《远程患者监测的未来》这份2024年1月发表的研究报告探讨了数字医疗技术通过远程监测彻底改变患者治疗和护理的潜力。该报告由医疗保健专家和政策分析师团队撰写,重点关注使用数字工具收集患者数据并将其传输给医疗保健专业人员,特别强调在获得传统医疗保健服务方面面临难题的慢性病患者。
该报告将远程监测定义为一个广义术语,包括两类:远程生理监测(RPM)和远程治疗监测(RTM)。远程生理监测(RPM)涉及体重、血糖水平和血压等生理数据的收集,而远程治疗监测(RTM)则侧重于疼痛水平和药物依从性等自我报告的非生理数据。医保和医助服务中心(CMS)目前将远程治疗监测(RTM)的报销限制在特定疾病,包括呼吸和肌肉骨骼系统以及认知行为治疗。
尽管远程监测的利用率仍然相对较低,但其采用却有显著增加,尤其是在医疗保险受益人中,部分原因是新冠肺炎大流行期间扩大了覆盖范围。该报告强调了越来越多的证据支持远程监测的有效性,特别是远程生理监测(RPM)工具的有效性。研究表明,远程监测可以改善健康结果,提高患者参与度,降低医疗成本。例如,发表在《美国医学会杂志》上的一项研究发现,对心力衰竭患者进行远程监测可减少38%的再入院率。然而,专家们也表示,需要更有力的证据来优化这些服务的使用,包括确定适当的持续时间和目标患者群体。平衡远程监测的使用对于确保在不增加医疗支出的情况下获得有益的治疗和护理至关重要。
鉴于这些考虑,(美)两党政策中心(BPC)提出了一系列政策建议,以提高远程监测服务的利用率。建议涵盖三个关键领域:
一、确保适当的服务覆盖范围:该报告建议CMS与医学专业协会(学会)合作,评估证据并建立远程监测的覆盖机制。这包括确定不同患者群体和持续时间的远程监测的最佳使用。它还强调了临床指南和计费代码开发对支持医务人员或医疗机构的重要性。
二、改善公平性:BPC强调需要提供有关设备性能的全面信息,以确保公平获得远程监测服务,特别是对于疾病控制不力和获得常规医护服务机会有限的个人。还建议对“社会安全网医疗机构”实行灵活的报销政策。
三、确保数据安全和隐私:该报告承认,在数字健康领域,人们对患者隐私和安全越来越担忧。它要求卫生部民权办评估现有的隐私政策,并找出保护个人健康信息方面的潜在差距。此外,该报告建议研究网络安全的安全港法律的有效性,促进远程监测设备和电子病历系统之间的互操作能力。
该报告的结论是,医保和医疗服务机构应改进和完善其方法,最大限度地适当采用远程监测服务的时机已经成熟。通过解决政策考虑因素和实施建议的策略,医疗保健行业可以利用远程患者监测的潜力来改善健康结果、增加获得医护服务的机会,优化成本效益。远程患者监测的未来前景广阔,决策者、医务人员或医疗机构和患者必须共同努力,充分发挥其潜力。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。