ChatGPT（Open AI，美国加利福尼亚州旧金山）风靡全球[1]。ChatGPT基于人工智能（AI）技术，通过人工编写的互联网数据（包括对话）进行训练，于2022年11月面向公众发布。这种由AI驱动的聊天机器人的功能强大，使用范围广泛，从诗歌创作、论文写作、解决编码问题，到解释“我们应如何修复英国国民健康服务体系（UK National Health Service）”等复杂概念均有涉及。一些人认为，ChatGPT已将在线搜索提升到了一个新的水平；[2]该程序可快速且深入地理解复杂问题，检索之前给出的回答，以对话的方式对所提出的确切问题生成自定义回答。虽然ChatGPT还处于研究阶段，但已在多个用例中展示了令人印象深刻的性能。ChatGPT的潜在应用领域之一是生成出院总结。编写包含必要信息的高质量出院总结十分耗费时间，而这一负担通常落在初级医生身上。因此，权衡出院总结与临床承诺时，出院总结总是被排在后面，导致患者出院延迟或出院总结信息不充分，这不仅会给本就捉襟见肘的初级医生队伍带来压力，而且还会为二级照护向一级照护过渡的过程中带来潜在的患者安全问题。[3]
ChatGPT允许医生输入要包含的具体信息的摘要、要详细说明的概念和要解释的指导，便可在数秒钟内输出一份正式的出院总结（显示页[panel]）。显然，可选择这项技术用于生成出院总结，因为出院总结的格式基本标准化；而这种标准化在之前已通过根据皇家内科医学院（Royal College of Physicians）等组织创立的模板获得认可。[4]因此，这一过程的自动化可以减轻初级医生的工作负担，使其有更多的时间来照护患者，并寻求通常以服务提供为中心的培训机会。ChatGPT还可以提高出院总结的质量，之前的文献表明，通过传统方式撰写的出院总结往往会遗漏细节。[5]
显示页
ChatGPT对简单出院总结请求的响应
提示语
“帮我为John Doe写一份出院总结，患者70岁，5天前接受了全髋关节置换术，现在可出院回家。”
响应*
*虽然该总结对于大多数患者而言可能是准确的，但ChatGPT自动生成了提示语中未包含的其他信息，表明临床工作人员有必要在最终定稿之前进行手动检查。
“患者：John Doe
年龄：70岁
入院日期：[日期]
出院日期：[日期]
入院原因：全髋关节置换术
住院总结：
患者Doe于[日期]入院，接受全髋关节置换术。手术成功，患者Doe的康复进程良好。患者对物理治疗和疼痛管理方案的依从性良好，而且患侧下肢的活动度和力量良好。患者可独立完成日常生活活动，并已充分理解术后照护说明。
后续照护建议：
建议患者Doe继续按照物理治疗师的处方进行物理治疗。患者还应继续遵医嘱服用止痛药，并遵循健康的饮食和锻炼习惯，以促进愈合和保持良好的整体健康状况。患者应在1-2周内接受骨外科医生的随访，以进行术后检查。
总体而言，患者Doe的状况良好，符合出院标准。签署人，
[医生姓名]”
虽然ChatGPT的前景良好，但用于临床实践时仍需要克服多重障碍。首先，ChatGPT依赖于所接收到的数据，因此仍然需要手动输入重要信息。未来的迭代可能允许从患者的电子健康记录中自动抓取数据，而无需手动输入简要信息。然而，这种做法在数据治理方面存在重大问题。以前在医疗保健领域中使用AI与严重损害患者的信任度有关[6]，因此必须注意数据的存储和访问。
必须考虑该项技术的可接受性，尤其是患者的接受程度。有人担心自动化可能导致照护去个性化（depersonalisation），从而抵触这项技术。因此，有必要通过试点的试验数据收集利益相关者的意见并最终呈现流程效率和质量改进的情况。最后，必须考虑技术失败的后果。虽然在家中向聊天机器人询问一些无关紧要的问题可能并不会造成什么后果，但关于药物变更或随访信息的不正确或不充分可能会极大影响患者的照护情况。因此，虽然可将ChatGPT视为写作过程的第一步，但在完成之前，还需医生手动检查其输出信息。
ChatGPT展示了由大型语言模型驱动的下一代聊天机器人的强大功能。在医疗保健领域使用聊天机器人早已不是新鲜事，此前便已将其应用于分诊等领域，[7]但下一代聊天机器人的目标是通过其生成功能进一步推动该领域的发展。医疗保健领域还有很大的自动化空间，尤其是在文档领域。我们应该对这些技术进步做出反应，探索在医疗保健的各个领域使用聊天机器人（如ChatGPT）的潜在用例和可行性。在中央层面积极主动地尽早采用这项技术也可能降低未来出现问题的风险；与之相似的还有由于地方层面采用不同的电子健康记录而可能出现的互操作性问题。[8]未来面临的问题将是我们如何使用这项技术，而非是否采用这项技术。END
NOTES TO EDITORS
We declare no competing interests. Funding and infrastructural support was provided by the UK National Institute for Health and Care Research (NIHR) Imperial Biomedical Research Centre. KL is supported by a NIHR Academic Clinical Fellowship.
参考资料：
1.Open AI
ChatGPT: Optimizing language models for dialogue.
OpenAI, 2022
https://openai.com/blog/chatgpt/
Date accessed: December 27, 2022
2.Grant N Mets C
A new chat bot is a code red for Google's search business.
The New York Times, Dec 21, 2022
https://www.nytimes.com/2022/12/21/technology/ai-chatgpt-google-search.html
Date accessed: February 1, 2023
3.Allen J Hutchinson AM Brown R Livingston PM
Quality care outcomes following transitional care interventions for older people from hospital to home: a systematic review.
BMC Health Serv Res. 2014; 14: 346
4.Royal College of Physicians
Improving discharge summaries—learning resource materials.
RCP, London2021
https://www.rcplondon.ac.uk/guidelines-policy/improving-discharge-summaries-learning-resource-materials
Date accessed: December 27, 2022
5.Earnshaw CH Pedersen A Evans J Cross T Gaillemin O Vilches-Moraga A
Improving the quality of discharge summaries through a direct feedback system.
Future Healthc J. 2020; 7: 149-154
6.Powles J Hodson H
Google DeepMind and healthcare in an age of algorithms.
Health Technol. 2017; 7: 351-367
7.Baker A Perov Y Middleton K et al.
A comparison of artificial intelligence and human doctors for the purpose of triage and diagnosis.
Front Artif Intell. 2020; 3543405
8.Centre For Public Impact
The electronic health records system in the UK.
https://www.centreforpublicimpact.org/case-study/electronic-health-records-system-uk/
Date accessed: December 27, 2022
Copyright © 2023 Carol Yepes/Getty Images
*中文翻译仅供参考，一切以英文原文为准。