在临床实践中部署AI智能体的现场指南

集成到智能体驱动工作流中的大型语言模型（LLM）为医疗保健带来了巨大希望，然而，其潜力与临床环境中的实际应用之间存在着显著差距。为解决这一问题，我们提供了一份面向从业者的现场手册，用于部署使用电子健康记录（EHR）数据的生成式智能体。本指南基于我们在麻省总医院布里格姆部署“irAE-Agent”（一个从临床记录中检测免疫相关不良事件的自动化系统）的经验，以及对参与该项目的21名临床医生、工程师和信息学负责人的结构化访谈。我们的分析揭示了临床人工智能开发中的一个关键错位：我们投入了不到20%的精力用于提示工程和模型开发，而超过80%的精力被实施过程中的社会技术工作所消耗。我们将这些工作提炼为五个“重担”：数据集成、模型验证、确保经济价值、管理系统漂移以及治理。通过为这些挑战中的每一个提供可操作的解决方案，本现场手册将焦点从算法开发转移到必要的基础设施和实施工作上，这些工作是弥合“死亡之谷”并将生成式人工智能从试点项目成功转化为常规临床护理所必需的。