大型语言模型如何颠覆医疗保健：成本骤降、误诊率大幅降低 第1张Source: 

这项工作以微软更广泛的医疗 AI 工作为基础，包括面向临床医生的 Dragon Copilot 和面向放射科的 RAD-DINO。其中一项关键创新是协调器能够协调多个 LLM，就像一个虚拟医生小组，共同协作以达成诊断。微软研究团队认为，这是迈向医疗保健领域负责任、值得信赖的 AI 的重要一步，尤其是在复杂病例的治疗方面。

包括 LLM 在内的人工智能正在提高多种工作流程的效率。最近的一项估计表明，更广泛地采用 AI 可以将美国的医疗支出减少 5-10%，。AI 工具可以自动执行临床文档、诊断和行政协助等任务。然而，专家强调，这些优势取决于合适的基础设施和成本。在实践中，医疗系统需要权衡定制的 AI 解决方案和工具，这些工具的选择范围从开发新模型到使用外部服务。最终决策取决于系统需求和成本考虑。总体而言，虽然 LLM 可以通过提高效率来降低医疗保健成本，但它们需要在技术方面进行大量的初始投资。

总体而言，尽管存在这些趋势，但医疗可负担性的改善并不均衡。以下是医疗可负担性和医疗保健系统面临的一些挑战：

技术和政策正通过 LLM 和人工智能 (AI) 推动医疗服务更加平价，但差距依然存在。数十亿人仍然无法获得平价医疗服务。要在全球范围内实现平价医疗，需要数字化应用、智能融资和持续创新——一些高收入国家正在快速推进这些努力，但较贫穷的国家尚未启动。随着这些庞大的医疗 LLM 项目的推出，这些不同地区之间的差距正在缩小。前景充满希望，但并不完整：我们拥有降低医疗成本的工具，但这些工具的全球实施和接受还远未实现。

问题 1：我们真的在朝着全球更便宜的医疗服务迈进吗？

答：答案喜忧参半。全球医疗可负担性的改善并不均衡。人工智能、远程医疗和仿制药具有节省成本的潜力，但不断上涨的成本和数十亿人面临的经济困境意味着实施工作尚未完成。

问题 2：大型语言模型 (LLM) 和人工智能如何让医疗服务更平价？

A. LLM 和人工智能 (AI) 可以改善诊断，自动化管理任务，并提高临床效率，从而可能节省数十亿美元。其效益取决于基础设施和训练有素的员工。

Q3. 自新冠疫情 (COVID-19) 以来，远程医疗对医疗成本有何影响？

A. 新冠疫情后，远程医疗的使用率有所上升，稳定在 13-17% 的就诊率，80% 的患者有重复使用意愿。它可以降低成本，并将 2500 亿美元的美国医疗服务转移到线上。

Q4. 仿制药和定价政策如何促进医疗可负担性？

A. 仿制药和定价政策可以降低成本。到 2028 年，仿制药市场将增长 50%。美国医疗保险 (Medicare) 通过谈判在 2023 年节省了 60 亿美元的药品价格。

Q5. 阻碍全民医疗可负担性的主要挑战是什么？

A. 挑战包括全球不平等、灾难性的成本、覆盖进展停滞以及对基础设施的需求。只有30%的国家同时提高覆盖率和财务保障。