医疗保健领域一直被视为人工智能应用的首选目标——既可用于辅助临床工作，也可减轻围绕临床护理的一些耗时行政负担。如今，Nabla这家由AI企业家Alexandre Lebrun联合创办的巴黎数字健康初创公司声称，自己是首家利用GPT-3构建工具以帮助医生开展工作的企业——更具体地说，是帮助处理文书工作。
Copilot：医生的数字助手
Copilot（Nabla新服务的名称）今天正式上线，作为医生的数字助手，最初通过Chrome扩展程序访问，旨在转录和重新利用视频对话中的信息，并计划在未来几周内推出面对面咨询工具。
在医生接诊患者时，Copilot会自动将这些对话转化为不同的文档输出——例如处方、复诊预约信、会诊摘要等，这些通常是此类会议的结果。它基于GPT-3，这是由OpenAI构建的语言模型，用于生成人类文本，目前正驱动着数百个应用程序，包括OpenAI自身的ChatGPT。
技术愿景与早期进展
Nabla是首批在2020年GPT-3发布时就尝试使用它的公司之一。虽然Nabla目前将GPT-3（作为付费客户）作为Copilot的基础，但Lebrun告诉我，一个迫在眉睫的长期目标是构建自己的大型语言模型，该模型针对医学和医疗保健领域的特定语言和需求进行了定制，以驱动Copilot、Nabla未来构建的任何其他产品，以及可能为其他人开发的应用程序。
该公司表示，早期版本已经取得了一定的进展：它正在美国、法国以及约20家拥有“强大医疗团队”的数字诊所和实体诊所中使用。
对于生成式AI技术我们将看到哪些大规模、长期的用途，以及它们及其所依赖的大型语言模型是否会给世界带来净收益或净损失，答案仍悬而未决；同样未定的还有它们在此过程中能否盈利。and
医疗AI的两条发展路径
与此同时，医疗保健一直是人们密切关注的大行业之一，观察其如何应对这些发展，大致沿着两条发展路径展开：一是用于临床辅助，例如哈佛医学院医生和学者合著的文章中描述的使用ChatGPT诊断患者；二是自动化处理更重复性的功能，如Lancet关于出院摘要未来的文章所示。
许多相关工作仍处于早期阶段，部分原因在于医疗保健领域尤为敏感。
“对于所有大型语言模型来说，都存在风险，”Lebrun在一次采访中表示。“它非常强大，但有5%的时间它会完全错误，而你无法控制这种情况。但在医疗保健领域，我们[ literally ]不能容忍5%的错误率。”
为何选择从行政任务切入？
然而，在许多方面，医疗保健似乎是一个非常适合融入人工智能的领域：临床医生因患者过多而超负荷工作，且普遍感到倦怠；全球范围内，由于大量人员离开该行业以及工作要求过高，医生面临慢性短缺。除了接诊患者外，他们还必须投入时间担任行政角色，需要完成大量具体且正式的文档记录，以记录就诊数据并规划后续步骤，这既是法规和制度的要求，也是患者自身的需求。此外，不幸的是，有时还会出现人为错误。
另一方面，医疗护理中的许多步骤已经实现数字化，这为患者和临床医生更开放地使用更多数字工具来协助其余工作铺平了道路。
这种思路部分促使Alexandre LeBrun创立了Nabla，并首先针对Copilot，专注于帮助医生处理行政任务——而非检查或咨询患者，或其他临床工作。
创始人的技术背景与创业初衷
勒布伦在构建基于语言的应用方面有着丰富的经验。2013年，他出售了其初创公司VirtuOz，该公司当时被称为“企业版Siri”，被Nuance收购以主导其为企业开发数字助理技术。随后，他创立并最终将下一家初创公司Wit.ai出售给Facebook，之后他和团队在Facebook从事Messenger聊天机器人的相关工作。他还曾在Facebook位于巴黎的AI研究中心FAIR工作过一段时间。
这些早期用于企业与客户互动的工具主要被定位为营销和客户忠诚度辅助手段，但Lebrun相信它们也可以应用于不那么模糊的场景中。
“我们早在2018年就清楚地看到，医生花费大量时间更新患者记录，于是我们开始思考，能否将AI技术和[高级]机器学习引入医疗保健领域，以帮助解决这一问题，”Lebrun说。
有趣的是，Lebrun当时并未向我提及这一点，但他做出这一观察的同时，RPA（机器人流程自动化）在市场上也正逐渐兴起。
RPA真正让企业自动化进入了人们的视野。然而，在实时问诊中为医生提供协助比机械化重复性工作更为复杂。由于医患问诊中涉及的语言和主题变量相对有限，这成为AI助手提供帮助的理想场景。
Lebrun与Yann LeCun讨论了这一想法，后者当时是他的上司，目前仍是Facebook的首席AI研究科学家。LeCun认可了他的思路，于是Lebrun离职创业，而LeCun则成为Nabla的早期投资者之一。
融资策略与产品演进
Nabla花了几年时间才披露这一及其他融资——其已筹集近2300万美元——该公司推迟宣布这些融资，以与其首款产品发布相配合。这款面向女性的健康问答“超级应用”允许用户追踪不同的健康问题，将相关信息与其他数据结合，并且似乎主要被设计为一个工具，以帮助公司了解人们在远程健康互动中寻求什么，以及基于此可以开发出什么。
去年，该公司随后推出了一款更通用的“用于患者参与的健康技术栈”，这很有趣，因为它稍微涉及了Lebrun早期产品的核心指标：参与度。
非医学背景团队的应对之道
你可能会对一家初创公司持怀疑态度：它旨在修复医疗保健体系中的缺陷，但其创始人中没有医学专业人士：除了Lebrun之外，另外两位是首席运营官Delphine Groll，她曾负责媒体集团的业务发展和公关事务；以及首席技术官Martin Raison，他自Wit.ai以来一直与Lebrun共事。
这也是Lebrun的一个纠结点，他曾告诉我，在项目早期甚至考虑过暂停创业，自己去读医学院。
他最终没有这么做，而是转而依靠来自医生和其他临床医生的反馈与信息，并聘请他们加入初创公司，共同指导产品路线图的发展。正是通过这种方式，如今才推出了独立产品Copilot。
Nabla的首席医疗官Jay Parkinson医学博士、公共卫生硕士表示：“Nabla Copilot专为希望站在医学前沿的临床医生而设计。”“作为一名医生，我知道医生总是时间紧迫，有更重要的事情要做，而不是填写电子健康记录。借助Nabla强大的临床笔记功能，医生现在可以在整个问诊过程中直视患者的眼睛，并通过发送就诊摘要确保记住他们说的每一句话。”Parkinson最近加入这家初创公司，他本人也是一位企业家，其远程医疗初创公司Sherpaa Health已被Crossover收购。
数据安全与功能边界
尽管提升AI性能通常依赖于摄入越来越多的数据进行训练，但这一直是构建Copilot过程中的一个棘手环节。该公司采用数据共享自愿选择机制，所有数据均不存储在服务器上，并符合HIPAA和GDPR合规要求。同意分享训练数据的用户，其数据将通过公司内部开发的“伪匿名化算法”进行处理。目前，公司没有计划开发临床助手：不提供诊断建议，也不提供其他类似功能。
Lebrun表示，说起来容易做起来难。他说，在构建过程中，Nabla的AI一直试图向用户提供自动诊断，即使工程师并未要求它这样做，甚至试图阻止它这么做。
他说：“我们不想越界去做诊断，所以我们必须训练我们的AI 不这样做。”
他说，那可能是未来某个时候“一款不同的产品”，但在此之前还需要进行大量开发和完善工作，以确保系统可靠无误。
他补充道：“我们不认为聊天机器人适用于医疗领域。我们希望通过节省医生的时间来改善他们的生活。”