医疗保健领域正面临前所未有的临床、运营、财务甚至政治挑战。当前的医疗体系极为复杂，患者仍然难以获得最安全、最高质量的医疗服务。例如，2024年的一项研究表明，根据加州大学旧金山分校Andrew Auerbach博士的研究，美国医院中有23%的死亡或病情恶化病例是由于漏诊或误诊造成的。此外，Kaufman Hall于今年2月报告称，37%的美国医院和卫生系统处于亏损状态。劳动力短缺、职业倦怠以及对医护人员暴力行为的加剧，进一步加重了医疗系统的压力。
尽管如此，我们仍充满希望，因为医疗保健正处于重大变革的边缘。人工智能（AI）为实现医疗领域的跨越式发展提供了巨大的机会。从及时满足患者需求、减少行政负担、缓解医生压力到改进诊断流程，再到大幅加速药物研发，AI有潜力解锁我们尚未想象到的进步。
考虑一下当代临床医生需要处理的数据量。在重症监护病房（ICU），证据表明每位患者每天平均生成超过1,300个数据点。认知心理学中的“神奇数字七”理论指出，人类大脑的工作记忆只能同时记住大约七个变量——这相当于一个典型的美国本地电话号码（不包括区号）。那么，七个数字可以产生多少种唯一组合？答案是5,040种。现在，让我们对1,300个变量进行同样的阶乘计算，看看单个患者在ICU中可能出现的所有排列组合数量是多少。
结果不是100万，也不是10亿，而是令人眩晕的3.16×10³⁴⁸⁵——比地球上沙粒的总数还要多，甚至超过了宇宙中粒子的数量。正如我和同事去年在《新英格兰医学杂志》上所写，“现代医学的复杂性已经超越了人类思维的能力。”
因此，医疗保健亟需帮助。AI在各个领域——从质量、患者安全到运营——增强我们的工作的潜力令人兴奋。早期的应用案例已显示出鼓舞人心的结果。
例如，六年前，在传统方法未能显著降低脓毒症死亡率的情况下，一家大型全国性医疗机构转向了AI技术。他们开发了一种算法，名为SPOT（Sepsis Prediction and Optimization of Therapy），该算法利用患者电子健康记录（EHR）中的实时数据，在住院患者开始出现症状时立即向医护团队发出警报。这一算法在五年内显著提高了脓毒症诊断率，并额外挽救了8,000条生命。而这一切发生在ChatGPT及当今快速发展的AI能力之前。
然而，两个主要担忧依然存在：一是社会可能缺乏足够的保障措施来防止AI在医疗中的意外后果，这些后果可能导致实际伤害，包括用户错误、幻觉现象、放大医疗差距的算法偏见、新型数据安全威胁以及不当使用等；二是过度监管和过多控制可能会阻碍创新，抑制创业者的创造力，从而妨碍医疗行业利用AI的变革力量。
我们必须找到一个平衡点。去年9月，The Joint Commission召集了专家，讨论如何在医疗领域运营AI的负责任使用。美国政策制定者、患者倡导者、医护人员、科技行业领袖和医疗高管齐聚一堂，围绕AI在医疗中的机遇与挑战展开了热烈讨论。最终达成的共识是对AI工具价值的期待、对创新指导的需求，以及对以治理为重点的常识性保障措施的强烈兴趣，以确保医疗组织履行其对患者的义务。
在构建AI在医疗领域负责任使用的框架时，必须认识到AI并非单一事物，它增加了本已复杂的局面。正如谷歌首席临床官Michael Howell博士和首席健康官Karen DeSalvo博士去年在《美国医学会杂志》中所述，我们可以将AI分为三个时代，每个时代具有“根本不同的能力和风险”：
- AI 1.0：始于20世纪50年代，以符号和概率模型为特征，例如“如果/那么”语句。
- AI 2.0：涉及深度学习模型，专注于分类和预测，一次只完成一项任务。
- AI 3.0：基础模型和生成式AI，能够完成多种任务而无需重新训练。
因此，医疗领域AI的治理和监管需要灵活性，应根据具体的AI类型及其应用场景定制策略，而不是采用一刀切的方法。例如，已有半个多世纪历史的概率模型可能需要不同于自主决策型AI的框架。斯坦福大学的James Zou博士和Eric Topol博士最近在《柳叶刀》的一篇文章中指出，这类AI代理在医学领域具有巨大潜力，“有望成为人类医生的宝贵队友”，前提是它们经过仔细研究和适当监管。
2024年，The Joint Commission推出了“健康数据负责任使用认证计划”，为医疗机构提供了一个管理二次患者数据的安全蓝图。这种数据用于临床护理之外的目的，如研究、注册表创建或AI工具培训。该认证基于Health Evolution Forum的“促进去识别化数据在算法和产品开发中负责任使用的信任框架”，确认组织具备必要的协议和治理流程，以告知患者、保护隐私、防止数据滥用并验证算法。
The Joint Commission认为，这是未来指导医疗机构负责任使用健康AI认证计划的前奏。该组织的愿景是通过利用AI潜力改善患者结果，同时解决和缓解安全问题，赋能医院和卫生系统。更多细节即将公布，但这一切都始于一个坚定的信念：解决问题所需的创新速度应通过负责任和知情的自我治理来培养，而非因过度监管而受阻。
在安全和质量圈子里，人们常说要消除差异，但我们应该追求更高的目标。让我们用AI挖掘差异，发现那些我们无法直觉感知的最佳实践。让我们认识到技术增强思维的潜力，帮助我们应对那3.16×10³⁴⁸⁵次方的复杂挑战。作为医疗领导者，我们肩负着让医疗更安全、更有效、更高效、更易获取、更实惠和更富同情心的责任。
随着AI在减轻医生负担和改进诊断方面的日益熟练——从生成病历到分析放射影像——我们有机会通过减少与计算机的互动时间，增加与患者的交流时间，从而恢复工作的乐趣。
我曾亲眼目睹AI如何通过加快通知患者令人安心的活检结果来缓解他们的焦虑，并将癌症患者引导至适当的护理路径。这不仅改善了时间敏感型癌症患者的结果，还彻底改变了护士导航员的角色，他们将70%的时间从行政任务转移到直接与患者互动。
展望未来，让我们拥抱AI让医疗更具人性化的潜力。而这其中没有任何虚假成分。
(全文结束)
