拉斯维加斯著名贝拉吉奥喷泉旁发生枪击事件,2人死亡

  拉斯维加斯著名的贝拉吉奥喷泉附近发生枪击事件,两人死亡 根据警方的消息,一名与拉斯维加斯著名贝拉吉奥喷泉附近发生的致命枪击事件有关的嫌疑人已被逮捕。   41岁的曼努埃尔·鲁伊斯于6月9日自首,因涉嫌在著名喷泉前向两名受害者开枪而被拘留,拉斯维加斯大都会警察局(LVMPD)表示。…
健康解锁成本效率:医疗保健中人工智能的新方法

解锁成本效率:医疗保健中人工智能的新方法

一项最新研究揭示了在医疗系统中实施大型语言模型(LLMs)——一种人工智能(AI)形式的方法,同时保持成本可控并确保有效性能。该研究强调了健康组织如何利用这些先进的AI技术高效地自动化流程,节约时间并降低运营费用,同时确保在高峰任务需求期间的可靠性。

来自西奈山医学院Icahn校区的研究人员的最新研究揭示了在医疗系统中部署大型语言模型(LLMs)——一种人工智能(AI)——的策略,同时保持成本效益和性能水平。

这些研究结果于11月18日在《npj数字医学》在线版上发表,阐明了医疗系统如何利用尖端AI工具有效地自动化任务,从而节省时间并降低运营费用,同时确保这些模型的可靠性,即使在显著的工作负荷压力下。

共同首席作者Girish N. Nadkarni博士,公共卫生硕士表示:“我们的研究结果为医疗系统有效整合先进AI工具以进行任务自动化提供了一条指导方针,在保持高频率使用期间的稳定性能的同时,可能将与LLMs相关的应用程序编程接口(API)调用成本降低多达17倍。”他担任Icahn Mount Sinai的艾琳与阿瑟·M·费希伯医学教授,并担任Mount Sinai健康系统个性化医学查尔斯·布隆夫曼研究所所长和数据驱动与数字医学(D3M)部门主任。

医疗提供者每天生成大量数据。LLMs,例如OpenAI的GPT-4,为自动化和精简多个任务中的工作流程提供了良好的机会。然而,研究人员指出,使用这些AI模型的持续运营费用可能是其广泛应用的重大财务障碍。

首席作者Eyal Klang博士,Icahn Mount Sinai D3M生成AI研究项目主任解释说:“我们研究的动机是发现实际解决方案来降低费用,而不影响性能,从而使医疗系统能够自信地更大规模采用LLMs。我们旨在“压力测试”这些模型,以评估它们在处理多个同时任务时的有效性,并识别能够维持高性能的方法,同时保持成本在可控之中。”

这项研究使用实际患者数据检验了10种LLMs,重点关注它们对各种临床查询的响应。研究团队进行了超过300,000次测试,逐步增加工作负荷,以确定模型应对不断增加的需求的效率。

除了检查准确性外,研究人员还测量了模型遵循临床指南的有效性,随后进行了经济分析。他们发现,合并任务可以帮助医疗机构减少与AI相关的费用,同时保持强大的模型性能。

研究表明,通过具体组合最多50个临床任务——例如匹配临床试验的患者、设计研究队列、提取流行病学研究数据、评估药物安全性以及识别预防健康筛查的候选者——LLMs可以有效地同时管理这些任务,并在准确性减低极小的情况下完成。这一方法表明医院可以提高工作流程,并可能将API费用降低多达17倍,这意味着对于大型医疗系统可能节省数百万美元,使先进AI工具的使用更具财务可行性。

Nadkarni博士强调:“确定这些模型在高认知负荷下开始遇到困难的临界点至关重要,以确保可靠性和运营稳定性。我们的研究结果为将生成AI整合到医疗环境中提供了一种现实的途径,并鼓励进一步探索LLMs在实际约束下的能力。”

研究人员指出,一个令人惊讶的发现是,即使是像GPT-4这样复杂的模型在达到其认知极限时也表现出压力迹象。当处于高压力状态时,其性能偶尔会不可预测地下降,而不是表现出微小的错误。

共同作者、大西奈健康系统首席临床官David L. Reich博士表示:“这项研究对AI在医疗系统中的整合具有重要意义。通过为LLMs分组任务,我们不仅可以降低成本,还可以保护资源以直接用于患者护理。此外,通过了解这些模型的认知限制,医疗提供者可以提高AI的效用,同时降低风险,从而确保这些工具在关键医疗情境中作为可靠支持运作。”

展望未来,研究团队打算调查这些模型在实时临床情况下的表现,管理实际的患者工作负荷并直接与医疗团队互动。他们还计划评估新兴模型,以确定随着技术进步认知阈值是否会变化。他们的总体目标是建立一个可靠的框架,以将AI整合到医疗中,为系统提供平衡效率、准确性和成本效益的工具,以改善患者护理而不引入额外风险。