毫无疑问，AI有潜力彻底改变医疗保健的各个方面。目前，NHS已经在使用基于AI的技术，例如增强临床影像和诊断。公众和医护人员也逐渐接受AI在医疗保健中的角色。根据健康基金会7月份发布的一份报告，总体上，公众和NHS员工支持使用AI，大多数NHS员工期待在工作中使用这项技术。
然而，现实挑战依然存在，尤其是过时的基础设施、紧张的资源、隐私和网络安全问题，以及互操作性问题。但改善医疗保健的迫切需求可能已经促使人们更容易为基于AI的技术找到商业理由。专家们一致认为，如果合理部署，AI可以彻底改变医疗保健和人群健康，一些人甚至乐观地认为这将在不久的将来实现。
数据和AI的前景
“我是AI和机器学习的坚定支持者，”利兹大学首席数据官兼HDR（健康数据研究）英国北部副主任莫妮卡·琼斯（Monica Jones）说。“AI已经发展了很长时间，但它现在已经到来，并且会持续下去。然而，AI技术依赖于高质量、管理良好的数据，为了充分发挥AI的变革潜力，我们必须加强我们的数据基础：坏数据导致坏AI；好数据带来好AI。”
牛津大学医院NHS基金会信托的护理信息学主管西蒙·诺尔（Simon Noel）表示，AI的潜力“无限”。他指出：“医疗保健本质上是数据驱动的，生成了大量关于大量人群的大量信息，不仅涉及诊断，还包括运营绩效、人员、趋势和人群健康。”诺尔是数字健康CNIO咨询小组的成员，该小组正在制定一份关于在临床笔记中使用AI的立场声明。他表示：“这是一个丰富而动态的环境，非常适合AI的发展。”
他对复杂数据管理方面的举措特别兴奋，例如使用MRI扫描预测患者是否会最终发展为心脏病。“我们有很大的机会预测个人和人群的情况，如果我们能恰当地应用这些信息，它将极大地帮助我们在医疗保健中确定目标，同时预防疾病的发生。”诺尔说。
奥里昂健康公司的英国和爱尔兰销售经理丹·米德利（Dan Midgley）表示，尽管人们对AI的作用和意义存在误解，但其实际潜力巨大。“在接下来的几个月和几年里，我们将关注如何利用AI协助临床医生、决策、调度和优先级排序，而不是取代他们的角色，”他说。“有些人担心AI会替代医患关系，但我们并不这么看。相反，如果我们拥抱AI的前景，临床医生如何做出更好的决策，患者如何掌握自己的护理，我们如何增加容量并将人们带到合适的时间和地点？”
展望未来，他还表示，这关乎提高生产力和减少行政任务，确保护理更加个性化和以患者为中心，并且更加主动——在患者真正生病之前就识别出需要干预的地方，而不是等到他们出现在急诊室。
进展的障碍
尽管AI在某些传统先锋领域如放射学方面取得了进展，但推广远未普及。数字健康情报公司（DHI）今年早些时候发布的市场分析指出，在临床影像中使用AI的早期成功，称这是技术直接影响护理交付的最佳例子之一。但分析也指出了关键挑战，并呼吁采取行动，例如确保数据完整性和增强透明度，这对于建立信任和确保医疗保健中AI的负责任使用至关重要。
放射科顾问杰拉尔德·利普（Gerald Lip）博士指出了包括NHS中老旧IT基础设施的普遍存在，这使得整合AI解决方案变得困难。他还提到了对数据隐私和所有权以及网络安全的担忧。“目前，我们必须跳过许多障碍，采用替代方法或做出一些妥协来使用AI，”利普说，他是东北苏格兰乳腺筛查项目临床主任和皇家放射学院英国乳腺放射学会副主席。“但在未来的10到20年里，随着更多现代系统的引入，匿名化、共享数据以及研究和创新环境的能力将变得更加突出。”
文化问题也起着作用。“人们对未知事物感到恐惧，”琼斯说。“有一种感觉是，如果你看不见、摸不着，你怎么能信任它。我认为作为医疗保健专业人士和卫生服务工作者，我们有责任解释，而不是欺骗患者和公众，表明这不仅仅是某个AI机器人查看你的记录然后随意开药，而是由合格的医疗保健专业人员提供监督。”
解决方案：已经奏效的和即将推出的
临床影像处于AI发展的前沿，现有技术已经在诊断和干预方面取得成效，新的解决方案不断涌现。在NHS格兰平，利普正在与Annalise.ai合作，这是一家胸部X光AI公司，用于帮助早期发现肺癌，并已将AI用作乳腺X线摄影的“安全网”。他对此印象深刻。“如果我们筛查10,000名女性，预计会发现约100例癌症，但使用AI后，我们发现了11或12例额外的癌症，”他说。作为一名放射科医生，使用AI获得更好的结果和效果非常令人满意。“我成为一名医生是因为我想帮助人们，而AI只是我们现在能够使用的一种新技术，可以帮助人们。”
惠普企业（HPE）英国和爱尔兰公共部门销售总监葆拉·兰德尔-斯韦恩（Paula Lender-Swain）表示，现在更容易为基于AI的技术提出商业理由。“有几件事有助于加速创新。一是新技术在能耗方面具有成本效益——我见过一些案例，医院新设备的能耗如此之高，以至于新设备的成本正好等于运行旧设备的月费用。我们可以帮助组织以与当前基础设施相同或更低的成本访问新的现代化基础设施，因为能源节省带来的好处包括改进的网络安全和AI准备性。”她补充道：“第二点是，自新冠疫情以来，我们对改善事情的紧迫感有了更深刻的认识。作为一个整体社会，我们在各方面都将健康放在中心位置……如果技术能够带来价值和拯救生命，人们更愿意花钱。这些是技术可以承诺和提供的成果，人们正以更加积极和紧迫的态度朝这个方向前进。”
解决方案不仅是技术，还涉及人员。盖伊和圣托马斯NHS基金会信托的临床AI研究员计划经理比阿特丽克斯·弗莱彻（Beatrix Fletcher）正在帮助培养一批能够将知识传播到NHS各处的AI素养临床医生。该计划面向全英的临床医生，带来了诸多益处。“无论你引入什么工具，最终使用它的是人，”弗莱彻说。“我们已经看到，人们从项目中毕业回到他们的信托机构，成为信托机构内的AI专家，这是相当罕见的。”
这意味着，她说，他们不仅可以提高同事的意识并分享他们的专业知识，还知道在供应商想要出售AI产品时应该提出哪些要点和问题。他们还拥有专业知识，能够识别哪里可以使用AI解决方案来解决问题，并能够向商业界解释他们希望他们构建什么。
她说，重要的是要识别AI实际上最有用的地方，以及人类仍然占优势的地方。“人类擅长某些事情——我们可以看到一只猫并知道它是猫。我们不需要花几个小时来弄清楚这一点。AI不应该用于这种事——那是在浪费时间和精力。”但她表示，AI最擅长的是处理来自多个非常详细的数据点的大量复杂数据，发现共同模式，然后将其综合成有意义的输出，例如单个陈述或建议的行动。从这个角度来看，AI在医疗保健中最大的用途往往是改善临床医生的工作流程——这当然是受欢迎的。
需要采取行动的三个关键领域
- 数据质量和验证：AI算法的准确性取决于训练数据的质量和多样性。确保数据完整性和AI模型在真实世界临床环境中的验证至关重要。
- 透明度：AI算法可能复杂且不透明，难以理解其决策过程。增强透明度对于建立信任和确保医疗保健中AI的负责任使用至关重要。
- 伦理考虑：AI在医疗保健中引发伦理问题，如潜在偏见、歧视和患者自主权。需要进行仔细的伦理分析和制定指南，以确保AI的负责任和伦理使用。
(全文结束)
