top of page

Ohio State 與 Microsoft 的合作將臨床 AI 與五年雲端計劃連結起來

19 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Imad Clicks / Pexels.

Ohio State 與 Microsoft 於 11 月 10 日宣布建立為期五年的合作關係,連結醫院科技、臨床 AI、研究基礎設施及人才培訓。Ohio State 與 Microsoft 的合作結合已在醫療系統內運行的工具,以及更廣泛的發展計劃。理解兩者的分別相當重要:機構協議確立方向,而個別部署仍需要各自的證據支持。

核心張力在於組織層面。連結臨床工作、研究及醫院營運,有望令科技更實用,但同時要求更清晰地決定資料存取、問責及衡量方式。這些責任不只涉及採購軟件的團隊,亦影響審閱生成筆記的臨床人員、申請資訊的研究人員,以及決定哪些改善措施值得擴展的管理人員。

該大學亦於 9 月宣布與 Google Cloud 建立合作關係。這可為理解今次協議提供有用參考,但並不代表兩者存在直接的替代競爭。問題在於不同的機構關係如何服務特定需要,以及最終形成的系統能否令日常工作更可靠。

Ohio State 與 Microsoft 的合作實際改變了甚麼

根據合作雙方公布的五年合作關係,計劃涵蓋互聯醫院、雲端基礎設施、共享資料、臨床 AI 及培訓。

智能醫院平台已於 Richard M. Ross Heart Hospital 及 James Outpatient Care 運作。它採用 Microsoft 的雲端平台 Azure,以及連接實體設備和感測器的物聯網技術。雙方計劃將其擴展至其他設施。

雙方目標是將約 70% 至 80% 的儲存及運算資源遷移至 Azure。電子健康紀錄,即數碼病歷,亦正遷移至該平台,以支援備份及業務持續運作。

採用分析平台 Microsoft Fabric 及其共享儲存層 OneLake 的資料基礎,已完成高層次設計。建議的應用包括手術需求及人手預測。

臨床人員已使用 Dragon Copilot 的環境式文件記錄功能,將診症對話轉為需要臨床人員審閱及定稿的筆記草稿。由 AI 支援的腫瘤委員會,即多學科癌症病例討論,仍處於探索階段。培訓及認證機會亦是協議的一部分。

這項公布建立了一個協調計劃,而不同組成部分正處於不同發展階段。

這項分別會改變讀者評估後續更新的方式。已運行的服務、已完成的設計及探索中的工作流程,各自都代表進展。然而,它們回答的是不同問題,亦應帶來不同期望。

運行中的服務引發對可靠性、採用情況及成果的提問。已完成的設計則引發對實施、權限及測試的提問。探索中的工作流程,則引發對目標使用者及部署前所需條件的提問。

將這些階段歸入同一合作關係,在策略上合理,但亦令精確報道變得不可或缺。否則,讀者可能會將協議的廣泛程度,誤以為當中每一項應用均已成熟。

因此,最有力的解讀是具體的:Ohio State 與 Microsoft 已建立一個框架,連結跨越部門界限的工作。其價值將取決於這些連結能帶來甚麼,以及該機構如何評估成果。

對企業買家而言,這令協議的意義超越醫療保健範疇。當一段廣泛的科技關係改變團隊如何協調交付、管理資訊及為失誤承擔責任時,便會產生實質影響。

單憑合作公告無法解決這些問題。它建立了一個結構,讓兩個機構可隨時間處理這些問題。

醫院團隊承擔整合背後的工作

即時壓力落在負責將共享基礎設施轉化為可靠日常工作流程的人員身上。

對科技領導者而言,挑戰在於安排先後次序。遷移資訊、變更應用程式及引入 AI,可能透過不同項目影響同一批員工。即使整體計劃有共同目標,每個項目仍需要可行的過渡安排。

例如,一個臨床部門不能只根據生成文字的質素來評估文件記錄工具。其實用性亦取決於草稿何時出現、在哪裏修正,以及最終紀錄如何進入既有工作流程。

同樣原則亦適用於醫院營運。當有人能據此行動時,對資源使用情況有更清晰的了解才會產生價值。若只有更佳能見度,卻沒有權限、人手或明確回應方式,底層流程可能維持不變。

這些是從協議引申出的分析含意,而非 Ohio State 已被報道的實施問題。它們說明為何合作關係的廣度提高了協調的重要性。

以排班預測為例。有用的預測必須在作出人手決定的人員仍可改變決定之前送達,亦需要足夠背景資料,讓該人員理解其局限。

若預測顯示需求將增加,營運上的問題便是機構可作出甚麼調整。即使預測本身準確,可用房間、專科覆蓋及支援服務仍可能限制應對措施。

這個例子說明,技術表現指標無法承擔整個評估。一個模型可以產生合理估算,但周邊工作流程仍可能阻礙有意義的改善。

臨床團隊在生成文件記錄方面亦面對相關問題。審閱草稿需要專注,而審閱本身亦應納入工作量評估。只計算生成了多少文字而不計算驗證工作,將會得出不完整的圖像。

研究團隊則面對同一問題的另一個版本。更容易取得資訊,只有在研究人員能夠確立該資訊代表甚麼時才有用。定義、收集方式及缺失觀察值都會影響資料集能回答甚麼問題。

對知識工作者而言,這種連結並不陌生。當人們能識別正確材料並判斷其相關性時,可搜尋的知識庫便會發揮作用。臨床資訊需要額外的機構管控,但底層的資訊問題仍然容易理解。

因此,Ohio State 的臨床 AI 議程將交付責任分布於多個群組。科技人員管理系統,臨床領導者界定可接受的工作流程,而營運經理則決定資訊是否會改變決策。

共享計劃有助這些群組朝相容目標工作。不過,在技術輸出轉化為人類行動的環節,成功仍需要明確的責任歸屬。

共享基礎設施同時帶來協調與依賴

連結系統可減少零散工作,但亦提升共同規則及可靠復原的重要性。

這正是 Ohio State Azure 遷移背後的主要取捨。更集中的技術環境提供一個協調應用程式及資訊的場所,同時亦令存取、復原及機構控制方面的決策更具影響力。

這並不表示該架構不安全,亦不表示整合不可取。它代表基礎設施選擇需要在已轉移工作負載數量以外作出評估。

遷移里程碑可以顯示某個應用程式已成功遷移,但並不自動證明用戶可在中斷後復原其工作。兩者相關,但屬於不同的營運主張。

同樣分別亦適用於備份。儲存可復原的副本是持續運作規劃的一部分,機構亦需要了解在服務中斷期間,還原程序如何配合員工必須執行的工作。

對評估日後公告的讀者而言,復原演練會比對韌性的一般保證提供更有用的證據。這類演練可揭示在日常運作期間仍然不可見的依賴關係。

資料整合帶來另一項挑戰。將資訊帶入共同環境,並不會令每個欄位自動一致。不同部門可能以相似詞語表達不同概念,或以不同詞語表達密切相關的概念。

因此,共享平台需要共享詮釋。必須有人決定採用哪些定義、誰可更改定義,以及下游使用者如何得悉這些變更。

這正是基礎設施成為機構政策之處。存取設定表達誰應查看資訊的決定;保留設定則表達資訊應保留多久的決定。技術配置承載着組織判斷。

聯邦醫療保健雲端指引提供相關背景。HHS 說明處理受保護資訊的醫療保健機構及雲端服務供應商所承擔的責任,包括適當協議及風險分析。使用雲端服務並不會免除這些責任。

該指引並不評估這段合作關係,亦不認證其實施情況。它說明了為何在任何嚴肅討論醫療保健運算時,管治都必須與架構並列。

對企業買家而言,更廣泛的教訓關乎依賴關係。整合決策應考慮當應用程式改變、合約演變或服務無法使用時,資訊如何維持可存取狀態。

當多個工作流程共享相同底層服務時,這些問題尤其重要。共同基礎可簡化協調,但亦要求更清楚理解服務中斷的後果。

因此,Ohio State Azure 遷移應透過營運準備度及部署進度一同評估。有用的證據應說明哪些內容已遷移、哪些內容仍依賴其他系統,以及團隊如何驗證持續存取。

相關取捨可加以管理,但不能消失在「採用雲端等於現代化」的籠統說法之中。當機構能夠說明改善了甚麼,以及如何得知這一點時,現代化才具意義。

臨床 AI 需要超越生成筆記的證據

產出可用草稿與改善臨床人員的工作日,是兩種不同結果。

這項分別為 Ohio State 的臨床 AI 工作帶來具體評估挑戰。文件記錄系統可以協助處理一次診症的部分工作,同時仍讓其他行政要求維持不變。

獨立研究提供了一個有用的警示。一項臨床文件研究評估了 Atrium Health 較早期採用的 DAX Copilot。其主要分析發現,電子病歷使用或財務指標均未出現具統計顯著性的改善。

探索性分析顯示,部分臨床醫護人員群組及使用模式可能受惠。該研究屬觀察性研究,作者亦指出其限制。研究並不能確定目前 Ohio State 的部署表現如何。

其重要性在於衡量問題。一個看似合理的節省時間機制,並不保證能在整個臨床工作流程中帶來可量度的改善。

臨床醫護人員可能花較少時間撰寫病歷,但用更多時間檢查結構或更正細節。另一位醫護人員或會因草稿減輕心智負擔而覺得有幫助,即使記錄到的工作時間變化不大。

這些可能性需要不同的衡量方式。文件處理時間、下班後工作、更正負擔及臨床醫護人員體驗,各自揭示不同資訊。若草率地把它們合併,可能會掩蓋哪些人受惠,以及在哪些條件下受惠。

病人體驗亦值得獨立關注。臨床醫護人員對工具的滿意程度,並不能說明病人如何體驗其使用。他們的理解、舒適程度及提問能力,都應納入評估。

這些考慮因素均不能證明 Ohio State 出現了某個特定問題。它們指出了公平評估合作預期效益所需的證據。

當生成文字納入長期保存的紀錄時,人工審閱尤其重要。草稿看似流暢,卻可能遺漏限定條件,或把資訊歸屬到錯誤的人身上。審閱須處理內容含義,而不僅是可讀性。

因此,培訓應包括辨識何時輸出需要更正或拒絕。熟悉介面固然有用,但不能取代專業判斷。

探索性的癌症個案工作提出了另一項區別。為專科醫生整理資訊,與提出治療建議並不相同。日後任何說明都應闡明系統的角色,而不應模糊兩者界線。

讀者亦應區分工作流程證據與病人結果證據。更快準備討論可回答一個營運問題;較佳的臨床結果則需要為支持該不同主張而設計的評估。

該公告並未證實癌症結果有所改善、治療決策成功,或帶來新的臨床試驗效益。不應從合作範圍推論出這些結論。

可信的評估應為複合結果保留空間。某些專科可能認為某個工作流程有用,其他專科則需要作出調整。有些效益可能關乎體驗,而非速度。

這仍能提供寶貴資訊。具體結果比起掩蓋不同使用者和工作任務差異的廣泛成功主張,更能有效引導採用。

Google 為 Ohio State 更廣泛的 AI 策略提供背景

評估 Ohio State 與供應商的關係時,應根據其所述目的及經核實的結果,而不應假定一項協議取代另一項。

9 月 29 日,該大學宣布與 Google Cloud 建立合作關係,重點涵蓋研究、校園技術存取及 AI 素養。公告提及校內 AI 空間、與 Google DeepMind 的合作,以及學生研究機會。

這項較早的協議,為 Microsoft 11 月的公告提供了相關競爭背景。兩家公司都尋求超越個別軟件採購的機構關係。它們所述的計劃在教育及研究方面有所重疊,但重點各異。

公開公告並未證實任何正面競爭的採購結果,也未顯示該大學已把每項工作負載交予單一供應商。

對讀者而言,有用的比較在於組織角色。一段合作關係可著重校園研究環境,另一段則可集中於醫療系統營運。理解這些角色,比宣稱整體勝出者更重要。

這個背景亦改變了商業上應如何解讀這項合作。大型機構協議展示供應商在某項計劃中的位置,但不代表其對該機構更廣泛技術策略擁有獨家控制權。

不過,Ohio State 與 Microsoft 的合作讓 Microsoft 有機會在共同關係中連繫基礎設施、應用程式及人才發展。這種結合相當重要,因為採用與否取決於人們是否明白工具如何融入工作。

培訓有助縮窄工具可用與勝任使用之間的差距。然而,課程參與及實際能力仍是不同結果。完成培訓不代表員工能安全處理含糊不清的結果。

對臨床醫護人員而言,有用的能力包括知道何時應質疑生成的文件。對研究人員而言,則包括理解可用資訊的限制。對行政人員而言,則包括辨識何時預測不應主導決策。

這些是更廣泛計劃需要支援的技能例子,而非對已發布課程的主張。它們說明了為何人才發展應納入分析。

多段供應商關係亦帶來協調問題。機構需要就核准用途、資訊處理及支援制定清晰規則。否則,即使每項個別服務如預期運作,員工仍可能面對不確定性。

這是一般機構挑戰,而非 Ohio State 出現混亂的證據。這些公告令它變得相關,因為其目標橫跨不同社群及專業角色。

對其他大學及企業買家而言,此案例值得跟進,作為圍繞機構關係組織 AI 採用的例子。其最終啟示將取決於交付細節。

競爭分析亦應保持同樣具體。重要問題是每個供應商支援哪些工作流程、機構如何評估它們,以及使用者是否感受到預期改善。

供應商的廣度可支援協調,但特定工作流程的證據仍須證明,這種廣度是否轉化為有用的機構成果。

留意交付里程碑、臨床工作負荷及實際技能

下一輪有用更新應令計劃的個別部分更易評估。

未來數月,讀者應先留意交付里程碑,其次是臨床工作流程證據,第三是實際培訓成果。這些是觀察重點,而非已公布的期限。

首個訊號是對實施進度作出更清晰說明。有用的更新應指出哪些系統已投入服務、哪些仍在開發,以及過渡期間進行了哪些驗證。

就 Ohio State 的 Azure 遷移而言,這意味著要區分已轉移的工作負載與更廣泛的目標。部署說明應清楚交代範圍,讓讀者理解究竟改變了甚麼。

同一標準亦適用於相連的醫院營運。列出額外部署可證明擴展;報告已界定的營運指標,則有助證明擴展是否帶來預期價值。

若這些訊號顯示可靠交付及可量度的營運改善,便會加強協調基礎設施的理據。對進度的概括說法,則會令核心問題仍未有答案。

第二個訊號是有關臨床工作負荷的證據。有用報道應說明誰使用工具、工具支援甚麼工作,以及機構如何評估使用體驗。

評估除了計算建立文件所花時間外,亦應計及審閱及更正。它也應區分持續使用者與僅短暫試用系統的人。

若結果顯示持續使用、文件質素可接受且工作負荷降低,便會加強擴展的理據。若結果僅限於個別工作,則只能支持較狹窄的結論。

複合結果同樣重要。它們可指出哪些地方需要改變工作流程,或工具在哪些使用者身上比其他人更合適。

對探索性的臨床應用而言,明確界定角色本身已是有用進展。讀者應尋找系統協助甚麼、保留甚麼給專科醫生處理,以及如何評估表現的說明。

第三個訊號是培訓是否產生實際能力。參與人數描述覆蓋範圍;參與者能否運用適當判斷的證據,則更能反映準備程度。

有意義的更新可說明學習如何連繫到實際職責。這會令教育部分比起對認證機會的概括說明更易評估。

這些訊號亦提供一個合理方法解讀沉默。在一項為期五年的計劃中,短期內沒有結果數據並不代表失敗,而是表示現時對效益下結論仍言之過早。

Ohio State 與 Microsoft 的合作值得關注,因為它連繫了機構通常會分開評估的決策。運算、文件處理、研究存取及人才能力彼此影響,即使其實施時間表不同。

應像關注整體協議一樣密切跟進個別部署。詢問每次更新描述的是可用性、採用情況、營運改善還是臨床證據,因為這些主張需要不同支持。比較所述目標與實際報告的指標,並尋找團隊之間差異的解釋。對考慮類似安排的機構而言,應把這項合作視為值得跟進的案例,而非可直接複製的完成模式。最有力的結論應與最有力的證據相連,並隨實施推進而重新檢視。計劃的哪一部分會率先公布足夠細節,以展示相連基礎設施如何改變日常工作?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page