- 1700 万欧元用于改造医院处方： OPTIMABIO 汇集了 AP-HM、里昂临终关怀医院、利摩日大学医院和 Kiro，以便将人工智能直接集成到医院软件的核心中。
- 潜在的影响比诊断更广泛： 该算法实时分析临床数据，推荐最相关的生物测试，限制不必要的处方并提高护理质量。
- 人工智能正在成为信息系统的原生功能： OPTIMABIO 不是一个额外的应用程序，而是将医院软件开发为融入医生日常生活的决策助手。
- 大学医院成为人工智能的联合生产者： 他们的临床专业知识、协议和存储库现在构成了与人工智能模型本身一样重要的战略资产。
- 新一代数字化医院： 通过优化数百万个处方决策，人工智能可以为卫生系统创造比一些专业医疗程序的自动化更多的价值。
OPTIMABIO 项目旨在改善医院最常见的决策之一，即生物学检查的处方。该项目得到了马赛公立医院援助组织 (AP-HM)、里昂临终关怀医院、利摩日大学医院和法国初创公司 Kiro 的支持，作为法国 2030 iDémo 计划的一部分，刚刚获得了超过 1700 万欧元的资金。
乍一看，该项目似乎没有能够检测罕见病理或解释医学成像的人工智能那么引人注目，但其影响可能要大得多。因为在生物处方优化的背后，数字医院的一次重大变革正在形成：人工智能不再是偶尔使用的专门工具，而是成为集成到医院软件核心的功能。挑战不再只是提供更好的诊断，而是实时改进护理人员每天做出的数千个临床决策。
处方，人工智能征服的新领域
与其他专业不同，医学生物学集中了几个特征，这使其成为人工智能特别有利的领域。数据是大规模结构化的，医疗标准在很大程度上已成文，并且最佳实践建议会定期更新。最重要的是，生物学参与了近 70% 的诊断决策，这使其在护理途径中占据中心地位。
在这种情况下，目标是提高每个处方的相关性。作为 OPTIMABio 一部分开发的算法将实时分析可用的生物和临床数据，以确定最适合患者情况的检查。他可能会表明已经进行了相同的测试，建议进行更相关的检查或提请注意与医疗标准的不一致。因此，人工智能在决策的上游发挥作用，而无需取代临床医生。
这种方法解决了一个主要的经济问题。经合组织估计，大约 20% 的医疗支出与护理不足有关。不必要的处方不仅仅是额外检查的费用。它调动了医院资源，延长了治疗时间，对实验室提出了不必要的要求，并可能导致一系列额外的测试。因此，减少这些处方相当于同时提高护理质量和医院系统的效率。
人工智能不再是一个应用程序，而是成为医院软件的一个功能
OPTIMABio带来的真正改变主要在于其集成模式。
在过去的十年中，大多数数字健康初创公司除了现有工具之外还一直在营销应用程序或平台。软件的这种重叠往往构成了其采用的主要障碍之一：接口的增加、用户旅程的中断以及与医院信息系统的集成不良。
OPTIMABio 采用了完全不同的逻辑，其中人工智能生成的建议旨在直接集成到医生日常使用的软件中。人工智能不再构成额外的软件，而是成为医院信息系统的原生能力。
这种演变让人想起在企业软件领域观察到的情况。在提供自主助理之后，主要出版商逐渐将人工智能直接集成到他们的 ERP、CRM 或办公套件中。
大学医院成为人工智能的联合生产者
该项目还揭示了大学医院角色的更加谨慎的转变。长期以来，医疗机构主要被视为初创企业的试验场。他们提供了数据、经过验证的临床方案以及由制造商开发的经过测试的解决方案。
OPTIMABIO 体现了不同的演变，三所合作大学医院不仅参与实验，而且带来了他们的医学专业知识、生物学标准、处方方案以及生物学家团队积累的知识。换句话说，它们直接有助于算法的构建。
这种演变绝非微不足道，因为随着人工智能的进步，价值不再仅仅在于模型本身，而是在于使模型专业化的数据、业务规则和临床专业知识。
因此，医院成为数字资产的生产者，能够将其医疗知识转化为软件智能。
法国 2030 为基础设施提供的资金多于初创公司
作为“法国 2030”计划的一部分，分配给该项目的 1700 万欧元支持旨在在法国医院系统中广泛部署的工业能力。
目标是建立能够持续改善医疗实践的基础设施。
规避医疗人工智能主要障碍的策略
Kiro采取的定位也具有战略意义。
大多数医疗人工智能初创公司历来都专注于与诊断直接相关的用途。这些应用程序涉及高度的责任，特别是要求严格的监管验证，并且当从业者似乎与他们的专业知识竞争时，他们非常不愿意。
通过干预处方的相关性，Kiro 选择了一个截然不同的地形。
人工智能不会在两种诊断之间做出决定。它根据现有的医疗标准和结果提供情境化建议。最终决定完全掌握在临床医生手中。
这种方法可以降低医疗法律风险，同时促进医疗保健专业人员的接受。人工智能成为临床决策的副驾驶，而不是医生的替代品。
医院人工智能的下一场战斗
OPTIMABIO 可能开辟了一个比单纯医学生物学更大的市场。如果人工智能证明了其提高生物处方相关性的能力，那么相同的逻辑可以应用于护理路径的其他方面：成像处方、治疗选择、患者定位、防止重复检查、专业咨询规划或出院优化。
也就是说，医院人工智能可能会逐渐侵入临床组织领域。组织决策比复杂的诊断要多得多，它们也代表了医院成本的重要组成部分和护理质量的改进空间。
因此，与自动化一些非常专业的医疗程序相比，人工智能可以通过优化数百万个日常决策来产生更多的经济价值。
新一代数字化医院
仍然存在一些挑战，首先是机构之间的数据治理、与众多现有医院软件的互操作性、建议的可解释性以及公共资助阶段后的经济模型，所有这些都是决定性的步骤。
然而，这些问题并没有影响 OPTIMABio 所揭示的范式转变。医院人工智能正在进入标准化阶段。在这个阶段，它寻求默默地改进护理人员每个工作日的决策。
也许这就是它最具变革性的潜力所在。不再是偶尔与专家在复杂的诊断上竞争的能力，而是每天数千次协助决定患者护理质量、速度和成本的普通决策的能力。因此，OPTIMABIO 说明了一个基本趋势：医疗人工智能不再是一种特殊的工具，而是成为医院日常运作中看不见但必不可少的组成部分。
