医疗AI解决方案宣称其能够识别出更多高风险患者以及医生无法察觉的异常情况，同时还能保持"人在回路中"。
但是否有足够的人力来处理AI带来的这些额外需求？
随着技术在整个行业中的扩展，这是医疗领导者们正在努力应对的问题。
"例如，你不想实施某种会扫描每位患者特定疾病的系统，如果你无法处理它，因为下游没有足够的预约来实际管理这些问题，那么这将花费你大量资金，"帕洛阿尔托(Palo Alto)斯坦福医疗保健(Stanford Health Care)的高级副总裁兼首席信息与数字官迈克尔·费弗(Michael Pfeffer)博士在4月举行的贝克年度第16届会议上表示，"因此，你必须审视整个工作流程和价值链，看看这是否是适合引入的工具。"
关于在AI应用中保持"人在回路中"，费弗博士表示，这在每种情况下都不可行——甚至没有必要。研究表明，医生对AI的信任度日益提高，不会检查该技术所做的每一个摘要和引用。当人类元素变得至关重要时，例如，AI检测到医院患者因缺水而恶化，这时需要临床医生来补充液体。
"我们一直在思考完全相同的问题，并将'人在回路中'视为安全保障，"费城(Philadelphia)宾夕法尼亚大学医学中心(Penn Medicine)副总裁兼首席健康信息官斯里·阿杜苏马利(Sri Adusumalli)博士在小组讨论中表示，"但我们知道，人类在监控算法和其他技术工具方面表现糟糕。因此，依赖'人在回路中'作为保障是不可持续的。此外，人力也不够充足。"
阿杜苏马利博士是一名心脏病专家，在心脏病学领域有许多AI产品可以扫描CT扫描或心电图(EKGs)来揭示风险或预测疾病的出现。
"那么，基于此你该做什么？你需要进行超声波检查，做心脏超声。那么等待时间有多长？做心脏超声需要多长时间？预约后采取行动又需要多长时间？"他表示，"AI有机会帮助增强和启用这些下游流程。但我们需要整体考虑，而不是仅仅实施那个可能识别出偶然发现的单一工具。"
在费城(Philadelphia)杰斐逊医疗(Jefferson Health)，神经修复工作人员开发了AI来审查过去一年的MRI，以标记潜在的神经状况，然后让患者返回，杰斐逊医疗执行副总裁兼首席数字与信息官路易斯·塔韦拉斯(Luis Taveras)博士在小组讨论中表示。
"但我们准备好处理这些了吗？因为它返回了很多很好的答案，很多我们需要关注的很好的事情，"他说，"但团队规模……不足以处理返回的大量结果。"
费弗博士表示，斯坦福的AI框架包括实用性评估，例如，如果医疗系统要推出一个分析超声心动图(echocardiograms)的应用程序，需要多少额外的心脏病专家来处理增加的工作量。
"在推出某项技术并造成混乱之前，让我们先进行计算，"他表示，"你真的需要审视整个流程。如果该工具确实很好，并且对患者有益，那么你需要修复工作流程中的接收部分，以便能够部署该工具。"
【全文结束】
