对于Emplify Health首席数字创新官Praveen Chopra来说，部署AI解决方案并非跟风之举。通过使用Azure服务实现OpenAI大语言模型，其目标是帮助临床医生和员工更聪明地工作，减轻认知负担，让他们能够专注于实际工作。
但公司必须从基础开始。Chopra解释说，考虑到AI领域的热潮，项目的一个关键基础层面是构建AI素养。"我们知道不能仅仅给人们一个工具而不解释它能做什么和不能做什么，"他说。
作为其中一部分，Emplify Health还建立了明确的指导原则，确保AI工具的安全和负责任使用。例如，Emplify Health副总裁兼项目负责人Krister Mattson表示，技术团队知道这些模型并非用于提供诊断或患者护理，而是为了减轻行政负担，不是为了取代任何人或使用AI做出临床护理决策。
Chopra重申了为人们提供必要基础知识的重要性，最终让他们能够自主实验。"我称之为培育技术，"他说。"我们不希望用户胡乱使用。我们希望这个工具帮助他们创造价值。这完全是为了确保我们'培养'用户正确使用，让他们以负责任的方式使用它。"
他补充说，设计解决方案、制定负责任的使用框架、建立防护措施和制定负责任使用政策所花费的时间，比推出实际产品的时间还要多。"技术是现成的，但奠定基础是最困难也可能是最重要的部分，"他说。
付诸实施
有了正确的基础，他们创建了"实验场"，让一小群人开始尝试这项技术。通过迭代过程，团队推出了最小可行产品，然后分析数据，根据需要添加或删除功能并进行调整。随着时间推移，他们开始看到模型使用的指数级增长。而出现的一些用例是意想不到的。
"我们几乎立即看到了我们意想不到的领域的使用情况，"Mattson说。"例如，在我们生物样本库工作的一位研究人员提交了数千个提示。我们在那里存储病理样本和报告用于研究目的。这位研究人员使用AI来量化和更好地理解这些报告，而在过去，这需要手动完成，耗时数小时。"
另一个用例围绕行为健康。当患者离开医院或任何其他医疗机构时，他们必须做几件事来确保正确康复。"管理症状和了解需要注意的触发因素等都很重要，"Chopra说。"通过AI，我们可以以简短、个性化指导手册的形式创建护理计划，详细说明他们需要知道的一切。"
今天，Emplify Health的AI模型拥有近1700名用户，Chopra和Mattson计划大力投资在整个组织中更广泛地推广它。"现在人们已经使用过它并理解了它的力量，他们来找我们，希望它能更快地完成工作，或者希望我们为生态系统增加更多功能，"Chopra说。这对搭档不断被要求创建新的实验场，这样他们就可以在不中断日常运营的情况下进行实验。
虽然很难量化项目带来的时间节省，但效率明显提高了。"我们没有雇佣更多人，但整体生产力提高了30%到40%，"Chopra说。现在他们正在寻求扩大这些效率提升。
新的自动化机会
Mattson说，仍有一些人们不应该做的工作正在进行。"我们现在知道可以通过自动化消除这些任务，"他说，并指出他们还在研究如何将该工具用于情感分析，特别是在患者调查方面。"我们收到数千条患者评论，现在我们可以分析这些数据并使用这些见解来改善患者体验。"
CIO 100奖项表彰通过技术推动创新、转型和业务成功的IT领导者，Emplify Health使用AI和智能自动化帮助临床医生和员工更高效工作并提供更好护理的做法为该团队赢得了今年的奖项。
Chopra说，项目成功的一个重要因素是没有为了AI而跳入AI狂热。"你必须花时间定义你试图解决的问题，"他说，并补充说专注于治理、AI素养和负责任使用框架在开始时是必不可少的。但Mattson补充说，即使你做了所有这些，你仍然可能失败。"这没关系，"他说。"你需要接受失败和尝试，然后在需要时进行调整。"
Q&A
Q1：Emplify Health是如何使用大语言模型的？
A：Emplify Health通过Azure服务实现OpenAI大语言模型，目标是帮助临床医生和员工更聪明地工作，减轻认知负担。他们建立了AI素养培训和负责任使用框架，创建实验场让用户逐步熟悉技术，目前已有近1700名用户，整体生产力提高了30%到40%。
Q2：大语言模型在医疗领域有哪些具体应用？
A：主要应用包括：研究人员使用AI分析病理样本报告，将原本需要数小时的手动工作大幅简化；为出院患者创建个性化护理计划指导手册；对患者调查进行情感分析以改善患者体验；以及减轻行政负担等，但不用于临床诊断决策。
Q3：医疗机构部署AI需要注意什么？
A：首先要建立AI素养，确保用户了解工具的能力边界；建立负责任使用框架和防护措施；明确AI不用于诊断或替代临床决策；采用迭代方式逐步推广；要准备好接受失败并及时调整策略。设计解决方案和建立框架比技术实施更重要。
