在疫情期间，越来越多的患者在NYU Langone Health利用电子健康记录工具与医生沟通。这一转变导致了集成在NYU Langone电子健康记录系统EPIC中的In Basket沟通工具使用频率的增加。
NYU Langone的医生们收到了每日信息数量的显著增加，有些医生每天收到超过150条In Basket消息。这一信息激增给医疗专业人员带来了负担，加剧了医生的职业倦怠率。
最近一项由NYU Grossman医学院研究人员进行的研究表明，AI工具能够生成与患者电子健康记录查询相对应的回复，其准确性与人类医疗提供者相当，同时被认为更具同理心。该研究表明，这种AI工具可以减轻医生管理In Basket消息的工作量，并增强与患者的沟通，前提是人类提供者在发送之前审查AI生成的回复。
NYU Langone Health一直在探索利用计算机算法根据互联网语言模式预测句子中下一个单词的生成性人工智能（genAI）的能力。这项技术允许创建可以使用类人语言回答查询的“聊天机器人”。在2023年，NYU Langone获得了一份私有的GPT4实例，这是聊天机器人chatGPT的后代，供医生进行实验，同时保护患者数据隐私。
这项研究于7月16日发表在JAMA Network Open上，主要护理医生将AI生成的患者查询回复与人类回复进行了比较。研究结果表明，AI回复在准确性、相关性和完整性方面与人类回复相匹配。AI回复在语气和可理解性方面表现优于人类提供者，超出了9.5%。它们在用语上也更具同理心和积极性，促进了与患者的伙伴关系。
尽管有这些优势，AI回复比人类提供者的回复更长且使用更复杂的语言。人们意识到需要额外的培训来改善该AI工具。尽管AI回复的可读性被评为八年级水平，高于人类回复的六年级水平，但该工具的可读性仍有提升空间。
研究人员强调，使用私有患者数据而非一般互联网数据来训练聊天机器人具有重要意义，因为这更准确地反映了现实世界的场景。未来的研究将在评估私有数据对AI工具性能影响方面至关重要。
NYU Langone医学院信息技术（MCIT）信息学创新高级主任、该研究的通讯作者德文·曼（Dr. Devin Mann）表示，他对在医生监督下，AI生成的回复很快将能在质量、沟通风格和可用性方面与人类回复相匹配充满信心。
该研究由来自NYU Langone Health的作者团队进行，包括斯莫尔（Dr. Small）和曼医生（Dr. Mann），以及来自其他部门和机构的研究人员。该研究的资金由国家科学基金会和瑞士国家科学基金会提供。
