OpenAI 与 Penda Health AI 临床副驾驶研究

OpenAI 与 Penda Health 开发并研究了 AI Consult，这是一款基于大型语言模型的临床副驾驶，能够显著降低初级保健中的医疗错误。在对肯尼亚内罗毕 15 家诊所共计 39,849 次患者就诊的研究中，使用 AI Consult 的临床医生相比未使用该工具的医生，诊断错误相对降低了 16%，治疗错误相对降低了 13%。

弥合模型-实施差距

虽然 GPT-4o 和 o3 等前沿模型在 HealthBench 等基准测试以及诊断推理等任务上表现出色，但模型能力与实际临床使用之间仍存在“模型-实施差距”。为了解决这一问题，OpenAI 与初级保健提供商 Penda Health 合作，超越简单的 AI 查询，将大型语言模型直接整合到临床工作流程中。

AI Consult：技术实现与工作流程

AI Consult 已集成到 Penda 的电子健康记录（EHR）系统中，作为实时安全网运行。它在就诊的关键节点分析去除患者身份信息的文档，并将其发送至 OpenAI API。系统通过分层警报系统提供反馈：

• 绿色：勾号，表示没有问题。
• 黄色：响铃，表示中等关注，临床医生可选择查看。
• 红色：强制弹窗，针对安全关键问题，必须在临床医生继续之前查看。

为确保安全性和本地相关性，系统设计为让临床医生对所有最终决策保持完全控制。提示内容针对肯尼亚流行病学背景、本地临床指南以及 Penda 的标准操作程序进行定制。

对护理质量的影响

对 108 位独立医生随机抽取的 5,666 次就诊进行分析后发现，AI Consult 在四个关键维度上显著降低了错误率：

维度	相对错误降低
病史采集	32%
检查检验	10%
诊断	16%
治疗	13%

对于 AI Consult 会触发“红色警报”的就诊，影响更为显著，诊断错误降低了 31%，治疗错误降低了 18%。从绝对值来看，估计该系统每年在 Penda 单独即可避免 22,000 起诊断错误和 29,000 起治疗错误。

主动部署的作用

研究指出，仅有模型能力不足以实现效果；主动部署对临床医生的采纳至关重要。在最初的“引导期”，临床医生常常忽视红色警报，未处理红色警报的比例（即“红色遗留率”）为 35-40%，与非 AI 组相似。

Penda 实施了主动部署策略以降低该比例，包括：

• 同行冠军：分支经理和同事提供一对一辅导，并解释工具的局限性。
• 测量：基于跟踪的交互率进行个性化辅导。
• 激励：对有效使用该工具的临床医生和诊所进行表彰。

在这些干预措施之后，AI 组的“红色遗留率”降至 20%，而非 AI 组仍保持在约 40%。

临床医生反馈与患者结果

临床医生报告称 AI Consult 像是“在场的顾问”和“学习工具”。数据表明，使用 AI 的临床医生随时间触发的红色警报减少（从 45% 降至 35% 的就诊），暗示该工具帮助他们提升了自身的临床技能。

关于患者结果，研究发现：

• 患者恢复：AI 组有 3.8% 的患者在八天后仍未感觉好转，而非 AI 组为 4.3%（差异无统计学意义）。
• 安全性：AI 组有 7 起患者安全报告，非 AI 组有 5 起。没有 AI Consult 的建议导致伤害，尽管如果被采纳，一些本可以防止伤害。

未来方向

OpenAI 与 Penda Health 将 AI Consult 视为早期原型。未来的迭代可能包括语音优先界面，以减轻文档负担，或在临床医生确认后能够在健康记录中执行操作的代理。Penda 正在与 PATH 合作开展随机对照试验，以进一步衡量对患者长期结果的影响。