在HLTH 2023会议上，微软宣布推出针对医疗保健领域的新的数据分析和人工智能功能，旨在帮助医疗保健组织从他们的数据中获得更多价值，以改善患者护理和临床人员体验。这些新的产品建立在微软的Cloud for Healthcare平台上，并代表了在整个医疗保健生态系统中利用数据和人工智能的重大进步。

微软宣布的一个主要组成部分是其Microsoft Fabric平台中的新的医疗保健专用数据解决方案。Fabric提供了一个统一的分析框架，可以打破数据孤岛，并对结构化、非结构化、图像和设备数据进行多模态分析。

医疗保健数据解决方案有助于将这些不同的数据源，如电子病历、医学图像、实验室结果等聚合到一个单一的数据湖中。标准接口，如FHIR和DICOM，使得构建管道更容易，而一个新的去标识服务利用机器学习来匿名敏感的健康数据，以便用于二次用途，如研究。

早期采用者计划使用Fabric来加速临床和运营洞察力。例如，西北医学旨在整合多源数据，以满足监管要求并促进护理质量。安大略工人网络寻求利用预测模型，将工人与及时、高质量的护理相连。

为了补充数据统一能力，微软还宣布了新的人工智能服务，以帮助临床人员和医疗保健组织利用先进的分析技术。这些包括：

Azure AI Health Insights - 通过模型从非结构化数据中提取洞察力，如患者时间线生成器和报告简化器，以便更容易地向患者解释复杂信息。

Azure AI Health Bot - 提供可定制的、基于人工智能的对话式协助，以增强工作流程。

Text Analytics for Health - 自动处理非结构化医学文本，以识别关键的临床实体和关系。

此外，微软还明确强调了其去标识服务对患者隐私的重视。通过使用机器学习，该服务可以有效地清理临床和个人健康数据，在分析医疗文档时确保患者隐私。

深入了解微软通过Azure AI提供的生成式人工智能解决方案，引入了三个新的模型，值得关注：

• 患者时间线：针对零散和非结构化的患者数据的挑战，患者时间线模型利用生成式人工智能从各种数据源中提取关键的医疗事件。通过按时间顺序组织这些事件，临床人员可以获得患者医疗历程的准确视图，从而有助于更明智地制定护理计划。
• 临床报告简化：理解医学术语可能是一件令人生畏的事情，即使对于专业人士也是如此。这个模型利用生成式人工智能将复杂的医学术语转换成更简单的语言，同时保留临床数据的核心要点。通过简化这些报告，临床人员可以更有效地与患者沟通，确保他们了解情况并积极参与自己的护理。
• 放射学洞察：放射学是现代医疗的一个关键方面，它产生了大量的数据。放射学洞察模型旨在通过提供质量检查、突出不一致性和建议后续行动来简化这些数据。它可以从临床文档中提取关键的发现，不仅对放射科医生有价值，而且对整个护理团队有价值。

一个应用人工智能赋能的例子是新的Dragon Ambient eXperience (DAX) Copilot，它使用环境监听和自然语言处理来自动生成供提供者审核的临床就诊记录。这可以节省大量的文档开销时间，并有助于减轻临床人员的压力。

微软的医疗保健数据和人工智能发布的核心目标是通过负责任、合乎道德地应用前沿技术来解决分散数据和过度负担员工等紧迫问题。通过统一数据和利用人工智能增强洞察力，这些解决方案旨在改善临床护理、研究、管理和患者参与。

微软全球医疗保健首席医疗官兼副总裁David Rhew博士设想了一个未来，这些技术不仅可以减轻临床人员的工作负担，而且可以改善整体患者体验。通过提供及时和有意义的洞察力，患者护理可以得到改变，带来更好的结果，并促进更协作的患者-医生关系。

统一多模态数据并利用人工智能产生新洞察力为改善体验和结果铺平了道路。通过弥合数据差距、简化复杂术语和将自动化带入临床文档，它们不仅解决了当前的挑战，而且为一个以数据驱动洞察力为核心的患者护理未来铺平了道路。尽管如此，成功仍需要医疗保健组织根据负责任的人工智能原则仔细评估用例，以确保患者和临床医生可以信任的高质量、公正的系统。