伦敦城市圣乔治大学健康与医学科学教授Alicja Rudnicka指出："我们必须了解，当人工智能从受控试验走向英国国家医疗服务体系(NHS)的实际应用时，负责任地采用AI需要什么。"
当前政府的政策方向表明，人工智能在诊断和筛查中的作用将日益增强。近期的公告强调了AI在提高服务能力、减少差异和支持更早发现疾病方面的潜力。在某些医疗领域，特别是基于影像的服务中，AI能够产生可衡量的积极影响。
然而，将人工智能引入日常医疗服务不仅仅需要证明其技术准确性或产生有希望的试点结果。它还需要在数字基础设施、工作流程整合、成本、公平性以及医患双方的信心方面有明确的规划。
此外，这还取决于已经支撑服务交付的嵌入式解决方案，如国家筛查管理系统和转诊平台，这些系统需要与选定规模化应用的任何AI解决方案无缝交互。
在人工智能能够从政策文件走向大规模实际NHS服务路径之前，我们需要了解这些系统在面对临床医生日常所承受的相同压力时的表现实例。
我们需要了解AI系统在面对临床医生日常所承受的相同压力时的表现实例
我们审查了超过100万张视网膜图像，发现AI能够以96-99%的准确率检测威胁视力的疾病，并在几秒钟而非几分钟内处理图像。这展示了AI的潜力，以及了解这些工具一旦引入实际服务环境后如何运作的重要性。
为什么评估至关重要
这项研究帮助我们更深入地理解了实践层面——通过使用真实图像将工具与现有的NHS分级路径进行对比测试，我们可以观察到它们在面对服务日常管理的多样性和复杂性时的表现。
NHS需要确保测试是公正的，使用具有代表性的数据，而不是依赖于小规模或狭窄的队列
研究中出现了几个对临床应用至关重要的主题。
首先，独立评估至关重要。供应商自然希望展示其产品的性能，但NHS需要确保测试是公正的，使用具有代表性的数据，而不是依赖于小规模或狭窄的队列。
其次，同样重要的是有意义的数字准备程度。即使是一个高性能的算法，如果本地系统无法可靠上传图像、快速返回输出结果或将结果整合回筛查团队使用的平台，也无法被采用。数字基础设施将决定AI是否真正可用，而不仅仅是技术上令人印象深刻。
第三，效率必须与安全性相平衡。AI可以快速处理图像，但只有在透明的工作流程、清晰的报告规则和对边缘或复杂病例的强有力审查机制支持下，速度才能增加价值。临床医生需要确信AI增强了决策过程，而不是绕过它。
成本也是一个关键因素。AI必须比现有路径更具成本效益。负责委托和提供筛查服务的人员不能采用那些在不改善结果或减轻员工压力的情况下增加成本的技术。
实施经验教训
我们希望这项工作能为医疗团队提供实际步骤，以便他们能够优先考虑安全、可持续地规模化应用AI，无论是在本地还是在全国性服务（如糖尿病视网膜病变筛查）中。
实施经验教训包括：
首先，投资于实际服务中的评估。受控环境可以告诉我们算法在理想条件下的表现，但真实世界测试揭示了操作变异，真正表明AI是否已准备好部署。
另一个优先事项是开发共享数字基础设施。一种中心化的方法，允许筛查提供者安全上传图像并接收与电子病历整合的一致输出，将减少重复并避免分散的本地实施。
这也将使Optomize等系统（管理大多数英格兰筛查项目）更容易与AI工具进行可预测的交互，涵盖验光和专业眼科领域。
同样重要的是，整个过程中需要信任和透明度。员工的信心至关重要，实施不当的工具可能会破坏整个服务的进展。
清晰的沟通、常规监测以及与药品和医疗产品监管局(MHRA)对上市后监管不断演变的期望保持一致，对于确保临床医生感到可以安全依赖AI至关重要。
最后，我们必须记住，AI不是临床专业知识的替代品。它是一种可以释放服务能力、标准化重复性任务并允许临床医生专注于更复杂的影像模式和患者护理的工具。成功的实施依赖于支持而非取代工作人员。
前进之路
人工智能在提高筛查服务的效率和一致性方面具有巨大潜力，特别是在糖尿病视网膜病变筛查项目中，该项目每年管理超过200万次就诊。我们的评估表明，当有适当的保障措施时，AI可以在支持第一阶段分级评估中发挥重要作用。
下一步是将其转化为安全实用的应用。如果我们能够采取这种方法，AI可以以加强筛查路径并改善结果的方式引入，同时不损害公平性或信任。
这种方式下，AI支持临床医生，自然融入现有服务，并为依赖这些项目的患者提供有意义的益处。
【全文结束】
