脑脊液漏是由脊髓撕裂或孔洞引起的，这种病症非常罕见且难以识别。由于症状并不罕见，包括恶心、颈痛、耳鸣和位置性头痛，患者可能需要多年才能得到正确的诊断。有些人被告知他们患有过敏症。在越来越多的医学领域，人工智能可能会彻底改变这些疾病的检测和治疗方法，提高准确性，节省资金，在许多情况下大幅改善患者的生活。
目前，大多数由美国监管机构批准的AI设备主要用于诊断，但该技术在医疗保健中的潜在用途非常广泛，从自动化繁琐的行政任务到加速药物发现。据估计，广泛采用AI可以每年节省高达3600亿美元的医疗支出。
脊髓液漏可能提供了一个未来的预览。虽然MRI可以显示大脑中提示漏液的变化，但找到漏液源——通常是一个微小且不规则的细流，可能出现在脊柱的任何位置——需要更高空间分辨率的CT扫描仪。然而，运行这些机器的核心技术几十年来并没有显著改进。
现在这种情况正在改变。所谓的光子计数CT扫描仪利用AI和先进的半导体技术，可以检测到以前无法看到的脊髓漏液，从而实现治疗，通常导致完全康复。患者形容这项技术改变了他们的生活。
除了神经学，这些扫描仪还可以在小异常变成重大健康威胁之前识别它们，从未破裂的动脉瘤到危险量的动脉斑块。它们筛查心血管疾病和中风（全球死亡的主要原因之一）的能力可能会彻底改变预防性护理。
依赖AI的医疗设备（从扫描仪到手术机器人再到环境记录器）面临的一个关键挑战是训练其模型所需的数据量。在美国，此类信息通常被孤立在提供者和医院数据库中。政府已投入数十亿美元鼓励数据共享。然而，去年超过60%的医院报告至少有一项主要的信息交换障碍；大约70%的医院仍在使用传真机。
改善这一状况应成为优先事项。AI模型的准确性和实用性取决于创新者能否获得大量数据——理想情况下来自多个医疗系统和国家，各种格式和语言的数据。令人鼓舞的是，私营部门正处于构建其他AI工具的早期阶段，这些工具可以处理“非结构化”数据。尽管美国卫生机构表现出兴趣，但尚未完全接受这些产品用于监管目的——这是更广泛采用的重要第一步。
立法者也可以发挥作用。通过国会的资金支持，机构可以合作开发一个大型的高质量匿名患者信息数据集，用于AI训练。前食品药品管理局专员斯科特·戈特利布表示，经过“监管级数据”训练的模型将提高诊断准确性，并可能获得简化审批。
上周，FDA和退伍军人事务部宣布了一项此类计划——一个联合“健康AI实验室”，使用VA数据测试AI工具。将FDA的使命缩小到专注于确保数据质量和精确度，防止偏见，也可能更好地利用有限资源。
依靠AI进行诊断和预防筛查并非没有缺点。除了成本外，还存在不必要的或有害干预的风险。然而，最终，更快、更准确的扫描将变得更加负担得起，增加可及性，特别是对于高风险患者。值得注意的是，最初对吸烟者进行预防性CT扫描的怀疑很快消散，因为研究表明筛查大大降低了肺癌的风险。AI改善患者生活的潜力不再是理论上的。随着数据访问的增加，AI驱动的治疗可以成为标准护理。
(全文结束)
