Summary & Insights
This episode of the Remarkable People podcast features a conversation between host Guy Kawasaki and Dr. Lloyd Minor, Dean of the Stanford School of Medicine. The central theme is the transformative role of artificial intelligence in the future of healthcare, framed within Stanford’s broader vision of “precision health.” Dr. Minor explains that precision health aims to move beyond reactive “sick care” to a model that predicts, prevents, and cures disease by leveraging data, genomics, and AI. He argues that AI will not replace physicians but will instead augment their capabilities, freeing them from administrative burdens like note-taking and data synthesis to focus more on the human aspects of patient care, complex decision-making, and interpersonal interaction.
The discussion delves into concrete, current applications of AI within healthcare systems. Examples include patient-facing portals for scheduling and interpreting lab results, and “ambient AI” that listens to doctor-patient conversations to draft clinical notes, allowing for more natural, eye-to-eye engagement. Dr. Minor also explores the use of specialized AI “agents” in fields like oncology, where different models analyze radiology images, pathology slides, and medical literature to provide synthesized recommendations for a tumor board, enhancing—but not replacing—expert human judgment.
Looking to the future, Dr. Minor paints a picture of a more integrated, proactive, and efficient healthcare experience. He envisions a system where wearable devices transmit vital data to the emergency room before a patient arrives, where a unified health record is instantly available, and where AI handles initial screenings and logistical setups. Throughout the conversation, he maintains a balanced perspective, acknowledging current limitations like AI “hallucinations” while firmly believing that these tools, when used as adjuncts to human expertise, will ultimately expand access, improve outcomes, and allow the healthcare system to focus on whole-person well-being rather than just the absence of disease.
Surprising Insights
- AI as a Liberator, Not a Replacement: A key counterintuitive point is that the primary goal of AI in medicine is not to interpret X-rays better than humans (though it may assist), but to restore time for the “human aspects of care,” such as thoughtful conversation with patients and colleagues, which the current system often squeezes out.
- Patient Self-Diagnosis via AI as a Conversation Starter: Dr. Minor reframes patients using tools like ChatGPT to analyze their own medical reports not as a dangerous replacement for a doctor, but as a potential catalyst for better, more informed dialogue with their healthcare provider, similar to how patients once used Google searches.
- The Diminishing Need for Memorization: AI is already reducing the necessity for physicians to memorize vast amounts of arbitrary information, such as complex drug dosage formulas. Medical education may consequently shift away from rote memorization toward a greater focus on understanding mechanisms and applying critical judgment.
- The “Bilingual” Physician of the Future: The next generation of leading physicians will likely be “bilingual”—expert in both clinical medicine and the underlying science of data and AI, enabling them to directly shape and implement these technologies effectively.
Practical Takeaways
- For Patients: Use patient portals and engage with your own health data actively. When using AI tools to research conditions or reports, do not treat the output as a final diagnosis. Instead, use the information it provides as a basis to ask more informed questions and drive a collaborative conversation with your doctor.
- For Healthcare Professionals: Explore and experiment with curated medical AI models (like Open Evidence) as extraordinary learning and synthesis tools. Use them to quickly summarize literature or cross-check findings, but always “triangulate” their outputs with other sources and your own expertise, never accepting them as the single source of truth.
- For Anyone Interested in a Medical Career: Follow your passion within the sciences, as genuine interest will drive engagement and resilience. Be open to developing “bilingual” expertise that combines deep clinical knowledge with skills in data science or AI, as this interdisciplinary approach will be highly valuable.
- For Adopting AI in Practice: Implement tools like ambient AI to automate administrative documentation. This can directly improve the quality of the clinical encounter by allowing providers to focus on the patient rather than a keyboard, thereby enhancing communication and satisfaction for both parties.
Trong tập này của podcast *Remarkable People*, chủ nhà Guy Kawasaki trò chuyện với Tiến sĩ Lloyd Minor, Hiệu trưởng Trường Y khoa Stanford. Trọng tâm của cuộc thảo luận là tiềm năng chuyển đổi của công nghệ, cụ thể là Trí tuệ Nhân tạo (AI), trong việc thúc đẩy một khái niệm mà Stanford gọi là “sức khỏe chính xác”. Tiến sĩ Minor giải thích rằng sức khỏe chính xác vượt ra ngoài “y học chính xác” (điều trị dựa trên bệnh trạng cá nhân) để hướng tới một mô hình rộng hơn tập trung vào dự đoán, phòng ngừa và chữa khỏi bệnh hoàn toàn. Điều này liên quan đến việc tận dụng AI, dữ liệu từ thiết bị đeo và di truyền học để chuyển dịch hệ thống chăm sóc sức khỏe từ phản ứng sang chủ động.
Một phần đáng kể của cuộc thảo luận đi vào chi tiết về các ứng dụng hiện tại và tương lai gần của AI trong lâm sàng. Tiến sĩ Minor mô tả “AI môi trường” lắng nghe cuộc trò chuyện giữa bác sĩ và bệnh nhân và soạn thảo ghi chú lâm sàng, giúp bác sĩ tập trung vào tương tác con người thay vì đánh máy. Ông cũng giải thích cách các tác nhân AI đang bắt đầu hỗ trợ trong các lĩnh vực phức tạp như điều trị ung thư bằng cách phân tích hình ảnh X-quang và tiêu bản giải phẫu bệnh để tổng hợp thông tin cho hội đồng khối u, mặc dù các chuyên gia con người vẫn là người quyết định cuối cùng. Quan trọng là, Tiến sĩ Minor nhiều lần nhấn mạnh rằng vai trò chính của AI không phải để thay thế bác sĩ mà để hỗ trợ họ, đảm nhận các nhiệm vụ phân tích để bác sĩ có thể tập trung vào khía cạnh con người của việc chăm sóc — giao tiếp, sự đồng cảm và ra quyết định phức tạp.
Tiến sĩ Minor đề cập đến những lo ngại phổ biến về AI, chẳng hạn như ảo giác và thay thế công việc. Ông lập luận rằng trong khi các mô hình AI chưa hoàn hảo, chúng có thể được đào tạo trên lượng dữ liệu khổng lồ (như hình ảnh khối u hiếm) mà một cá nhân không thể trải nghiệm hết, từ đó có khả năng giảm thiểu sai sót. Ông tin rằng AI sẽ thay đổi bản chất công việc trong lĩnh vực chăm sóc sức khỏe, làm cho chúng có ý nghĩa hơn bằng cách loại bỏ các nhiệm vụ tầm thường và cải thiện hiệu quả cũng như khả năng tiếp cận dịch vụ, thay vì xóa bỏ vai trò. Cuộc trò chuyện kết thúc với lời khuyên cho các bác sĩ tương lai và hành nghề hiện tại: hãy theo đuổi đam mê và tích cực sử dụng các công cụ AI như trợ thủ học tập mạnh mẽ để nâng cao, chứ không thay thế, mối quan hệ thiết yếu giữa nhà cung cấp dịch vụ và bệnh nhân.
## Những Góc Nhìn Đáng Ngạc Nhiên
* **Mục tiêu chính của AI là khôi phục kết nối con người trong y học.** Thay vì làm cho việc chăm sóc trở nên máy móc hơn, một ứng dụng then chốt (ghi chú tự động bằng AI môi trường) được thiết kế rõ ràng để bác sĩ và bệnh nhân có thể nhìn vào mắt nhau và trò chuyện tự do trở lại.
* **Việc bệnh nhân sử dụng AI để tự chẩn đoán ban đầu được xem là điểm khởi đầu tích cực.** Tiến sĩ Minor kể lại cách bệnh nhân đã tự chẩn đoán chính xác chứng rối loạn tai hiếm gặp của ông thông qua tìm kiếm trên internet thời kỳ đầu, coi việc nghiên cứu do bệnh nhân chủ động là công cụ thúc đẩy cuộc trò chuyện tốt hơn với nhà cung cấp dịch vụ, chứ không phải là mối đe dọa.
* **Việc giáo dục y khoa phụ thuộc vào ghi nhớ máy móc đang giảm dần.** Sự cần thiết phải ghi nhớ liều lượng thuốc và tương tác đang mờ nhạt đi, vì AI có thể tính toán chính xác những điều này. Tương lai của đào tạo y khoa có thể liên quan ít hơn đến việc ghi nhớ máy móc và tập trung nhiều hơn vào việc phân tích kết quả đầu ra của AI và chăm sóc nhân văn.
* **Những trường hợp được hưởng lợi nhiều nhất từ AI chẩn đoán có thể là những ca mà chuyên gia con người hiếm khi gặp.** Lợi thế của AI nằm ở việc được đào tạo trên hàng triệu ca bệnh được tuyển chọn, cho phép nó nhận biết các mẫu hình cho những tình trạng cực kỳ hiếm gặp mà một bác sĩ hành nghề có thể chỉ gặp một lần trong sự nghiệp.
* **Mô hình hàng đầu cho việc chăm sóc cấp cứu trong tương lai liên quan đến việc AI xử lý trước dữ liệu bệnh nhân trước khi họ đến.** Tầm nhìn của Tiến sĩ Minor là các thiết bị đeo và hồ sơ tích hợp cho phép phòng cấp cứu đánh giá các chỉ số sinh tồn, tiền sử và nhu cầu có thể có của bệnh nhân trước khi họ bước chân vào cửa, từ đó tối ưu hóa đáng kể quy trình phân loại và điều trị ban đầu.
## Bài Học Thực Tiễn
* **Chủ động sử dụng cổng thông tin bệnh nhân.** Tương tác với hệ thống trực tuyến của nhà cung cấp dịch vụ chăm sóc sức khỏe của bạn để đặt lịch hẹn, xem kết quả xét nghiệm và truy cập thông tin sức khỏe giải thích, vì đây là những ứng dụng ban đầu và rộng rãi của công cụ dữ liệu.
* **Sử dụng công cụ AI sức khỏe như một công cụ mở đầu cuộc trò chuyện, không phải câu trả lời cuối cùng.** Hãy cảm thấy được trao quyền để sử dụng các mô hình ngôn ngữ lớn (LLM) như ChatGPT để hiểu báo cáo y tế hoặc nghiên cứu tình trạng bệnh, nhưng luôn mang thông tin đó đến thảo luận với nhà cung cấp dịch vụ chăm sóc sức khỏe của bạn để xác minh và hiểu ngữ cảnh.
* **Đối với chuyên gia y tế, hãy tích cực khám phá và “thử nghiệm” các mô hình AI y tế được tuyển chọn.** Làm quen với các công cụ như Open Evidence hoặc các mô hình có thể tóm tắt nghiên cứu để nâng cao việc học và hiệu quả của bạn, nhưng luôn đối chiếu kết quả đầu ra của chúng với các nguồn khác và chuyên môn lâm sàng của bạn.
* **Tập trung vào các yếu tố con người không thể thay thế trong chăm sóc sức khỏe.** Cho dù bạn là nhà cung cấp dịch vụ hay bệnh nhân, hãy nhận ra rằng các kỹ năng như sự đồng cảm, giao tiếp và ra quyết định chung đang trở thành cốt lõi không thể thay thế của y học khi AI đảm nhận nhiều nhiệm vụ phân tích hơn.
* **Ưu tiên tích hợp dữ liệu để có bức tranh sức khỏe tổng thể.** Ủng hộ và sử dụng các hệ thống cho phép các nhà cung cấp dịch vụ chăm sóc sức khỏe khác nhau truy cập vào một hồ sơ thống nhất, vì dữ liệu tích hợp này là nhiên liệu thiết yếu cho các mô hình sức khỏe dự đoán và phòng ngừa được AI hỗ trợ.
Một phần đáng kể của cuộc thảo luận đi vào chi tiết về các ứng dụng hiện tại và tương lai gần của AI trong lâm sàng. Tiến sĩ Minor mô tả “AI môi trường” lắng nghe cuộc trò chuyện giữa bác sĩ và bệnh nhân và soạn thảo ghi chú lâm sàng, giúp bác sĩ tập trung vào tương tác con người thay vì đánh máy. Ông cũng giải thích cách các tác nhân AI đang bắt đầu hỗ trợ trong các lĩnh vực phức tạp như điều trị ung thư bằng cách phân tích hình ảnh X-quang và tiêu bản giải phẫu bệnh để tổng hợp thông tin cho hội đồng khối u, mặc dù các chuyên gia con người vẫn là người quyết định cuối cùng. Quan trọng là, Tiến sĩ Minor nhiều lần nhấn mạnh rằng vai trò chính của AI không phải để thay thế bác sĩ mà để hỗ trợ họ, đảm nhận các nhiệm vụ phân tích để bác sĩ có thể tập trung vào khía cạnh con người của việc chăm sóc — giao tiếp, sự đồng cảm và ra quyết định phức tạp.
Tiến sĩ Minor đề cập đến những lo ngại phổ biến về AI, chẳng hạn như ảo giác và thay thế công việc. Ông lập luận rằng trong khi các mô hình AI chưa hoàn hảo, chúng có thể được đào tạo trên lượng dữ liệu khổng lồ (như hình ảnh khối u hiếm) mà một cá nhân không thể trải nghiệm hết, từ đó có khả năng giảm thiểu sai sót. Ông tin rằng AI sẽ thay đổi bản chất công việc trong lĩnh vực chăm sóc sức khỏe, làm cho chúng có ý nghĩa hơn bằng cách loại bỏ các nhiệm vụ tầm thường và cải thiện hiệu quả cũng như khả năng tiếp cận dịch vụ, thay vì xóa bỏ vai trò. Cuộc trò chuyện kết thúc với lời khuyên cho các bác sĩ tương lai và hành nghề hiện tại: hãy theo đuổi đam mê và tích cực sử dụng các công cụ AI như trợ thủ học tập mạnh mẽ để nâng cao, chứ không thay thế, mối quan hệ thiết yếu giữa nhà cung cấp dịch vụ và bệnh nhân.
## Những Góc Nhìn Đáng Ngạc Nhiên
* **Mục tiêu chính của AI là khôi phục kết nối con người trong y học.** Thay vì làm cho việc chăm sóc trở nên máy móc hơn, một ứng dụng then chốt (ghi chú tự động bằng AI môi trường) được thiết kế rõ ràng để bác sĩ và bệnh nhân có thể nhìn vào mắt nhau và trò chuyện tự do trở lại.
* **Việc bệnh nhân sử dụng AI để tự chẩn đoán ban đầu được xem là điểm khởi đầu tích cực.** Tiến sĩ Minor kể lại cách bệnh nhân đã tự chẩn đoán chính xác chứng rối loạn tai hiếm gặp của ông thông qua tìm kiếm trên internet thời kỳ đầu, coi việc nghiên cứu do bệnh nhân chủ động là công cụ thúc đẩy cuộc trò chuyện tốt hơn với nhà cung cấp dịch vụ, chứ không phải là mối đe dọa.
* **Việc giáo dục y khoa phụ thuộc vào ghi nhớ máy móc đang giảm dần.** Sự cần thiết phải ghi nhớ liều lượng thuốc và tương tác đang mờ nhạt đi, vì AI có thể tính toán chính xác những điều này. Tương lai của đào tạo y khoa có thể liên quan ít hơn đến việc ghi nhớ máy móc và tập trung nhiều hơn vào việc phân tích kết quả đầu ra của AI và chăm sóc nhân văn.
* **Những trường hợp được hưởng lợi nhiều nhất từ AI chẩn đoán có thể là những ca mà chuyên gia con người hiếm khi gặp.** Lợi thế của AI nằm ở việc được đào tạo trên hàng triệu ca bệnh được tuyển chọn, cho phép nó nhận biết các mẫu hình cho những tình trạng cực kỳ hiếm gặp mà một bác sĩ hành nghề có thể chỉ gặp một lần trong sự nghiệp.
* **Mô hình hàng đầu cho việc chăm sóc cấp cứu trong tương lai liên quan đến việc AI xử lý trước dữ liệu bệnh nhân trước khi họ đến.** Tầm nhìn của Tiến sĩ Minor là các thiết bị đeo và hồ sơ tích hợp cho phép phòng cấp cứu đánh giá các chỉ số sinh tồn, tiền sử và nhu cầu có thể có của bệnh nhân trước khi họ bước chân vào cửa, từ đó tối ưu hóa đáng kể quy trình phân loại và điều trị ban đầu.
## Bài Học Thực Tiễn
* **Chủ động sử dụng cổng thông tin bệnh nhân.** Tương tác với hệ thống trực tuyến của nhà cung cấp dịch vụ chăm sóc sức khỏe của bạn để đặt lịch hẹn, xem kết quả xét nghiệm và truy cập thông tin sức khỏe giải thích, vì đây là những ứng dụng ban đầu và rộng rãi của công cụ dữ liệu.
* **Sử dụng công cụ AI sức khỏe như một công cụ mở đầu cuộc trò chuyện, không phải câu trả lời cuối cùng.** Hãy cảm thấy được trao quyền để sử dụng các mô hình ngôn ngữ lớn (LLM) như ChatGPT để hiểu báo cáo y tế hoặc nghiên cứu tình trạng bệnh, nhưng luôn mang thông tin đó đến thảo luận với nhà cung cấp dịch vụ chăm sóc sức khỏe của bạn để xác minh và hiểu ngữ cảnh.
* **Đối với chuyên gia y tế, hãy tích cực khám phá và “thử nghiệm” các mô hình AI y tế được tuyển chọn.** Làm quen với các công cụ như Open Evidence hoặc các mô hình có thể tóm tắt nghiên cứu để nâng cao việc học và hiệu quả của bạn, nhưng luôn đối chiếu kết quả đầu ra của chúng với các nguồn khác và chuyên môn lâm sàng của bạn.
* **Tập trung vào các yếu tố con người không thể thay thế trong chăm sóc sức khỏe.** Cho dù bạn là nhà cung cấp dịch vụ hay bệnh nhân, hãy nhận ra rằng các kỹ năng như sự đồng cảm, giao tiếp và ra quyết định chung đang trở thành cốt lõi không thể thay thế của y học khi AI đảm nhận nhiều nhiệm vụ phân tích hơn.
* **Ưu tiên tích hợp dữ liệu để có bức tranh sức khỏe tổng thể.** Ủng hộ và sử dụng các hệ thống cho phép các nhà cung cấp dịch vụ chăm sóc sức khỏe khác nhau truy cập vào một hồ sơ thống nhất, vì dữ liệu tích hợp này là nhiên liệu thiết yếu cho các mô hình sức khỏe dự đoán và phòng ngừa được AI hỗ trợ.
**本集《非凡人物》播客節目**
主持人蓋伊·川崎與史丹佛大學醫學院院長洛伊德·邁納博士展開對談。核心議題聚焦於科技（特別是人工智慧）如何推動史丹佛提出的「精準健康」概念邁向變革性發展。邁納博士解釋，精準健康超越了「精準醫療」（針對個人疾病定制治療方案），轉向更宏觀的模型，著重於全面預測、預防及治癒疾病。這需要結合人工智慧、穿戴裝置數據與基因組學，將醫療體系從被動反應轉為主動介入。
**討論重點詳述了AI在臨床環境的現狀與近期應用**。邁納博士提出「環境式AI」的概念：能聆聽醫病對話並草擬臨床紀錄，讓醫師專注於人際互動而非文書輸入。他也說明AI如何開始協助癌症照護等複雜領域——透過分析影像學與病理切片資料，為腫瘤會議整合資訊，但最終決策仍由人類專家主導。邁納博士反覆強調，AI的主要角色並非取代醫師，而是輔助他們：接管分析性工作，讓醫生能專注於醫療中的人文層面，如溝通、同理心與複雜決策。
**邁納博士回應了對AI的常見疑慮**，例如幻覺生成與職業替代問題。他指出，儘管AI模型並不完美，但能透過訓練處理遠超個人經驗的海量數據（如罕見腫瘤影像），從而可能減少錯誤。他相信AI將改變醫療工作的本質，透過消除瑣碎任務、提升效率與可及性，使醫療職位更具意義，而非直接取代人力。對話最後，他對未來醫師與現行從業者提出建議：追隨熱情，並主動將AI工具視為強化學習的助力，以提升（而非取代）醫病關係的核心價值。
—
### **令人驚豔的洞察**
* **AI的首要目標是重塑醫療中的人際連結**：一項關鍵應用（環境式AI紀錄）明確旨在讓醫師與患者重建眼神交流、自由對話，而非使照護更趨機械化。
* **患者使用AI進行初步自我診斷被視為積極的切入點**：邁納博士回憶患者如何透過早期網路搜索正確診斷出他自己罹患的罕見耳疾，認為患者主導的研究能促進更深入的醫病溝通，而非構成威脅。
* **醫學教育對機械式記憶的依賴正在降低**：記憶藥物劑量與交互作用的需求逐漸淡化，因AI能精準計算這些數據。未來醫學訓練可能減少機械記憶，更注重解讀AI輸出與人文照護。
* **診斷型AI的最大受益者可能是人類專家極少接觸的案例**：AI的優勢在於能透過數百萬例精選病例進行訓練，識別執業醫生生涯僅遇一次的極罕見疾病模式。
* **未來急診照護的領先模型將由AI預先處理患者數據**：邁納博士展望，穿戴裝置與整合病歷能讓急診室在患者抵達前評估其生命徵象、病史與潛在需求，大幅優化分診與初步治療流程。
—
### **實踐建議**
* **主動運用患者入口網站**：透過醫療機構的線上系統預約門診、查閱檢驗結果、獲取健康說明資訊，這些都是數據工具的早期普及應用。
* **將AI健康工具作為對話起點，而非最終答案**：可運用ChatGPT等大型語言模型理解醫療報告或研究病症，但務必攜帶相關資訊與醫療人員討論，以確認內容並釐清脈絡。
* **醫療從業者應積極探索「精選醫療AI模型」**：熟悉如Open Evidence等能總結研究論文的工具，以提升學習與工作效率，但務必交叉比對其輸出結果、其他資訊與自身臨床經驗。
* **聚焦照護中不可取代的人性元素**：無論是提供者或患者，皆應認知到同理心、溝通與共同決策等能力，正隨著AI接手更多分析工作，成為醫療無可替代的核心。
* **推動數據整合以實現連貫的健康圖譜**：倡導並使用能讓不同醫療機構存取統一病歷的系統，整合後的數據正是AI驅動之預測與預防健康模型的關鍵燃料。
主持人蓋伊·川崎與史丹佛大學醫學院院長洛伊德·邁納博士展開對談。核心議題聚焦於科技（特別是人工智慧）如何推動史丹佛提出的「精準健康」概念邁向變革性發展。邁納博士解釋，精準健康超越了「精準醫療」（針對個人疾病定制治療方案），轉向更宏觀的模型，著重於全面預測、預防及治癒疾病。這需要結合人工智慧、穿戴裝置數據與基因組學，將醫療體系從被動反應轉為主動介入。
**討論重點詳述了AI在臨床環境的現狀與近期應用**。邁納博士提出「環境式AI」的概念：能聆聽醫病對話並草擬臨床紀錄，讓醫師專注於人際互動而非文書輸入。他也說明AI如何開始協助癌症照護等複雜領域——透過分析影像學與病理切片資料，為腫瘤會議整合資訊，但最終決策仍由人類專家主導。邁納博士反覆強調，AI的主要角色並非取代醫師，而是輔助他們：接管分析性工作，讓醫生能專注於醫療中的人文層面，如溝通、同理心與複雜決策。
**邁納博士回應了對AI的常見疑慮**，例如幻覺生成與職業替代問題。他指出，儘管AI模型並不完美，但能透過訓練處理遠超個人經驗的海量數據（如罕見腫瘤影像），從而可能減少錯誤。他相信AI將改變醫療工作的本質，透過消除瑣碎任務、提升效率與可及性，使醫療職位更具意義，而非直接取代人力。對話最後，他對未來醫師與現行從業者提出建議：追隨熱情，並主動將AI工具視為強化學習的助力，以提升（而非取代）醫病關係的核心價值。
—
### **令人驚豔的洞察**
* **AI的首要目標是重塑醫療中的人際連結**：一項關鍵應用（環境式AI紀錄）明確旨在讓醫師與患者重建眼神交流、自由對話，而非使照護更趨機械化。
* **患者使用AI進行初步自我診斷被視為積極的切入點**：邁納博士回憶患者如何透過早期網路搜索正確診斷出他自己罹患的罕見耳疾，認為患者主導的研究能促進更深入的醫病溝通，而非構成威脅。
* **醫學教育對機械式記憶的依賴正在降低**：記憶藥物劑量與交互作用的需求逐漸淡化，因AI能精準計算這些數據。未來醫學訓練可能減少機械記憶，更注重解讀AI輸出與人文照護。
* **診斷型AI的最大受益者可能是人類專家極少接觸的案例**：AI的優勢在於能透過數百萬例精選病例進行訓練，識別執業醫生生涯僅遇一次的極罕見疾病模式。
* **未來急診照護的領先模型將由AI預先處理患者數據**：邁納博士展望，穿戴裝置與整合病歷能讓急診室在患者抵達前評估其生命徵象、病史與潛在需求，大幅優化分診與初步治療流程。
—
### **實踐建議**
* **主動運用患者入口網站**：透過醫療機構的線上系統預約門診、查閱檢驗結果、獲取健康說明資訊，這些都是數據工具的早期普及應用。
* **將AI健康工具作為對話起點，而非最終答案**：可運用ChatGPT等大型語言模型理解醫療報告或研究病症，但務必攜帶相關資訊與醫療人員討論，以確認內容並釐清脈絡。
* **醫療從業者應積極探索「精選醫療AI模型」**：熟悉如Open Evidence等能總結研究論文的工具，以提升學習與工作效率，但務必交叉比對其輸出結果、其他資訊與自身臨床經驗。
* **聚焦照護中不可取代的人性元素**：無論是提供者或患者，皆應認知到同理心、溝通與共同決策等能力，正隨著AI接手更多分析工作，成為醫療無可替代的核心。
* **推動數據整合以實現連貫的健康圖譜**：倡導並使用能讓不同醫療機構存取統一病歷的系統，整合後的數據正是AI驅動之預測與預防健康模型的關鍵燃料。
Este episodio del pódcast *Remarkable People* presenta una conversación entre el anfitrión Guy Kawasaki y el Dr. Lloyd Minor, decano de la Escuela de Medicina de Stanford. El tema central es el potencial transformador de la tecnología, específicamente la Inteligencia Artificial (IA), para impulsar un concepto que Stanford denomina “salud de precisión”. El Dr. Minor explica que la salud de precisión va más allá de la “medicina de precisión” (adaptar el tratamiento a la enfermedad de una persona) hacia un modelo más amplio centrado en predecir, prevenir y curar la enfermedad por completo. Esto implica aprovechar la IA, los datos de dispositivos portátiles y la genómica para transformar la atención sanitaria de un sistema reactivo a uno proactivo.
Una parte importante de la conversación detalla las aplicaciones actuales y de futuro cercano de la IA en entornos clínicos. El Dr. Minor describe una “IA ambiental” que escucha las conversaciones entre médico y paciente y redacta notas clínicas, liberando a los médicos para que se concentren en la interacción humana en lugar de teclear. También explica cómo los agentes de IA están empezando a ayudar en áreas complejas como la atención oncológica, mediante el análisis de imágenes radiológicas y láminas de patología para sintetizar información para los comités de tumores, aunque los expertos humanos siguen siendo quienes toman las decisiones finales. Es importante destacar que el Dr. Minor subraya repetidamente que la función principal de la IA no es reemplazar a los médicos, sino potenciarlos, asumiendo tareas analíticas para que los doctores puedan concentrarse en los aspectos humanos de la atención: la comunicación, la empatía y la toma de decisiones complejas.
El Dr. Minor aborda preocupaciones comunes sobre la IA, como las alucinaciones y el desplazamiento laboral. Sostiene que, aunque los modelos de IA son imperfectos, pueden entrenarse con una cantidad de datos muchísimo mayor (como imágenes de tumores raros) de la que cualquier ser humano individual podría experimentar, lo que podría reducir errores. Cree que la IA cambiará la naturaleza de los empleos en la atención sanitaria, haciéndolos más significativos al eliminar tareas rutinarias y mejorar la eficiencia y el acceso a la atención, en lugar de eliminar puestos. La conversación concluye con consejos para los futuros médicos y los profesionales actuales: seguir su pasión e involucrarse activamente con herramientas de IA como potentes ayudas de aprendizaje para reforzar, no sustituir, la relación esencial entre paciente y profesional de la salud.
## Ideas sorprendentes
* **El objetivo principal de la IA es restaurar la conexión humana en la medicina.** En lugar de volver la atención más robótica, una aplicación clave (la toma de notas mediante IA ambiental) está diseñada explícitamente para permitir que médicos y pacientes vuelvan a mirarse a los ojos y conversar libremente.
* **Se considera positivo que los pacientes usen IA para un autodiagnóstico preliminar.** El Dr. Minor contó cómo pacientes diagnosticaron correctamente su propio raro trastorno del oído mediante búsquedas tempranas en internet, presentando la investigación impulsada por el paciente como una herramienta para fomentar mejores conversaciones con los profesionales de la salud, no como una amenaza.
* **La dependencia de la memorización mecánica en la educación médica ya está disminuyendo.** La necesidad de memorizar dosis e interacciones de medicamentos se está desvaneciendo, ya que la IA puede calcularlas con precisión. El futuro de la formación médica podría implicar menos memorización mecanicista y más énfasis en interpretar los resultados de la IA y en la atención humanista.
* **Los mayores beneficiarios de la IA diagnóstica podrían ser los casos que los expertos humanos rara vez ven.** La ventaja de la IA radica en ser entrenada con millones de casos seleccionados, lo que le permite reconocer patrones de enfermedades extremadamente raras que un médico en ejercicio podría encontrar solo una vez en toda su carrera.
* **El modelo más prometedor para la atención de urgencias del futuro implica que la IA procese previamente los datos del paciente antes de su llegada.** La visión del Dr. Minor contempla dispositivos portátiles y registros integrados que permitan a urgencias evaluar los signos vitales, el historial y las necesidades probables de un paciente antes de que cruce la puerta, agilizando drásticamente el triaje y el tratamiento inicial.
## Conclusiones prácticas
* **Utiliza proactivamente los portales para pacientes.** Usa el sistema en línea de tu proveedor de salud para programar citas, ver resultados de laboratorio y acceder a información explicativa sobre tu salud, ya que estas son aplicaciones tempranas y ampliamente extendidas de las herramientas de datos.
* **Usa las herramientas de salud basadas en IA como punto de partida para una conversación, no como respuesta definitiva.** Siéntete con la confianza de usar modelos de lenguaje como ChatGPT para entender informes médicos o investigar enfermedades, pero siempre lleva esa información a una conversación con tu profesional de la salud para verificarla y contextualizarla.
* **Para los profesionales sanitarios, exploren activamente y “jueguen” con modelos médicos de IA seleccionados.** Familiarícense con herramientas como Open Evidence o con modelos que puedan resumir artículos científicos para mejorar su aprendizaje y eficiencia, pero siempre contrasten sus resultados con otras fuentes y con su experiencia clínica.
* **Concéntrate en los elementos exclusivamente humanos de la atención.** Tanto si eres profesional como paciente, reconoce que habilidades como la empatía, la comunicación y la toma de decisiones compartida se están convirtiendo en el núcleo irremplazable de la medicina a medida que la IA asume más tareas analíticas.
* **Prioriza la integración de datos para obtener una visión coherente de la salud.** Promueve y utiliza sistemas que permitan a distintos proveedores de salud acceder a un historial unificado, ya que esos datos integrados son el combustible esencial para los modelos de salud predictiva y preventiva impulsados por IA.
Una parte importante de la conversación detalla las aplicaciones actuales y de futuro cercano de la IA en entornos clínicos. El Dr. Minor describe una “IA ambiental” que escucha las conversaciones entre médico y paciente y redacta notas clínicas, liberando a los médicos para que se concentren en la interacción humana en lugar de teclear. También explica cómo los agentes de IA están empezando a ayudar en áreas complejas como la atención oncológica, mediante el análisis de imágenes radiológicas y láminas de patología para sintetizar información para los comités de tumores, aunque los expertos humanos siguen siendo quienes toman las decisiones finales. Es importante destacar que el Dr. Minor subraya repetidamente que la función principal de la IA no es reemplazar a los médicos, sino potenciarlos, asumiendo tareas analíticas para que los doctores puedan concentrarse en los aspectos humanos de la atención: la comunicación, la empatía y la toma de decisiones complejas.
El Dr. Minor aborda preocupaciones comunes sobre la IA, como las alucinaciones y el desplazamiento laboral. Sostiene que, aunque los modelos de IA son imperfectos, pueden entrenarse con una cantidad de datos muchísimo mayor (como imágenes de tumores raros) de la que cualquier ser humano individual podría experimentar, lo que podría reducir errores. Cree que la IA cambiará la naturaleza de los empleos en la atención sanitaria, haciéndolos más significativos al eliminar tareas rutinarias y mejorar la eficiencia y el acceso a la atención, en lugar de eliminar puestos. La conversación concluye con consejos para los futuros médicos y los profesionales actuales: seguir su pasión e involucrarse activamente con herramientas de IA como potentes ayudas de aprendizaje para reforzar, no sustituir, la relación esencial entre paciente y profesional de la salud.
## Ideas sorprendentes
* **El objetivo principal de la IA es restaurar la conexión humana en la medicina.** En lugar de volver la atención más robótica, una aplicación clave (la toma de notas mediante IA ambiental) está diseñada explícitamente para permitir que médicos y pacientes vuelvan a mirarse a los ojos y conversar libremente.
* **Se considera positivo que los pacientes usen IA para un autodiagnóstico preliminar.** El Dr. Minor contó cómo pacientes diagnosticaron correctamente su propio raro trastorno del oído mediante búsquedas tempranas en internet, presentando la investigación impulsada por el paciente como una herramienta para fomentar mejores conversaciones con los profesionales de la salud, no como una amenaza.
* **La dependencia de la memorización mecánica en la educación médica ya está disminuyendo.** La necesidad de memorizar dosis e interacciones de medicamentos se está desvaneciendo, ya que la IA puede calcularlas con precisión. El futuro de la formación médica podría implicar menos memorización mecanicista y más énfasis en interpretar los resultados de la IA y en la atención humanista.
* **Los mayores beneficiarios de la IA diagnóstica podrían ser los casos que los expertos humanos rara vez ven.** La ventaja de la IA radica en ser entrenada con millones de casos seleccionados, lo que le permite reconocer patrones de enfermedades extremadamente raras que un médico en ejercicio podría encontrar solo una vez en toda su carrera.
* **El modelo más prometedor para la atención de urgencias del futuro implica que la IA procese previamente los datos del paciente antes de su llegada.** La visión del Dr. Minor contempla dispositivos portátiles y registros integrados que permitan a urgencias evaluar los signos vitales, el historial y las necesidades probables de un paciente antes de que cruce la puerta, agilizando drásticamente el triaje y el tratamiento inicial.
## Conclusiones prácticas
* **Utiliza proactivamente los portales para pacientes.** Usa el sistema en línea de tu proveedor de salud para programar citas, ver resultados de laboratorio y acceder a información explicativa sobre tu salud, ya que estas son aplicaciones tempranas y ampliamente extendidas de las herramientas de datos.
* **Usa las herramientas de salud basadas en IA como punto de partida para una conversación, no como respuesta definitiva.** Siéntete con la confianza de usar modelos de lenguaje como ChatGPT para entender informes médicos o investigar enfermedades, pero siempre lleva esa información a una conversación con tu profesional de la salud para verificarla y contextualizarla.
* **Para los profesionales sanitarios, exploren activamente y “jueguen” con modelos médicos de IA seleccionados.** Familiarícense con herramientas como Open Evidence o con modelos que puedan resumir artículos científicos para mejorar su aprendizaje y eficiencia, pero siempre contrasten sus resultados con otras fuentes y con su experiencia clínica.
* **Concéntrate en los elementos exclusivamente humanos de la atención.** Tanto si eres profesional como paciente, reconoce que habilidades como la empatía, la comunicación y la toma de decisiones compartida se están convirtiendo en el núcleo irremplazable de la medicina a medida que la IA asume más tareas analíticas.
* **Prioriza la integración de datos para obtener una visión coherente de la salud.** Promueve y utiliza sistemas que permitan a distintos proveedores de salud acceder a un historial unificado, ya que esos datos integrados son el combustible esencial para los modelos de salud predictiva y preventiva impulsados por IA.
Este episódio do podcast *Remarkable People* apresenta uma conversa entre o apresentador Guy Kawasaki e o Dr. Lloyd Minor, reitor da Escola de Medicina de Stanford. O tema central é o potencial transformador da tecnologia, especificamente da Inteligência Artificial (IA), para impulsionar um conceito que Stanford chama de “saúde de precisão”. O Dr. Minor explica que a saúde de precisão vai além da “medicina de precisão” (personalizar o tratamento para a doença de um indivíduo) e propõe um modelo mais amplo, focado em prever, prevenir e curar doenças por completo. Isso envolve o uso de IA, dados de dispositivos vestíveis e genômica para transformar o sistema de saúde de reativo em proativo.
Uma parte significativa da discussão detalha as aplicações atuais e de futuro próximo da IA em ambientes clínicos. O Dr. Minor descreve a “IA ambiente”, que escuta as conversas entre médico e paciente e redige notas clínicas, liberando os médicos para se concentrarem na interação humana em vez de digitar. Ele também explica como agentes de IA estão começando a auxiliar em áreas complexas, como o cuidado oncológico, ao analisar imagens radiológicas e lâminas de patologia para sintetizar informações para comitês de tumores, embora os especialistas humanos continuem sendo os responsáveis pela decisão final. É importante notar que o Dr. Minor enfatiza repetidamente que o papel principal da IA não é substituir os médicos, mas ampliá-los em suas capacidades, assumindo tarefas analíticas para que os profissionais possam se concentrar nos aspectos humanos do cuidado — comunicação, empatia e tomada de decisões complexas.
O Dr. Minor aborda preocupações comuns sobre a IA, como alucinações e substituição de empregos. Ele argumenta que, embora os modelos de IA sejam imperfeitos, eles podem ser treinados com uma quantidade de dados muito maior (como imagens de tumores raros) do que qualquer ser humano individual conseguiria vivenciar, o que pode reduzir erros. Ele acredita que a IA mudará a natureza dos empregos na saúde, tornando-os mais significativos ao eliminar tarefas repetitivas e melhorar a eficiência e o acesso ao cuidado, em vez de eliminar funções. A conversa termina com conselhos para futuros médicos e profissionais em atividade: sigam sua paixão e envolvam-se ativamente com ferramentas de IA como poderosos recursos de aprendizagem para aprimorar, e não substituir, a relação essencial entre paciente e profissional de saúde.
## Insights Surpreendentes
* **O principal objetivo da IA é restaurar a conexão humana na medicina.** Em vez de tornar o cuidado mais robótico, uma de suas principais aplicações (a tomada automática de notas por IA ambiente) foi concebida explicitamente para permitir que médicos e pacientes voltem a manter contato visual e conversem com liberdade.
* **Pacientes que usam IA para um autodiagnóstico preliminar são vistos como um ponto de partida positivo.** O Dr. Minor relatou como pacientes diagnosticaram corretamente seu próprio e raro distúrbio do ouvido por meio de buscas iniciais na internet, apresentando a pesquisa conduzida pelo paciente como uma ferramenta para promover conversas melhores com os profissionais de saúde, e não como uma ameaça.
* **A dependência da educação médica em relação à memorização mecânica já está diminuindo.** A necessidade de memorizar dosagens de medicamentos e interações está desaparecendo, já que a IA pode calculá-las com precisão. O futuro da formação médica pode envolver menos memorização mecanicista e mais foco na interpretação dos resultados da IA e no cuidado humanizado.
* **Os maiores beneficiários da IA diagnóstica podem ser os casos que especialistas humanos raramente veem.** A vantagem da IA está em ser treinada com milhões de casos selecionados, o que lhe permite reconhecer padrões de condições extremamente raras que um médico em atividade talvez encontre apenas uma vez na carreira.
* **O principal modelo para o futuro do atendimento de emergência envolve a IA processando previamente os dados do paciente antes de sua chegada.** Na visão do Dr. Minor, dispositivos vestíveis e prontuários integrados permitiriam que o pronto-socorro avaliasse sinais vitais, histórico e necessidades prováveis de um paciente antes mesmo de ele entrar pela porta, agilizando dramaticamente a triagem e o tratamento inicial.
## Recomendações Práticas
* **Utilize portais do paciente de forma proativa.** Use ativamente o sistema on-line do seu prestador de saúde para agendar consultas, ver resultados de exames e acessar informações explicativas sobre saúde, já que essas são aplicações iniciais e amplamente difundidas das ferramentas de dados.
* **Use ferramentas de IA em saúde como ponto de partida para conversa, e não como resposta final.** Sinta-se à vontade para usar LLMs como o ChatGPT para compreender relatórios médicos ou pesquisar condições, mas sempre leve essas informações para discussão com seu profissional de saúde para verificação e contextualização.
* **Para profissionais da saúde, explorem ativamente e “brinquem” com modelos médicos de IA selecionados.** Familiarizem-se com ferramentas como o Open Evidence ou modelos capazes de resumir artigos científicos para aprimorar o aprendizado e a eficiência, mas sempre confrontem os resultados com outras fontes e com sua expertise clínica.
* **Concentre-se nos elementos exclusivamente humanos do cuidado.** Seja você profissional ou paciente, reconheça que habilidades como empatia, comunicação e tomada de decisão compartilhada estão se tornando o núcleo insubstituível da medicina à medida que a IA assume mais tarefas analíticas.
* **Priorize a integração de dados para obter uma visão coesa da saúde.** Defenda e utilize sistemas que permitam a diferentes prestadores de saúde acessar um prontuário unificado, pois esses dados integrados são o combustível essencial para modelos de saúde preditivos e preventivos impulsionados por IA.
Uma parte significativa da discussão detalha as aplicações atuais e de futuro próximo da IA em ambientes clínicos. O Dr. Minor descreve a “IA ambiente”, que escuta as conversas entre médico e paciente e redige notas clínicas, liberando os médicos para se concentrarem na interação humana em vez de digitar. Ele também explica como agentes de IA estão começando a auxiliar em áreas complexas, como o cuidado oncológico, ao analisar imagens radiológicas e lâminas de patologia para sintetizar informações para comitês de tumores, embora os especialistas humanos continuem sendo os responsáveis pela decisão final. É importante notar que o Dr. Minor enfatiza repetidamente que o papel principal da IA não é substituir os médicos, mas ampliá-los em suas capacidades, assumindo tarefas analíticas para que os profissionais possam se concentrar nos aspectos humanos do cuidado — comunicação, empatia e tomada de decisões complexas.
O Dr. Minor aborda preocupações comuns sobre a IA, como alucinações e substituição de empregos. Ele argumenta que, embora os modelos de IA sejam imperfeitos, eles podem ser treinados com uma quantidade de dados muito maior (como imagens de tumores raros) do que qualquer ser humano individual conseguiria vivenciar, o que pode reduzir erros. Ele acredita que a IA mudará a natureza dos empregos na saúde, tornando-os mais significativos ao eliminar tarefas repetitivas e melhorar a eficiência e o acesso ao cuidado, em vez de eliminar funções. A conversa termina com conselhos para futuros médicos e profissionais em atividade: sigam sua paixão e envolvam-se ativamente com ferramentas de IA como poderosos recursos de aprendizagem para aprimorar, e não substituir, a relação essencial entre paciente e profissional de saúde.
## Insights Surpreendentes
* **O principal objetivo da IA é restaurar a conexão humana na medicina.** Em vez de tornar o cuidado mais robótico, uma de suas principais aplicações (a tomada automática de notas por IA ambiente) foi concebida explicitamente para permitir que médicos e pacientes voltem a manter contato visual e conversem com liberdade.
* **Pacientes que usam IA para um autodiagnóstico preliminar são vistos como um ponto de partida positivo.** O Dr. Minor relatou como pacientes diagnosticaram corretamente seu próprio e raro distúrbio do ouvido por meio de buscas iniciais na internet, apresentando a pesquisa conduzida pelo paciente como uma ferramenta para promover conversas melhores com os profissionais de saúde, e não como uma ameaça.
* **A dependência da educação médica em relação à memorização mecânica já está diminuindo.** A necessidade de memorizar dosagens de medicamentos e interações está desaparecendo, já que a IA pode calculá-las com precisão. O futuro da formação médica pode envolver menos memorização mecanicista e mais foco na interpretação dos resultados da IA e no cuidado humanizado.
* **Os maiores beneficiários da IA diagnóstica podem ser os casos que especialistas humanos raramente veem.** A vantagem da IA está em ser treinada com milhões de casos selecionados, o que lhe permite reconhecer padrões de condições extremamente raras que um médico em atividade talvez encontre apenas uma vez na carreira.
* **O principal modelo para o futuro do atendimento de emergência envolve a IA processando previamente os dados do paciente antes de sua chegada.** Na visão do Dr. Minor, dispositivos vestíveis e prontuários integrados permitiriam que o pronto-socorro avaliasse sinais vitais, histórico e necessidades prováveis de um paciente antes mesmo de ele entrar pela porta, agilizando dramaticamente a triagem e o tratamento inicial.
## Recomendações Práticas
* **Utilize portais do paciente de forma proativa.** Use ativamente o sistema on-line do seu prestador de saúde para agendar consultas, ver resultados de exames e acessar informações explicativas sobre saúde, já que essas são aplicações iniciais e amplamente difundidas das ferramentas de dados.
* **Use ferramentas de IA em saúde como ponto de partida para conversa, e não como resposta final.** Sinta-se à vontade para usar LLMs como o ChatGPT para compreender relatórios médicos ou pesquisar condições, mas sempre leve essas informações para discussão com seu profissional de saúde para verificação e contextualização.
* **Para profissionais da saúde, explorem ativamente e “brinquem” com modelos médicos de IA selecionados.** Familiarizem-se com ferramentas como o Open Evidence ou modelos capazes de resumir artigos científicos para aprimorar o aprendizado e a eficiência, mas sempre confrontem os resultados com outras fontes e com sua expertise clínica.
* **Concentre-se nos elementos exclusivamente humanos do cuidado.** Seja você profissional ou paciente, reconheça que habilidades como empatia, comunicação e tomada de decisão compartilhada estão se tornando o núcleo insubstituível da medicina à medida que a IA assume mais tarefas analíticas.
* **Priorize a integração de dados para obter uma visão coesa da saúde.** Defenda e utilize sistemas que permitam a diferentes prestadores de saúde acessar um prontuário unificado, pois esses dados integrados são o combustível essencial para modelos de saúde preditivos e preventivos impulsionados por IA.
What if healthcare stopped reacting to illness and started anticipating it?
In this episode of Remarkable People, Guy Kawasaki sits down with Dr. Lloyd Minor, Dean of the Stanford University School of Medicine, to explore how precision health, artificial intelligence, and whole-person care are reshaping the future of medicine.
This wide-ranging conversation challenges how we define health, how much we should trust technology, and what it will take to prepare physicians—and patients—for a radically different future of care.
—
Guy Kawasaki is on a mission to make you remarkable. His Remarkable People podcast features interviews with remarkable people such as Jane Goodall, Marc Benioff, Woz, Kristi Yamaguchi, and Bob Cialdini. Every episode will make you more remarkable.
With his decades of experience in Silicon Valley as a Venture Capitalist and advisor to the top entrepreneurs in the world, Guy’s questions come from a place of curiosity and passion for technology, start-ups, entrepreneurship, and marketing. If you love society and culture, documentaries, and business podcasts, take a second to follow Remarkable People.
Listeners of the Remarkable People podcast will learn from some of the most successful people in the world with practical tips and inspiring stories that will help you be more remarkable.
Episodes of Remarkable People organized by topic: https://bit.ly/rptopology
Listen to Remarkable People here: **https://podcasts.apple.com/us/podcast/guy-kawasakis-remarkable-people/id1483081827**
Like this show? Please leave us a review — even one sentence helps! Consider including your Twitter handle so we can thank you personally!
Thank you for your support; it helps the show!
See Privacy Policy at https://art19.com/privacy and California Privacy Notice at https://art19.com/privacy#do-not-sell-my-info.
Leave a Reply
You must be logged in to post a comment.