在Upfront Healthcare联合创始人兼首席运营官Carrie Kozlowski（职业治疗师、工商管理硕士）的访谈中，这位医疗科技专家深入探讨了人工智能在医疗健康领域的应用前景与风险。作为行业资深人士，她既看到AI在败血症检测等领域的效率提升潜力，也强调当前应用中的高成本与资源负担。
问：您如何看待人工智能在健康数据中的应用对医疗公平性的影响？
我本人对此持相当保守的态度。虽然AI在促进医疗公平性方面充满机遇，但也存在显著风险。我们与多家医疗机构的交流显示，目前AI主要应用于疾病检测（如败血症预警）和日程管理优化。但令人意外的是，这些机构反馈的短期成本和资源消耗反而上升——初期需要大量人力进行系统监管。这种现象虽然与AI自动化目标相悖，但从长远看，这种审慎的投入有助于建立可靠的AI应用框架。我们尤其担忧算法偏见和模型训练失误可能加剧医疗不平等，因此行业需要建立系统性的防范机制。
问：医疗数据中应用AI面临哪些主要挑战？
成本问题首当其冲，任何AI失误都可能带来高昂的人力代价。我们观察到两大核心风险：首先是模型崩溃（model collapse）——当AI系统过度依赖特定训练数据时，会产生算法退化；其次是患者沟通中的文化适配性难题。在健康素养差异、语言障碍和文化偏见的多重影响下，像ChatGPT这样的通用模型难以准确把握患者行为动机。这种技术局限需要大量人工干预才能克服。
当前我们更倾向在临床监督严密的疾病检测领域推进AI应用，这比直接用于患者沟通更稳妥。毕竟一旦因AI应用导致信任危机，将严重影响治疗效果。我的职业信念始终是：医患信任一旦丧失，重建将异常困难。任何可能威胁这种信任的技术应用，都需要格外审慎的考量。
【全文结束】
