《生成式人工智能在医疗卫生技术评估中的应用：机遇、挑战与政策考量》2024年9月17日随着人工智能和机器学习技术的快速发展，特别是生成式人工智能（GenAI）和大语言模型（LLMs）的兴起，这些技术在医疗卫生技术评估（HTA）领域展现了巨大的潜力。本文由多位专家撰写，全面探讨了生成式人工智能在医疗卫生技术评估中的应用机会、面临的挑战及政策考量。文章首先简要回顾了人工智能的发展历史，从图灵测试到专家系统，再到机器学习和深度学习，最终引出了生成式人工智能的出现。生成式人工智能利用大型语言模型等基础模型，通过对海量数据的学习，能够生成文本、图像、代码等内容。文章重点分析了生成式人工智能在医疗卫生技术评估中的四个关键应用领域：●证据合成：生成式人工智能可以帮助自动化文献综述和荟萃分析，例如提出搜索词、筛选相关文献并提取数据，从而加快证据综合过程，准确率超过99%。●证据生成：生成式人工智能能够高效处理和分析大量真实世界数据（RWD），包括非结构化临床记录和影像数据，提高真实世界证据（RWE）的生成速度和质量。●临床试验：生成式人工智能可以用于优化试验设计、改进患者匹配和更有效地管理试验数据，能够提高临床试验的效率和患者参与度。●经济模型：生成式人工智能可以帮助开发医疗卫生经济模型，从概念化到验证，能够自动生成模型代码，减少人工介入，降低资源消耗，提高模型的构建效率，从而简化整个医疗卫生技术评估流程。尽管这些技术前景广阔，但它们仍在快速发展中，需要在医疗卫生技术评估应用中进行持续的谨慎评估。开发者和研究用户应了解其当前局限性，包括科学有效性、偏见风险和公平性及伦理考量。文章最后探讨了生成式人工智能在医疗卫生技术评估应用中的政策考量。目前，许多国家和地区正在制定相关法律法规和政策指南。欧盟发布了《欧盟人工智能法案》，为人工智能应用提供了一个横向的监管框架。其他国家则采取了针对特定应用或行业的垂直监管方式。为了更好地利用生成式人工智能在医疗卫生技术评估中的潜力，本文提出了以下建议：一是医疗卫生技术评估机构和政策制定者应制定明确的指导和评估标准，确保大语言模型的合理使用；二是加强与其他机构和监管机构的合作，统一标准和流程；三是发展基于验证、可重复性和偏见控制的报告准则；四是继续关注并应对技术进步带来的新挑战，确保技术的负责任和可信赖发展。总之，生成式人工智能在医疗卫生技术评估领域具有巨大的应用潜力，可以提高证据生成效率和质量，加速新技术评估流程。但同时，我们也需要认识到生成式人工智能的局限性，并谨慎评估其应用风险。通过加强人类监管、关注模型的局限性、制定明确的伦理规范和加强数据隐私和安全保护，我们可以更好地利用生成式人工智能，推动医疗卫生技术评估领域的发展。如需要《生成式人工智能在医疗卫生技术评估中的应用：机遇、挑战与政策考量》（英文，共31页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后发来email地址索取。★ 每日鲜鸡汤 ★True strength comes from understanding your value, independent of others' validation. 真正的实力来自于了解自己的价值，而不是依赖他人的认可。早上好！中秋快乐！
