Ashley Alexander:让健康 AI 在两次就诊之间发挥作用

原标题Ashley Alexander: Make Health AI Useful Between Appointments

OpenAI 健康产品负责人介绍病历连接、临床工具,以及帮助人们准备就诊的智能体。

AAAshley Alexander嘉宾 · OpenAI
频道
Stanford Online
发布
2026年11月13日
视频
33:17
阅读
7 分钟
幻灯片
1
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

OpenAI 健康产品负责人 Ashley Alexander 说,每周有超过 3 亿人向 ChatGPT 提出健康问题。她认为,可以结合患者的病历和其他背景信息,帮助他们准备就诊、安排后续事项,同时与医疗机构合作,让临床医生更容易接收这些信息。Alexander 认为,普及还取决于工具是否负担得起、是否易用;她说 ChatGPT 不能取代医生,也不需要作为医疗干预开具处方。

  1. 1每周超过 3 亿人提出健康问题Alexander 说,这一数字反映了人们希望获得帮助来了解自身健康。OpenAI 还推出了病历连接、临床医生产品和企业服务。
  2. 2许多健康问题出现在普通门诊时间之外Alexander 说,约七成健康对话发生在估计的早 8 点至下午 5 点门诊时间之外,此时人们可能难以联系到临床医生。
  3. 3病历连接带动整个健康数据系统的需求她说,负责患者病历访问的合作伙伴在美国推出该功能后,看到了异常高的访问量。她下一步的目标是让结合背景的信息转化为有用的行动。
  4. 4智能体可以帮助把后续检查变成已预约事项Alexander 描述了一个系统如何查看她的日历和可用化验预约,并在预订前请求确认。
  5. 5提前准备可以让短暂就诊涵盖旅行和化验信息Alexander 说,她的助手提示了偏高的 LDL 检查结果,并注意到她即将前往卢旺达,使她在就诊时与医生讨论了旅行准备。
  6. 6改善可及性既取决于模型,也取决于产品设计Alexander 说,只要产品更容易设置、价格可承受,并清楚说明安全与隐私措施,即使较旧的模型也能提供更多价值。
  7. 7Alexander 不把该产品视为需要开具的医疗处方她说 ChatGPT 不在诊断或治疗患者,也不能取代医生。她优先考虑的是降低人们使用工具所需的时间和成本。

要点建议

  1. Alexander 说,每周有超过 3 亿人向 ChatGPT 提问健康问题,约七成健康对话发生在普通门诊时间之外。
  2. 连接病历可以提供背景,但信息必须以临床医生能在有限就诊时间内使用的形式呈现。
  3. Alexander 描述了用智能体准备问题和安排后续事项,而不是让它作医疗决策。
  4. 她认为,价格、易用性和机构间协调是进一步普及的主要障碍。
  5. 据 Alexander 说,OpenAI 的临床医生产品对通过验证的临床医生免费。
全文

按章节阅读整理后的全文

只看原始文稿
01

健康问题使用量快速增长的一年

Alexander 介绍了她转向医疗产品的原因,并说每周有超过 3 亿用户提出健康问题。她概述了面向消费者、临床医生和企业的产品。

Ashley Alexander 说,她多年希望将产品构建技能用于医疗问题,后来加入了 OpenAI 的健康工作。作为美国的一名患者,她曾对错位的激励机制和不平等的信息获取感到沮丧,也看到了构建能够大规模惠及人们的技术的机会。

Alexander 说,如今每周有超过 3 亿人带着健康问题来到 ChatGPT。在她加入后的第一年,OpenAI 推出了连接病历和可穿戴设备数据的方式、面向临床医生的产品以及企业服务。她说,已有八家美国领先机构被公开宣布为合作伙伴。

主持人指出,健康很早就成为语言模型的常见用途。他们讨论了有关健康问题和医疗服务可及性的研究,认为对于一些人来说,AI 对话之外的选择并不是立即就诊,而是询问熟人,或者根本得不到答案。

02

人们和临床医生希望从 AI 获得什么

主持人讨论了就医困难时的需求,以及他们使用临床工具的经验。Alexander 说,许多健康问题出现在门诊时间之后。

一位主持人介绍了使用免费 ChatGPT for Clinicians 产品的经验,认为引用来源和处理文本之外内容的能力很有价值。Alexander 说,OpenAI 领导层支持让临床医生使用前沿模型,并说验证需要美国国家医疗服务提供者识别号。她希望临床医生在产品发展过程中提供反馈。

Alexander 说,约七成健康相关对话发生在估计的早 8 点至下午 5 点普通门诊时间之外。她将此与自己照顾年幼孩子的经历联系起来:喂养、睡眠和其他问题经常在不容易联系到医生的时候出现。

一位主持人认为,患者采用消费级 AI 的速度快于医疗系统通常改变的速度。医疗机构有理由谨慎考虑安全性和有效性,但他预计患者需求会促使机构适应。

Pew 关于健康聊天机器人使用情况的调查
幻灯片 1 / 1Pew 关于健康聊天机器人使用情况的调查展示的调查列出了美国成年人使用聊天机器人获取健康信息的原因,以及用户认为信息有多大帮助。

主持人提到一项 Pew 调查,约三分之一受访者表示曾针对健康问题使用聊天机器人。他们讨论了患者报告的有用性和模型基准测试,也介绍了在向另一位临床医生寻求意见之前,使用工具准备更有针对性的问题。

03

从连接病历到及时行动

Alexander 报告病历访问量增长,并介绍了可能帮助准备就诊和安排后续检查的智能体。主持人讨论了预约流程中的阻碍。

Alexander 说,OpenAI 在夏季于美国广泛推出了病历连接功能。她说,负责提供病历访问的合作伙伴报告,访问量达到了此前从未见过的水平。她认为,这表明人们长期以来就希望了解自己的健康数据。

Alexander 说,连接信息只是起点:它的价值取决于能否帮助人采取改善健康的行动。她希望助手预先提供相关信息,而不是等待人提出措辞完美的问题,例如同时考虑旅行、睡眠和计划中的锻炼。

她描述了一个智能体如何通过对照她的日历、所在地和可用预约,帮助安排后续化验,然后询问她是否需要预订。她的目标是减少从建议到个人决定采取行动之间的行政工作。

一位主持人将这种主动角色比作预判临床团队需求的受训人员。他说,尽管自己能够接触医疗专业人士,为儿子安排一次核磁共振仍然困难。他认为,能提供有用问题的病历和助手或许可以减少一些阻碍。

另一位主持人说,他曾测试智能体,让它为孩子安排预防性检查并核对家庭日历。他说测试成功了,同时强调自己没有让它作医疗决策。他问,面对携带能力越来越强的助手前来就诊的患者,医疗系统如何做好准备。

04

让患者的就诊准备与医疗系统对接

OpenAI 正在与医疗系统探讨临床医生如何接收患者信息。Alexander 介绍了自己用化验结果和旅行计划准备就诊的经历。

Alexander 说,OpenAI 正在与医疗系统讨论企业工具和患者整理的信息。一个实际问题是,如何以有助于临床人员的形式传递患者收集的内容,同时考虑到就诊时间有限。她邀请机构共同设计这种体验。

她以自己的年度就诊为例。她的助手通过健康集成功能访问了化验结果,提示 LDL 指标偏高,值得与医生讨论。它还从日历中注意到她即将前往卢旺达,并建议她在就诊时提出旅行健康准备的问题。

Alexander 说,医生能够在那次就诊中处理旅行疫苗和药物事宜。她希望提前整理信息让不到 15 分钟的就诊更顺畅,并认为这有助于关联病历可能没有记录的细节,例如即将到来的旅行。

05

缩小能力与普及之间的差距

嘉宾讨论了科技圈外不均衡的采用情况。Alexander 强调易用的设置、可承受的价格和隐私;主持人询问医疗系统如何鼓励使用。

Alexander 问主持人,如何让科技圈外更多人获得 AI 能力。她根据个人观察指出,订阅采用率仍然较低,并提醒所引用的估计存在不确定性。关注技术的群体所看到的使用水平可能与大众大不相同。

她把现有模型能力与用户实际获得的价值之间的差距视为产品机会。通过更好的设计,即使是几代以前的模型也能提供更多价值。她的检验标准是,家人能否在她不逐步解释的情况下自行设置产品。

Alexander 回忆说,她曾在一旁看着婆婆连接并试用健康产品。她说,对于可能不知道病历在哪里,或者不愿意下载和上传病历的人来说,易于使用、有引导的流程很重要。流程还必须向用户清楚说明安全和隐私措施。

她说,临床医生产品免费,并希望在负责任的前提下扩大使用范围,未来可能包括国际用户。她强调的障碍包括金钱成本,以及把相关健康信息导入工具所需的操作努力。

主持人分享了年长亲属觉得语音对话更容易使用的例子。Alexander 说,她听说有人在健康信息以他们能理解的方式表述后,开始作出回应。她认为,当临床医生或教练无法为每个人投入无限时间时,能够持续获得解释是有价值的。

一位主持人认为,一些医疗问题其实是基本工作流程问题,也许在语言模型出现之前就可以自动化,但跨机构解决一直很困难。在他看来,AI 能够让人们关注预约等任务;机构和消费者仍需协调并接受教育,才能充分使用工具。

主持人问,什么时候可能有足够证据让医疗系统开具使用这类工具的处方,以及多少常规随访最终能够降低医疗成本。一位主持人认为,监管比能力更构成障碍,随后请 Alexander 作结束发言。

Alexander 说,她不认为该产品需要作为医疗干预开具处方。她说,这项产品并非用于诊断、治疗患者或取代医生。她认为,不到六个月内,每周提出健康问题的人数从 1.3 亿增至超过 3 亿,反映了已经存在的需求。

她优先考虑消除使用障碍,让人们投入的时间、精力和金钱低到足以持续使用。她说,目标是帮助人们更了解自身健康、更积极地参与其中,并希望这项工作能在人群层面改善健康结果和医疗可及性。

同频道的其他文章

6 张幻灯片58:52EN → 简体中文
Stanford Online· 2026年11月17日Cynthia Bailey:明确 AI 智能体能做什么、何时必须停止Cynthia Bailey · Stanford University连接器让模型通过其他应用采取行动;明确权限、人工检查和停止条件决定了行动的安全程度。AI agentsMCP智能体工程+2
1:09:27EN → 简体中文
Stanford Online· 2026年11月17日Cynthia Bailey:AI 上线后仍要持续测试Cynthia Bailey · Stanford University旧测试数据可能遗漏用户行为的变化。Bailey 介绍如何用独立审查、上线后检查和更好的数据发现 AI 风险。编程智能体AI Safety安全与治理+1
11 张幻灯片1:18:55EN → 简体中文
Stanford Online· 2026年11月16日Michael Ryan:AI 智能体越多,任务可能越难Michael Ryan · Stanford University并行智能体能探索更多方案,但协调成本和相互冲突的工作可能让单个智能体更有效。Multi-agent systemsAgent orchestrationAgent memory+2
8 张幻灯片1:18:54EN → 简体中文
Stanford Online· 2026年11月15日AI 智能体记忆:该保存、检索和遗忘什么Michael Ryan · Stanford UniversityMichael Ryan 比较智能体记忆架构,并解释为什么记住更多不一定能改善决策。Agent memoryAI agents检索增强生成+2
9 张幻灯片1:16:51EN → 简体中文
Stanford Online· 2026年11月14日Michael Ryan:从控制流与上下文选择智能体模式Michael Ryan · Stanford University斯坦福 CS329Z 课程讲解工作流、推理与行动循环,以及让智能体上下文保持聚焦的方法。智能体工程AI agents开发流程与测试+1
4 张幻灯片1:17:14EN → 简体中文
Stanford Online· 2026年11月13日DSPy、LangGraph 与 AI 智能体周围的工程Michael Ryan · Stanford UniversityMichael Ryan 通过日历演示比较智能体框架,并说明评估、恢复和追踪为何重要。Agent orchestration评估智能体工程+2