医疗行业对于创新并不陌生。“一代人一次”的发现，如青霉素、麻醉剂和mRNA疫苗，都对健康结果产生了巨大影响。仅天花疫苗就估计挽救了超过2亿人的生命。
如今，我们正处于一场可能增加这些“一代人一次”科学突破频率的医学革命边缘——人工智能的引入。
对于一个深陷行政任务的行业来说，人工智能可以充当一位可靠的助手，确保高技能、才华横溢的医疗专业人员有更多时间专注于患者护理。
目前，医学研究、诊断、操作流程、临床结果以及患者护理已经开始利用数据和人工智能的优势。
对于医疗专业人员来说，行政任务的自动化已经在帮助医院和初级护理提高工作效率。在医学研究中，能够在前所未有的短时间内分析海量数据集的能力正在支持临床研究。
最近，斯坦福大学（《自然》，2023年）的研究人员利用深度学习算法分析视网膜扫描，在检测糖尿病视网膜病变（导致失明的主要原因之一）方面达到了惊人的95%准确率。
大规模数据分析还可能实现疾病的早期检测，特别是在儿童神经疾病领域，这些疾病从早期干预中受益匪浅。检测通常依赖于一些微妙的线索，而这些线索可能会被忽略。
在这些情况下，人工智能可以帮助识别这些早期指标。
更广泛地说，人工智能还有潜力彻底改变公共卫生情报。在我们自己的后院，南澳大利亚政府最近宣布了一项2800万澳元的计划，在公共部门实施人工智能应用。医疗是该计划的重点，已有证据表明，它能够降低成本、提高运营效率，并让医护人员有更多时间专注于临床护理。
这一趋势正在全球范围内复制，医院、州政府和诸如世界卫生组织（WHO）等全球性机构都在扩大人工智能的使用，以帮助捕捉、分析和预测健康趋势。
尽管澳大利亚在人工智能领域雄心勃勃，但联邦立法将采取何种形式仍存在不确定性。有人呼吁采用类似欧盟的更严格、更具规定性的法律，而另一些人则主张拥抱新的人工智能前沿。
尽管如此，联邦政府显然看到了人工智能在医疗领域的潜力，已经投入近3000万澳元用于研究，探索人工智能如何变革该行业。
在等待政策明确的过程中，包括医院和医疗服务提供者在内的组织应打好基础，以便在这些问题得到解答时迅速行动。
有了正确的数据，人工智能可以成为医学中的强大工具。然而，要实现其革命性潜力，组织需要制定强大的数据战略。在医疗领域，人工智能和机器学习带来的益处高于许多其他行业，但这也意味着风险更高。
采用人工智能的最大担忧之一是其可能出现错误、不准确或潜在有害的预测。
我们知道这项技术擅长在大量数据中寻找模式，但这只有在它所使用的数据干净、准确且结构良好时才有可能。这需要可靠且可扩展的基础设施，使数据易于使用、简单连接，最重要的是值得信赖。
然而，在许多医疗环境中，信息分散在各个部门、设施甚至国家之间。为了有效实施人工智能，打破数据孤岛并将其整合到一个位置必须成为优先事项。
人工智能的预测能力受限于其所能访问的数据。数据中的偏见、错误或缺失信息可能导致人工智能模型提供虚假信息。
这就是为什么面向公众的人工智能模型经常犯错或产生幻觉——它们所依据的信息过于庞大且杂乱无章。在医疗领域，这种幻觉可能是致命的。
因此，医疗行业的人工智能工具必须基于可信且经过严格验证的数据集，以最大限度地提高准确性，并确保输出内容真实可靠。
无论是公共还是私人医疗机构、健康保险公司还是医学研究机构，都必须拥有组织数据的集中视图，以确保任何人工智能的使用都能从完整且可信的数据源中获取上下文和信息。
澳大利亚一些最大的医疗公司，例如Telstra Health，已经扩展了技术合作伙伴关系，以确保其数字生态系统能够支持现代化，同时不忽视客户服务。
无论澳大利亚的人工智能政策采取何种路径，人工智能都不会消失。
在医疗领域，比其他任何行业都更有潜力带来深远的影响，尤其是在医学研究方面。通过打牢数据基础，各组织可以在政策问题得到解答后充分发挥人工智能的潜力。
一旦所有条件都具备，下一次“一代人一次”的发现可能只需几次点击就能实现。
(全文结束)
