感谢大家。大家好，我是萨曼莎·杨，KFF健康新闻的副加利福尼亚编辑。欢迎参加我们关于“AI在医疗保健中的应用”的第一场小组讨论。我是主持人，正如里奇所说。我们将有几位嘉宾参与今天的讨论，他们将为我们带来一场非常丰富和技术性的对话。AI不仅有潜力彻底改变医疗保健，也带来了许多关于公平性和隐私的问题。让我们从介绍嘉宾开始。
首先，我们有来自加州生命科学协会的山姆·钟，他是该协会的州政府关系副总裁。接下来是卡拉·卡特，她是加州医疗保健基金会的战略和项目高级副总裁。我们还有马修·所罗门博士，他是凯撒永久医疗集团的心脏病专家。最后是来自萨特健康集团的克里斯·沃格，他是该集团的首席创新官。
欢迎各位，非常感谢你们的到来。我将从第一个问题开始，希望各位都能回答。我想先为大家简要介绍一下AI是什么，它已经在哪些方面得到应用，帮助大家更好地了解这个话题。我们从山姆开始吧。
山姆·钟：当然可以。这是一个很好的问题。AI在生命科学领域的应用非常广泛。其中一个最显著的领域是在药物发现过程中。我们的目标是开发新的药物，这是一项非常复杂的任务。AI可以帮助科学家和研究人员使药物发现过程更加高效和有效，从而扩大药物发现的范围。人体中有37万亿个细胞，数千种不同类型的细胞，2万个基因，以及数百万种变异组合。在寻找分子如何与某些化合物反应的过程中，存在大量的试错。因此，开发新药通常需要大约十年的时间，每种药物的研发成本约为26亿美元，失败率高达92%。而AI能够减少这些数字。
例如，AI可以通过分析你的声音来判断你是否有患糖尿病的风险，并据此开具治疗方案。在印度等地，这种技术已经改变了糖尿病的诊断和治疗方式。此外，在放射学领域，AI在检测胰腺癌方面比最好的放射科医生更准确，这为患者提供了宝贵的治疗时间。
萨曼莎·杨：很好，谢谢。卡拉，你来谈谈吧。
卡拉·卡特：山姆的介绍非常精彩。作为曾经的癌症患者，我对这些新技术感到非常兴奋。AI并不是一个新概念，已经有70年的历史了。我们可以将其分为三个阶段：1960年代的计算机和机器编程，1990年代末至2000年代初的机器学习，以及最近三年的生成式AI。生成式AI将我们之前的技术提升到了一个新的水平，它不仅仅是被编程来执行特定任务，而是能够自我学习和不断改进。
目前，AI已经在医疗保健系统中广泛应用，不仅在计划、提供者和社区诊所中，还包括一些可能不被视为创新前沿的健康服务。例如，社区健康工作者正在使用生成式AI应用程序来满足社区的需求，有时是因为他们没有现有的复杂系统，所以可以从零开始构建真正新颖的应用程序。
马修·所罗门：非常荣幸能在这里。我在凯撒永久医疗集团北加州地区领导着所谓的“增强临床智能计划”。简单来说，AI就是用计算机执行复杂任务。在医疗保健领域，AI已经存在了几十年，深深地嵌入了医疗保健的DNA中。我们的创始人之一西德尼·加菲尔德博士在1940年代和1950年代就曾写过一篇文章，讨论如何利用计算机来管理患者，从最严重的患者到健康的患者，以及如何分配资源进行预防性护理。
AI是一个谱系。我们在医疗保健中使用的许多风险计算器或临床计算器都是AI的一种形式。例如，我们系统中20年前开发的一个新生儿败血症计算器，通过减少不必要的抗生素使用和新生儿采血量，已经在全球范围内减少了约50%的相关操作。近年来，我们开发了一个名为“高级警报监测器”或“恶化指数”的模型，该模型可以在实时数据中识别出未来12小时内可能出现不良结局的患者。
然而，将模型投入实践和工作流程中才是真正的挑战。模型构建相对容易，但将其有效地集成到工作流程中却非常困难。我们已经在这方面进行了很多学习。例如，当模型发出警报时，虚拟护理团队会查看患者的病历，决定是否需要激活快速响应并将护士或医生派往患者床边。如果我们标记了大量实际上不需要护理的患者，现场的医生和团队就不会信任这个系统。
克里斯·沃格：萨曼莎，很高兴能参加这次讨论。AI在医疗保健中的应用非常广泛。目前，App Store中有超过35万个健康和健身应用程序。大多数人都在跟踪自己的睡眠、步数等健康数据。然而，历史上，如果你试图将这些数据带给医生，他们通常不会接受，因为这会导致信息过载和医生疲劳。
近年来，电子病历系统的发展虽然给医生带来了巨大压力，但也积累了多年的数据。互联网、各种应用程序和可穿戴设备每秒都在生成数百万条关于人们生活方式的新信息。这些信息为医疗保健提供了巨大的机会。例如，通过AI，我们可以将不同来源的数据结合起来，发现疾病的起源模式，甚至可以检测到社会孤立等问题。
AI还可以帮助那些无法获得医疗服务的人。例如，AI可以匹配患者与全球正在进行的临床试验，提高诊断的准确性。AI不仅可以帮助医生更好地了解最新的研究进展，还可以通过个性化的方式提供咨询和建议，甚至可以深入到基因序列和特定细胞层面。此外，AI还可以帮助我们识别和表达医疗系统中的不公平现象，推动更多的种族、风格和地区参与临床试验。
萨曼莎·杨：非常感谢各位的精彩介绍。接下来，我想快速问几个问题。克里斯提到AI可能存在偏见，我想知道大家对AI的担忧和应该考虑的防护措施有哪些？
马修·所罗门：偏见和公平性在医疗保健中非常重要，尤其是在AI领域。AI模型通常是基于大量数据训练的，因此数据的来源和质量至关重要。我们机构和其他机构都有非常严格的系统，确保任何投入实践的模型都经过了严格的检查，包括偏见和公平性评估。例如，我们会确保模型在男性、女性、白人和黑人患者中表现一致。然而，过去10到20年中，这种评估并不普遍，因为当时的技术能力有限。
AI也有机会减少医疗保健中的不公平现象。例如，通过计算机技术进行人群健康管理和预防筛查，我们已经消除了系统内结直肠癌的种族差异。AI工具还可以在资源不足的环境中发挥作用，例如在圣伊西德罗的一家联邦合格健康中心，他们使用AI工具进行糖尿病视网膜病变筛查。
山姆·钟：关于防护措施，目前联邦政府已经采取了很多措施。自白宫发布AI行政命令以来，13个不同的联邦机构已经发布了25份指导文件、规则和报告，包括FDA和卫生与公共服务部。FDA已经监管AI技术在医疗产品中的应用超过25年，特别是在MRI和CT扫描等领域。FDA特别关注偏见问题，确保底层技术已经得到了纠正和校准。
在与FDA的合作中，我们的公司有机会对这些法规提出意见和反馈，FDA也会相应调整。此外，FDA还会对我们的公司进行审计，确保AI技术和我们受托的数据都得到了适当的保护。我们希望在不影响创新的前提下，采取基于风险的方法，确保AI技术的安全应用。
卡拉·卡特：我也想补充一点。关于AI的障碍和风险，我认为可以分为两个主要方面。一方面是技术本身是否有效，我们对技术的容错率是多少？另一方面是如何实施和使用AI。例如，如何治理AI在机构内部的应用，如何确保价格合理，让所有医疗机构都能负担得起这项技术。
最后，所有医学和技术的进步都需要建立在患者和社区的信任基础上。我们去年进行的一项调查显示，大约50%的加州居民欢迎AI在医疗保健中的应用，而另外50%则持保留态度。为了实现我们在桌面上讨论的所有改进，我们需要通过参与、同意过程和与患者和社区的开放沟通来赢得信任。
萨曼莎·杨：非常感谢各位的回答。最后一个问题是给卡拉的。AI在增强和改善加州的医疗保健安全网方面有何潜力，特别是对于由Medi-Cal服务的社区？我们知道Medi-Cal覆盖了超过三分之一的加州居民，如何确保贫困社区不被落下？
卡拉·卡特：非常感谢你提出这个问题。首先，Medi-Cal并不是最后的选择，而是超过三分之一加州居民的首选保险。我们的目标是通过AI帮助医生和提供者节省时间，更多地面对患者，提高决策的准确性和效率。然而，我们的安全网诊所和公共医院在实施这项技术时还面临许多未解决的需求。
这些问题包括风险缓解、定价和最佳实践分享。我们需要确保支付和报销模式能够反映AI带来的机会，同时还需要建立患者和社区的信任。只有通过透明和开放的沟通，才能确保所有社区都能受益于AI技术。
克里斯·沃格：补充一点，目前的医疗保健系统本身就存在偏见。AI模型的训练数据反映了这些偏见，但如果我们能够加速发现和研究过程，就有机会消除这些偏见，建立一个更加公平的医疗系统。AI并不是问题的根源，而是解决问题的工具。
萨曼莎·杨：非常感谢各位的精彩发言。由于时间关系，今天的讨论就到这里结束。感谢所有嘉宾的参与，也感谢大家的聆听。今天的讨论非常精彩，谢谢。
(全文结束)
