上一篇文章中，ＩＨＩ　Ｌｕｃｉａｎ　Ｌｅａｐｅ研究所召集了来自亚马逊、谷歌、微软等大型科技公司以及哈佛医学院、Ｌｅａｐｆｒｏｇ　Ｇｒｏｕｐ　和　Ｋａｉｓｅｒ　Ｐｅｒｍａｎｅｎｔｅ的专家组，针对生成式ＡＩ在医疗领域的三大用例展开了分析，并就生成式ＡＩ对于患者安全的影响展开了全面评估。

＊相关阅读：生成式ＡＩ与患者安全（上）：专家组详解三大应用场景与挑战

那么，如何最大限度地发挥生成式ＡＩ　的优势，消除患者安全和质量方面的“慢性问题”，并最大限度地降低技术对患者和患者安全的风险，一些关键群体必须深入思考相应的策略。

本文将详细分析医疗活动中不同群体的角色、责任、他们面临的挑战，以及如何负责任地采用生成式ＡＩ。

专家组建议，患者和患者权益倡导者需要确保医疗机构在应用生成式ＡＩ时保持透明。在目前的初级阶段，医疗机构必须制定披露和同意的最低标准，以确保患者了解在其医疗过程中使用生成式ＡＩ　的情况。患者应有权选择拒绝使用生成式ＡＩ，并在拒绝时获得适当的替代方案。患者需要在知情的情况下同意使用其数据。

专家组建议，临床医生应将生成式ＡＩ节省下来的时间，部分用来改善患者护理，提高医疗质量和安全性。同时，临床医生需要了解生成式ＡＩ的局限性和挑战，倡导持续改进，运用专业知识理解和改善现有的问题，如偏见、数据集代表性不足、缺乏透明度或可解释性等。努力学习新技能，包括基本的生成式ＡＩ知识、人工智能与伦理、临床生成式ＡＩ工具的模拟练习，以及医疗保健系统实践和政策指导等。

此外，临床医生应将生成式ＡＩ工具视为辅助工具，而非替代品，在临床决策中保持最终决策者的角色。小心谨慎，确保对ＡＩ工具的使用进行监督，从而实现实际的安全，而不仅仅是表面安全。

安全与质量专业人员必须确保，通过这些ＡＩ技术所获得的时间能够被用来高效分配安全管理任务，制定有效的战略来减少反复出现的安全风险和危害，而不是仅仅优先考虑降低成本。

在使用人工智能加强事件报告流程之前，应当重新思考患者安全的关键模式，在实际伤害发生之前进行识别和预防。

与其他关键群体进行合作（如患者和临床医生、信息技术和信息学人员、数据科学家和分析师、领导者），以促进安全、高质量的医疗，避免仅仅名义上的参与。

医疗系统及其领导者必须确保生成式ＡＩ的使用满足现有需求。制定和实施计划时，需考虑可能出现的错误结果和意外后果，并营造重视患者安全、公平和负责任地使用生成式ＡＩ的氛围，以提高医疗服务质量。

同时，专家组强调，应用生成式ＡＩ的同时，应将时间效率重新分配，以减少临床医生的倦怠感。

此外，需要在教育、培训和保障措施方面进行投资，以培养有效使用生成式ＡＩ工具的能力，并确保临床医生和其他人员保持基本的医疗能力。

建立健全的人工智能管理，促进跨学科合作。建立管理、评估和监控程序，指导基因人工智能的使用，并制定明确的隐私、安全（包括网络安全）、数据所有权和管理政策，以及基于ＡＩ工具的内部开发指南等，在快速部署的愿望与谨慎的需要之间取得平衡。内部开发的ＡＩ工具要能够支持和加强临床医生与患者之间的关系，进行以人为本的设计。

与医疗保健专业人员、安全领导者、患者和患者权益倡导者密切合作，收集反馈并不断改进人工智能工具。开发者还必须主动了解和降低患者安全风险，对ＡＩ工具进行持续监测，避免偏差。

此外，还需整合先进的数据安全措施，保护敏感的患者数据，直面隐私和数据所有权问题。在产品的整个生命周期中遵循现有的网络安全准则，主动识别数据的潜在风险，随时了解并遵守医疗法规和指导方针，确保人工智能工具符合管理机构制定的安全、隐私和道德标准。

以人为本的设计需要进行大量的研究，包括与患者偏好、警报疲劳，以及技术对医患关系的影响等相关的人为因素问题。

此外，另一个关键的研究领域是如何确保人类对ＡＩ工具进行有效监督，研究人员可以帮助制定相关策略，以克服生成式ＡＩ的潜在风险。

促进负责任的生成式ＡＩ采用，监管者和政策制定者起着至关重要的作用。他们需要制定明确的指导方针，制定全面的法规，重点关注患者安全、数据保护和合乎道德地使用技术。与开发者和用户合作，规定生成式ＡＩ　系统的透明度，以确保用户了解人工智能是如何做出决策的，并在出现错误或不利结果时建立问责机制。

监管者和决策者还有责任促进人工智能扫盲，提高公众意识。

此外，应当激励那些将安全放在首位的人工智能开发和研究，并促进本地化决策，同时为总体人工智能安全和道德标准提供框架。