最近的Darzi报告指出了NHS在多个领域的关键挑战，从“处于严重困境”的NHS到“令人担忧的健康不平等”，系统面临的需求不断增加。数字健康技术的进步，包括人工智能（AI），为重新构想和建设适应未来的医疗服务提供了机会。德勤近期的预测报告《加速未来》预测了2030年的前景，从智能医疗交付到健康数据的民主化，再到消费者作为自己健康的“CEO”被赋权。
AI作为技术
仅靠AI技术本身不足以实现成果和价值。这里可以参考“古腾堡神话”。古腾堡在1440年发明的印刷机被认为是推动教育进步的驱动力，当时欧洲的识字率仅为10%。实际上，直到400多年后，随着教育普及的改善和纸张及材料成本的降低，这项技术的真正价值才得以体现，识字率迅速攀升至90%。当然，我们身处现代世界，但这一原则依然同样适用。技术本身不会决定改进的结果，而是我们如何导航和建立新的工作方式。健康素养是解决健康不平等的关键障碍。虽然可用的AI技术已经存在一段时间（尽管不是400年），但技术和连接性的重大进展提供了以前无法实现的机会，有效嵌入医疗工作流程并改变服务设计，支持医护人员和患者更好地导航和参与健康系统。
医疗中的AI：关注价值
以技术为中心的方法固然诱人，尤其是在最近AI的进步和大型语言模型（LLMs）在新型用例和产品中的应用和性能提升方面。具有一定程度任务自主性的代理AI是快速自动化医疗任务的进一步步骤，例如电子健康记录（EHR）工作流优化和支持技术中立的方法，以克服当前混合技术栈和运营环境的问题。
了解AI在何处发挥作用以及我们希望实现的价值至关重要。以技术为中心的方法往往错失目标，无法带来价值——“如果你唯一的工具是锤子，你往往会把每个问题都看作钉子。”相反，以价值为中心的方法支持明确目标的制定和对要克服的问题和挑战的深入理解。持续关注价值和迭代发现过程可以提供关键的理解，即一个概念或想法是否具有需求性（是否有需求？）、可行性（我们能否做到？）和可行性（是否值得？）。
为NHS提供AI
我们与卫生组织、综合护理系统和共享护理记录的合作是成功的例子，展示了我们如何使用这种方法开发和实施AI来解决NHS最棘手的问题。我们的重点始终放在我们希望实现的价值上，与多学科团队合作，细化挑战和痛点，包括临床医生和用户、运营和技术团队。
我们已经与广泛的NHS和合作伙伴卫生组织共同开发了AI产品，包括软件作为医疗设备（SaMD），从临床分诊到行政和运营支持。内部专家临床、监管和技术开发团队负责AI的负责任建设和治理。我们的Quartz AI套件已经在药物发现领域通过Atlas AI推动了前沿发展，并通过Frontline AI Teammate支持以患者为中心的护理——一种多语言数字虚拟助手，支持改善沟通。
为NHS共享护理记录开发AI突显了以价值为中心方法的重要性，通过生成式AI搜索、文档识别和分类在非结构化健康记录中减少临床医生查找关键信息的时间，从而为患者护理提供更多时间。最新的AI发展并不总是能带来关键价值。我们在NHS预订优化方面的工作展示了多学科团队迭代发现的力量，定义了明确的价值结果、正确的技术选择和成功路径，利用机器学习能力提前识别利用不足或过度利用的会话及其背后的驱动因素，实现可操作的变革。
良好的AI始于健康的AI
确保医疗AI的安全和负责任开发至关重要。早期评估AI系统在隐私、安全性和偏见等领域的风险是基本要求，例如使用无偏见的代表性数据进行训练。确实，能够证明AI的负责任使用是至关重要的，可以通过经过验证的框架来支持这一点。随着AI的日益嵌入，固有的风险如幻觉和依赖性，以及通过赋予AI人类特征而加剧的风险需要缓解。监管环境正在迅速演变，合规性和对预期用途的理解是关键问题。提高医疗团队的技能支持团队提高信心，同时增加对局限性的认识，作为风险管理的一部分。
AI与NHS：总结
NHS面临着压力，需求上升和健康不平等扩大。医疗AI的潜在用例不断增长，新兴证据表明这些用例可以帮助应对当前的挑战，并有助于实现效率、生产力和患者结果方面的急需改进。单独实施技术无法解决这些复杂问题。需要以价值驱动、基于证据的方法。通过优先考虑价值，与多学科团队合作，并直接解决风险和伦理问题，我们可以实现AI的潜力，为未来的NHS建立一个更加可持续和公平的体系。
(全文结束)
