种创新模式如何让学生们获得更好的教育体验，包括与传统教育系统内的师生相比、该学院中的师生满意度为何遥遥领先。教育如此，医疗也将如此。