麻省理工学院(MIT)计算机科学家雷吉娜·巴齐莱教授认为，以色列深厚的技术专长与不懈的创新动力相结合，可使该国在将人工智能(AI)融入医疗保健方面成为全球领导者。
作为全球医疗AI领域最重要的专家之一，巴齐莱教授表示，以色列在AI医疗革命中具有独特优势，能够全面参与从评估、监管到医生和患者教育以及现实世界实施的技术全生命周期。"以色列在国家层面确实有潜力在此领域发挥领导作用，"巴齐莱说道。
巴齐莱解释说，与许多国家不同，以色列的医疗系统将医疗服务提供者和支付方置于同一组织架构下。这种结构创造了一个创新能够更快推进的环境，数据可以更有效地使用，AI工具的测试和扩展面临的障碍也更少。
在近期访问以色列期间，巴齐莱参加了由拉马姆健康服务公司(Clalit Health Services)首席创新官兰·巴利策教授主持的2025年医疗科技AI峰会，该峰会于2025年12月底举行。巴齐莱强调了初创企业在推进医疗保健人工智能方面发挥的关键作用。"以色列在这一领域确实有令人振奋的发展，"巴齐莱说，"多家公司在AI和健康领域做得非常出色。"
同时，巴齐莱承认，她所描述的第四代AI工具的采用仍然面临犹豫。一个主要障碍是缺乏证据证明这些技术能实质性地改变患者预后。"因为重点不仅是更早地检测[疾病]，还要在人口层面证明它改变了预后，"她说。
以乳腺癌为例，目标是防止女性需要晚期治疗，这些治疗费用更高、更复杂，且与较差的预后相关。她补充说，以色列公司特别适合展示这种影响。"如果我们谈论的是安全技术，你就有更大的灵活性，"巴齐莱说，"你可以引入这项技术，并在人口层面展示其效果。这真的会产生很大影响。它将使其在美国和欧洲的推广更具吸引力，也更易于被采用。"
巴齐莱出生于乌克兰，20多岁时移民以色列。如今，她居住在美国，担任麻省理工学院工程学院AI与健康特聘教授，以及麻省理工学院贾米尔诊所(Jameel Clinic)AI教职员负责人。她最近被《时代》杂志评为全球最具影响力的AI人物之一。
她的研究重点是开发用于药物发现和临床AI的机器学习方法。在职业生涯早期，她曾广泛从事自然语言处理工作。
巴利策同时也是拉马姆的副董事总经理，他邀请巴齐莱参加此次峰会，并正与她合作在以色列实施AI。他告诉《媒体线》(The Media Line)，"拉马姆正积极利用最先进的科学工具，为患者提供预测性、主动性和个性化的护理，这标志着从现代医疗主流的被动和统一护理向更先进模式的重大转变。"
据巴利策介绍，拉马姆每月有超过10万名患者接受AI驱动的护理改善。
"我们很自豪能与雷吉娜·巴齐莱教授合作开展具有重大全球意义的开创性乳腺癌筛查研究，希望我们将这些见解转化为护理实践，正如我们在其他已验证领域所做的那样，"他说。
巴齐莱表示，医生们不再像十年前那样对将AI引入实践持犹豫态度。她解释说，今天的首要挑战不是说服个别医生，而是推动全系统的变革。
"系统需要将这一路径确立为护理标准，"她说，解释道AI工具不应是逐案选择的可选测试，而必须正式整合到护理指南中，并由保险报销。
"这就是为什么我花这么多时间在以色列，因为我正在与兰·巴利策和耶路撒冷哈达萨医学中心(Hadassah Medical Center)乳腺健康中心主任塔尼尔·阿勒维斯博士合作。我们都在共同思考如何将AI引入我们的指南，真正帮助患者，"巴齐莱说，"需要有人付出努力并有动力实际进行这种转化，因为我们没有太多成功案例。这需要某位在某种意义上是医学先驱的人。"
巴齐莱说，她"偶然"进入了AI和医疗的世界。作为受过训练的计算机科学家，她最初并未计划在医学领域工作。这一情况在她43岁时因被诊断出乳腺癌（她家族中的首例）而改变。
在治疗过程中，巴齐莱意识到AI在电子商务和翻译等领域的先进程度与在医学中应用的微不足道之间存在巨大差距。这一经历发生在2014年，即她所描述的主要AI热潮之前。她决定帮助改变这一现实。
引起她兴趣的是基于女性乳腺X光片预测哪些患者可能发展为乳腺癌的可能性，这是目前不存在的。
目前，只有一小部分患者携带已知的基因突变，可用于评估乳腺癌风险。巴齐莱着手开发能够分析医学图像并预测女性患乳腺癌可能性的机器学习技术，将风险评估远远扩展到仅靠基因检测之外。
她说，医生们一致认为，乳腺癌在影像上可见之前很久就开始形成。存在细微的早期迹象，但对人类来说极难检测。她解释说，机器可能通过收集不同信息——"小线索"——并将它们组合成单一、连贯的预测，从而消除这种不确定性。
"现有问题是，你的未来是什么？"巴齐莱说，"今天，我们根据肿瘤大小定义现状，即当患者被诊断时，肿瘤已经足够大，人类或放射科医生可以真正看到它。人类视力是有限的，即使你是放射科医生。所以，我们今天只是诊断患者。当它不可见时，并不意味着它不存在。这只是我们看不到它。'我们'指的是医疗界。"
巴齐莱将这一概念付诸行动。她与团队一起开发了一种名为MIRAI的机器学习工具，该工具能在人类眼睛可见之前很久识别与癌症发展相关的模式。该工具使用近两百万份乳腺X光片的数据进行训练，已经显示出显著的前景。"它在许多不同人群中都非常稳健地工作，"巴齐莱说。
她指出，她自己的乳腺癌诊断被延迟了大约两年。通过她的研究，她发现超过70%的患者经历了诊断延迟。
"如果你今天看一个被诊断为乳腺癌的女性，至少对一部分人来说，你一年前就能看到它，但它被忽略了，"她说，"机器可以更早地发现癌症，或者至少能识别出该患者存在问题，需要再次检查。"
尽管有这种潜力，巴齐莱表示AI在日常医生就诊中仍然几乎看不见。同时，医疗错误至少在美国是第三大死因。
"我们不是将AI带入一个完美的世界。我们是将AI带入诊断和护理的世界，而这个世界相当破碎，"巴齐莱说，"医疗系统面临越来越多的需求，却无法提供足够的资源。医生疲倦了，他们会犯错误，或者有时正确诊断确实很难。因此，在这种情况下，我认为未来五年的最大问题是，如何将所有这些伟大的医疗进展带入系统，使其更有效、更便宜。"
巴齐莱强调，AI不会取代医生，但它将要求医生接受不同的培训。计算机科学可以帮助生成预测，但医生必须解释这些预测并决定下一步该做什么。她说，这就是AI结束而医生角色开始的地方。
"他们需要创建一条安全可靠的路径，决定如何处理高风险患者。仅仅告诉患者你有高风险是不够的，"她说，"在任何其他行业，我们都看到如此多的AI，但在医疗保健中，医生现在有责任思考如何将这种技术——虽然不完美但极其强大——带入实践，使其对患者来说安全有效。"
尽管巴齐莱的主要关注点一直是乳腺癌，但她表示相同的技术可以应用于诊断肺癌、前列腺癌和其他形式的癌症。她补充说，除诊断外，人工智能在药物设计方面也可以发挥重要作用。
巴齐莱承认，人们对AI使用相关的偏见和不平等问题持续关注。然而，她认为这些问题已经贯穿整个医疗系统。
"医疗中存在大量偏见和不平等，"她说，强调这些风险的存在不应阻碍新技术的采用。
事实上，巴齐莱表示，AI有潜力减少而非加深这些差异。她解释说，医疗保健中的不平等往往源于获得护理机会的差异。AI驱动的工具可以通过在各地标准化诊断和决策来帮助平衡竞争环境。
"如果你有一种自动诊断方式，无论你在特拉维夫还是迪莫纳进行，它都会给出完全相同的结果，"她说，"因此，通过这种方式，你实际上可以为所有人提供更高质量的护理。"
- 本故事由玛扬·霍夫曼撰写，并经《媒体线》许可转载。
【全文结束】
