微新創想（idea2003.com）8月7日 消息:據scitechdaily報道，人工智能（AI）工具的整合，如臨床決策支持(CDS)算法，正在協助醫生在關鍵的患者診斷和治療決策中做出決策。然而，這些技術的成功在很大程度上取決于醫生對這些工具的理解，而目前這方面的技能還比較欠缺。

AI正成為醫療決策中不可或缺的一部分，但醫生需要加強對這些工具的理解以實現最佳使用。專家建議提供有針對性的培訓和實踐學習方法。

隨著像ChatGPT這樣的人工智能系統進入日常使用，醫生將開始看到這些工具融入他們的臨床實踐中，幫助他們在常見醫療情況的診斷和治療中做出重要決策。這些工具被稱為臨床決策支持（CDS）算法，用于指導醫療保健提供者做出關鍵決策，例如選擇哪種抗生素進行處方，或者是否建議進行風險較高的心臟手術。

然而，一篇8月5日發表在《新英格蘭醫學雜志》上的新觀點文章指出，這些新技術的成功很大程度上取決于醫生如何解讀和對待工具的風險預測，而這需要一套獨特的技能，目前許多醫生都缺乏這方面的技能。該文章的撰寫者來自馬里蘭大學醫學院（UMSOM）的教師團隊。

CDS算法功能豐富，可以在臨床不確定性條件下預測各種結果。從回歸推導的風險計算器到復雜的機器學習和人工智能系統，這些算法可以預測諸如哪些患者患有無法控制的感染導致生命威脅性膿毒癥的最高風險，或者在患有心臟疾病的患者中，哪種治療方法最有可能預防猝死等場景。

UMSOM的流行病學與公共衛生學教授、觀點文章合著者之一Daniel Morgan博士表示:“這些新技術有潛力對患者護理產生重大影響，但醫生需要先學習機器如何思考和工作，然后才能將算法納入他們的醫療實踐中。”

盡管一些臨床決策支持工具已經融入了電子病歷系統，但醫療保健提供者常常覺得當前的軟件使用起來很麻煩且難以操作。馬里蘭大學醫學院（UMSOM）流行病學與公共衛生學助理教授、觀點文章合著者之一Katherine Goodman博士表示:“醫生不需要成為數學或計算機專家，但他們確實需要在概率和風險調整方面有一個基本的理解，但是大多數醫生并沒有接受過這方面的培訓。”

為了解決這個問題，醫學教育和臨床培訓需要明確涵蓋針對臨床決策支持算法的概率推理。Morgan博士、Goodman博士以及他們在波士頓貝斯以色列底比斯醫療中心的合著者Adam Rodman博士提出了以下建議:

提高概率技能:在醫學院早期，學生應該學習概率和不確定性的基本方面，并使用可視化技術使概率思維更加直觀。這種培訓應包括解釋敏感性和特異性等性能指標，以更好地理解測試和算法的性能。

將算法輸出納入決策過程:醫生應該被教導在臨床決策中批判性地評估和使用臨床決策支持算法的預測。這種培訓涉及了解算法操作的背景、認識到其局限性，并考慮算法可能忽略的相關患者因素。

在應用學習中實踐解讀臨床決策支持算法的預測:醫學生和醫生可以通過將算法應用于個體患者，并研究不同輸入對預測結果的影響，進行實踐學習。他們還應該學會與患者就臨床決策支持算法指導下的決策進行溝通。

馬里蘭大學巴爾的摩分校（UMB）、馬里蘭大學帕克分校(UMCP)和馬里蘭大學醫療系統(UMMS)最近推出了一個新的健康計算研究所(IHC)的計劃。馬里蘭大學健康計算研究所將利用人工智能、網絡醫學和其他計算方法的最新進展，創建一個卓越的學習型醫療保健系統，通過評估去標識化和安全的數字化醫療健康數據來增強疾病診斷、預防和治療。Goodman博士將在IHC擔任職位，該機構將致力于教育和培訓醫療保健提供者最新的技術。該研究所計劃最終提供健康數據科學認證以及其他數據科學的正式教育機會。

馬里蘭大學醫學院院長Mark T. Gladwin博士表示:“概率和風險分析是循證醫學實踐的基礎，因此提高醫生的概率技能可以提供超越臨床決策支持算法使用的優勢。”他還表示:“我們正在進入一個變革時代的醫學，在這個時代，像我們的健康計算研究所這樣的新舉措將把大量數據整合到機器學習系統中，為個體患者提供個性化護理。”