OpenAI 與 Penda Health AI 臨床副駕駛研究

OpenAI 與 Penda Health 開發並研究了 AI Consult，這是一款由大型語言模型（LLM）驅動的臨床副駕駛，能顯著降低基層醫療的醫療錯誤。在肯亞奈洛比 15 家診所共 39,849 次患者就診的研究中，使用 AI Consult 的臨床醫師相較於未使用該工具的醫師，診斷錯誤降低了 16%（相對），治療錯誤降低了 13%。

Closing the Model-Implementation Gap

雖然 GPT-4o 與 o3 等前沿模型在 HealthBench 等基準測試以及診斷推理等任務上表現優異，但模型能力與實際臨床使用之間仍存在「模型‑實施差距」。為了解決此問題，OpenAI 與基層醫療提供者 Penda Health 合作，將 LLM 直接整合進臨床工作流程，而不僅僅是簡單的 AI 查詢。

AI Consult: Technical Implementation and Workflow

AI Consult 已整合至 Penda 的電子健康紀錄（EHR）系統，作為即時安全網運作。它會在就診的關鍵時點分析（已去除患者識別資訊的）文件，並將其傳送至 OpenAI API。系統透過分層警示機制提供回饋：

• Green：勾號，表示沒有問題。
• Yellow：鈴聲，表示中度問題，臨床醫師可自行選擇查看。
• Red：強制彈出視窗，針對安全關鍵議題，必須在醫師繼續之前先查看。

為確保安全與在地相關性，系統設計讓醫師保有所有最終決策的完整控制權。提示內容依據肯亞的流行病學背景、在地臨床指南以及 Penda 的標準作業流程進行客製化。

Impact on Quality of Care

對 108 位獨立醫師隨機抽取的 5,666 次就診進行分析，結果顯示 AI Consult 在四個關鍵面向上顯著降低錯誤率：

維度	相對錯誤降低率
病史採集	32%
檢查	10%
診斷	16%
治療	13%

在 AI Consult 觸發「Red 警示」的就診中，效果更為顯著，診斷錯誤降低 31%，治療錯誤降低 18%。以絕對值計算，僅在 Penda 即可每年避免約 22,000 起診斷錯誤與 29,000 起治療錯誤。

The Role of Active Deployment

研究指出僅有模型能力不足以促成醫師採用，主動部署至關重要。在最初的「導入期」中，醫師常忽略 Red 警示，"left in red rate"（未處理的 Red 警示比例）高達 35‑40%，與非 AI 組相當。

Penda 採取了主動部署策略以降低此比例，具體措施包括：

• Peer Champions：分支經理與同儕提供一對一指導，說明工具的限制。
• Measurement：根據追蹤的互動率進行個別化教練。
• Incentives：對有效使用工具的醫師與診所給予表揚。

在這些介入之後，AI 組的 "left in red rate" 降至 20%，而非 AI 組仍維持在約 40%。

Clinician Feedback and Patient Outcomes

醫師回饋指出 AI Consult 如同「房間裡的顧問」與「學習工具」。資料顯示使用 AI 的醫師隨時間觸發的 Red 警示比例下降（從 45% 降至 35%），暗示該工具有助於提升其臨床技能。

關於患者結果，研究發現：

• Patient Recovery：AI 組有 3.8% 的患者在八天後仍未感覺好轉，非 AI 組為 4.3%（差異未具統計顯著性）。
• Safety：AI 組有 7 起患者安全報告，非 AI 組有 5 起。沒有任何 AI Consult 的建議導致傷害，雖然若被採納部分本可防止傷害。

Future Directions

OpenAI 與 Penda Health 將 AI Consult 視為早期原型。未來版本可能加入語音優先介面以減輕文件負擔，或開發在醫師確認後能於健康紀錄內執行動作的代理人。Penda 目前正與 PATH 合作進行隨機對照試驗，以進一步測量長期對患者結果的影響。