访谈
Tony Hogben，辉瑞数字全渠道服务与解决方案（OSS）沉浸式工作室负责人 – 采访系列
将 Unite.AI 添加到您在 Google 上的首选来源
Tony Hogben 是辉瑞数字全渠道服务与解决方案（OSS）的沉浸式工作室负责人。辉瑞数字全渠道服务与解决方案（OSS）是变革辉瑞与全球患者、医疗保健提供者和专业人士连接方式的前沿。通过创新数字战略、尖端技术和数据驱动的洞察，OSS 提供无缝、个性化和有影响力的体验。通过整合高级分析、自动化和 AI 驱动的解决方案，团队增强了参与度、优化了沟通，并在所有数字接触点上推动了有意义的联系。
(PFE )您在数字创新和沉浸式技术领域有着广泛的职业生涯。是什么最初激发了您对该领域的兴趣，您的旅程又是如何带您来到您当前的角色？
我的道路有点不寻常。在世纪之交完成“新媒体”学位后——当时数字技术仍在找到自己的立足点——我创立并运营了自己的数字机构。在 Web 2.0 的出现期间工作非常令人兴奋。我们正在开创 SAAS 解决方案和早期移动应用的先河，在一个创新不仅仅是一个流行词汇，而是我们日常现实的环境中。每个项目都开辟了新的天地，创业的能量是具有感染力的。
在疫情爆发前不久成功出售我的业务后，我最初享受了一段休息时间，但很快意识到我需要一个新的挑战，这个挑战将利用我的专业知识。加入辉瑞数字使我能够将我的创造性愿景和技术能力相结合，利用近二十年的经验帮助各大小组织进行数字转型。
从零开始建立沉浸式工作室尤其令人满意——创建一个内部的创新中心，允许公司各个团队利用沉浸式和交互式技术。目前，我是领导我们在多个部门和用例中整合 AI 解决方案的团队的一部分，帮助团队重新想象他们的工作流程和能力。
转入医疗保健领域最令人满意的是，将我对技术和人类体验交叉点的热情应用于一个我们的工作具有切实影响的环境。这里，通过沉浸式技术创造的精确度、真实性和参与度直接影响医疗专业人员的教育，最终影响患者的结果。技术创新和人类福祉之间的联系每天都激励着我。
医疗培训正在经历一场转变，采用 AI 驱动的模拟。这些 AI 驱动的沉浸式体验与传统的培训方法相比如何，在有效性和可及性方面？
我应该首先解决沉浸式体验，然后探索 AI 如何改变这个格局。
沉浸式培训体验从根本上改变了医疗教育，提供了传统方法无法匹配的灵活性。学习者可以从任何地方、任何时候、以自己的节奏重温复杂的场景，并且可以重复多次。证据很有说服力，沉浸式学习的知识保留率比传统培训方法高出 76%*。
AI 正在通过四种关键方式革新这些沉浸式体验：
在内容创作中，AI 正在使高保真模拟的开发民主化。曾经需要团队的专业开发人员和数月的工作，现在可以更快地完成，并且需要更少的人——这将解锁开发潜力，并允许内容以规模化的方式创建。
对于学习者体验，AI 实现了动态适应——根据决策和技能水平实时调整场景，创造出更好地反映临床不可预测性的真实挑战。
在反馈方面，AI 提供了细致入微的评估，超出了简单的通过/失败指标。它可以分析学习者的动作、决策序列，并将其与成千上万个以前的会话进行比较，以提供个性化的指导。
最后，AI 使得通过自然语言处理和模拟真实患者和团队互动的智能化身实现了协作学习。
可及性的影响是深远的——AI 驱动的沉浸式体验可以被广泛部署，并且具有成本效益，帮助解决全球的培训差距。沉浸式技术和 AI 的这一强大组合有可能使高质量的医疗培训民主化，特别是在欠发达地区。
*Bonde, Mads & Makransky, Guido & Wandall, Jakob & Larsen, Mette & Morsing Bagger, Mikkel & Jarmer, Hanne & Sommer, Morten. (2014). 通过游戏化实验室模拟提高生物技术教育
您能否分享您公司开发 AI 驱动的医疗模拟的见解？开发这些高保真模拟时会遇到哪些最大的挑战？
我们正在将 AI 集成到我们的方法中，仍处于早期阶段。我们对未来有明确的愿景，但我们所处的严格监管的医疗保健领域需要谨慎的实施和严格的验证。这在我们渴望快速创新和我们谨慎推进的义务之间制造了紧张关系。
目前，我们的 AI 努力集中在三个关键领域：
- 内容创建加速：我们使用 AI 来增强我们的内容开发流程，帮助我们的医疗和教学设计团队扩大基于证据的场景、临床变异和患者模型的生产。这使我们能够在扩大模拟库的同时保持质量。
- 技术开发加速：我们利用 AI 来简化我们的技术开发流程，实现新模拟功能和能力的更快原型、测试和部署。这有助于我们克服资源限制并加速我们的创新周期。
- 学习者适应性体验：同时，我们正在开发将 AI 直接集成到我们的模拟中以创建更动态、更响应的学习环境的方法。这包括个性化的反馈系统和基于学习者性能模式的自适应难度。
虽然在这个领域取得进展需要耐心，但我们对这些 AI 创新最终将如何改变医疗培训和患者结果感到兴奋。
您的 360 度体验、虚拟实验室，是培训医疗专业人员的一种创新方法。它的工作原理是什么，您从用户那里收到了什么样的反馈？
360 度虚拟实验室为医疗专业人员提供了在真正的实验室环境中行走、与医疗设备互动、练习程序和在完全沉浸的数字空间中解决现实世界挑战的体验。
虚拟实验室的设计目的是补充现场参观工作实验室的体验，这些实验室展示了最佳实践。我们认识到现场实验室参观涉及复杂的后勤和时间安排限制，因此我们创建了一个可以从世界任何地方、任何时间、24/7 访问的数字替代品。
医疗专业人员可以导航详细的交互式模拟，以测试他们的知识并增强他们对实验室程序的理解。该平台的设计适用于多种设备，确保学习可以以灵活的方式进行。我们已经扩展了我们的产品，包括针对多种医疗状况的虚拟实验室，并将这些体验翻译成多种语言，以支持全球教育需求。
反馈一直非常积极。用户一致赞扬三个方面：
- 真实性：高保真环境在工作实验室中创造了真实的存在感
- 参与度：交互元素在整个学习体验中保持了兴趣和关注
- 灵活性：能够按照自己的方便和节奏进行培训
最重要的是，医疗专业人员报告称，他们在技能方面感到更加自信，并且比传统培训方法更好地保留了信息。这种改进的知识保留直接转化为现实世界环境中的更好的患者护理。
AI 和沉浸式技术可以使培训更加便捷，但您是否看到任何需要克服的障碍，例如监管问题、采用犹豫或技术限制？
当谈到在医疗培训中实施新技术时，障碍在沉浸式体验和 AI 应用之间有显著差异。
与沉浸式技术相关的主要挑战包括：
- 开发成本：传统上，创建高质量的沉浸式体验很昂贵。然而，AI 实际上正在帮助我们通过加速内容创作和减少生产时间来解决这个问题。
- 可及性：我们通过为多个平台开发沉浸式培训来确保其可及性，就像我们的虚拟实验室一样，该实验室可以在各种设备上运行。这种方法使学习者无论其技术设置如何都可以参与。
- 采用犹豫：这是我们最顽固的挑战，特别是在有经验的医疗专业人员中。我们的策略是逐渐接触——首先使用熟悉的格式，如我们的虚拟实验室，介绍空间学习概念而不需要陡峭的学习曲线。这种方法可以在没有大量学习曲线的情况下建立对沉浸式概念的舒适度，然后再转向更复杂的技术。
对于 AI 集成，我们面临不同的障碍：
- 技术限制：我们正在积极解决这些问题，通过建立强大的平台和方法来解决这些问题，这些平台和方法将为未来的发展提供基础。
- 监管问题：这代表了我们最重要的挑战。监管机构对 AI 生成的医疗教育内容的准确性和有效性有合理的疑问。我们的方法是先开发内部使用案例，创建我们可以用来与监管团队进行建设性互动的具体示例。我们认识到我们需要支持他们的理解，同时与他们合作开发适当的防护措施。
通过系统地解决这些障碍并认识到它们的独特特征，我们正在为负责任的创新创造途径，这些创新维护了医疗教育所需的高标准。
随着 AI 的加速发展，您是否预见到 AI 将在实时患者护理中发挥更积极的作用，而不仅仅是支持工具？
这有点超出了我的专业领域，但我认为我们已经可以看到 AI 正在医疗保健中超越支持角色，例如 AI 辅助诊断和实时手术指导。在接下来的五年里，我预计 AI 将在患者护理中发挥更积极的作用，但它不会完全取代人类。相反，AI 将在“人类在循环中”的框架内与医疗专业人员合作，提供帮助而不完全控制。这种转变引发了关于信任和问责的道德问题——虽然 AI 可能会提出诊断或治疗计划，但最终决定仍将由人类做出，以确保患者安全。AI 将增强决策，但人类判断将仍然至关重要。
在一个 AI 生成的医疗洞察可能有一天在某些任务中超越人类专业人员的世界中，医疗行业应该如何为这一转变做好准备？
随着每一次技术变革，我们看到的是任务的转移，而不是人员的替换。医疗行业需要将 AI 重塑为合作伙伴，而不是替代人类专业人员。它是一个简单的等式，人类 + AI 大于人类或 AI 单独。
这种转变将是渐进的和特定于任务的——可能从图像诊断、病理筛查和预测分析等领域开始，这些领域的模式识别具有天然的优势，而更复杂的临床推理将在可预见的未来仍由人类领导。
我们需要从小型、有针对性的任务开始，这些任务可以立即产生价值，而不是通常的全有或全无的解决方案。这种迭代方法使临床医生和患者能够随着时间的推移建立对 AI 能力的信任。
医疗行业不应抵制变化，而应该积极塑造 AI 如何嵌入医疗生态系统，确保它增强而不是削弱医疗保健的核心人文元素。
最终，任何组织都应采取的第一步是使 AI 暴露民主化。让您的员工接受个人挑战，开阔他们的视野，展示可能性——让他们使用 AI 工具创建图像、撰写电子邮件或制作演示文稿。一旦他们亲身体验到力量，他们就会将这种兴奋带回去，找出在日常工作中有意义的应用。自下而上的创新往往会产生最实用和最有影响力的解决方案。
许多公司在将 AI 解决方案扩展到试点项目之外时都面临困难。您使用了什么策略来成功地在规模上实施 AI？
对于我来说，任何技术项目的成功扩展都涉及解决两个关键挑战：技术基础设施和用户采用。
在医疗保健的严格监管环境中，在扩大任何 AI 计划之前建立强大的技术基础至关重要。我们需要平衡创新与患者安全要求的安全、符合标准的基础设施。
在采用新技术时，采用往往成为最大的障碍。我们发现，使 AI 尽可能“隐形”对于广泛采用至关重要。例如，面对空白屏幕并需要编写有效的提示会为大多数用户创造显著的摩擦。相反，我们正在设计可以简单地点击预配置按钮或使用熟悉的工作流程来利用 AI 背景的解决方案。
我们的方法优先考虑从小开始，但从第一天就考虑规模。我们不会创建一次性的解决方案，而是设计可以扩展和复用的模块化组件。这使得成功的试点项目可以成为更广泛实施的模板。
您认为 AI 将在未来五年内以哪些具体进步对医疗保健产生最深远的影响？
作为 80 年代的孩子，我记得 70 年代的《六百万美元男人》和《仿生女人》电视剧。这些节目中的人物通过技术增强了身体，但 AI 的真正革命将是认知增强。这让我最兴奋。
在接下来的五年里，我相信几个具体的进步将从根本上改变医疗保健：
- 行政自动化：目前消耗医疗专业人员如此多时间的行政负担将大大减轻。这不仅仅是关于效率——它是关于将关怀重新带入医疗保健中，通过将人类的关注重新转向患者互动。
- 药物发现加速：从识别治疗靶点到开发有效治疗的时间线将从几十年缩短到几年甚至几个月。由 Google 的 DeepMind 创建并开源的 AlphaFold 已经彻底改变了我们对蛋白质结构的理解——在几天内解决了以前需要数年实验室工作的问题。
- 精准诊断大规模推广：AI 系统将通过在大量数据集上进行模式识别大大提高对癌症、心血管疾病和神经系统疾病等疾病的早期发现。
- 个性化治疗：治疗计划将根据个别患者数据不断完善，实时调整以最大限度地提高疗效和患者参与度。
这些变化的步伐将令人惊讶。AI 的发展就像狗的年龄——但具有指数级加速。我们将看到如果按照传统的研究和实施方式，可能需要 50 年才能实现的事情。
这些并不是遥远的科幻情景——它们已经以早期形式出现，这不是未来，现在就是现在。
