医疗行业对创新并不陌生。像青霉素、麻醉剂和mRNA疫苗这样的“一代人一次”的发现，对健康结果产生了巨大的影响。仅天花疫苗就估计拯救了超过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”科学突破频率的医疗革命的边缘——人工智能的引入。
对于一个深陷于行政任务的行业来说，人工智能可以充当值得信赖的助手，确保高技能且才华横溢的医务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、临床结果和患者护理已经开始利用数据和人工智能。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机构提高工作效率。在医学研究领域，能够以前所未有的时间框架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（Nature，2023）的研究人员使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方面达到了惊人的95%准确率，而这种疾病是导致失明的主要原因之一。
大规模数据集的分析还可能实现疾病的早期检测，尤其是在可以从早期干预中获益的儿童神经疾病方面。检测往往依赖于可能被忽视的细微线索。在这些情况下，人工智能可以帮助识别这些早期指标。
从更广泛的角度来看，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，以在整个公共部门实施人工智能应用。医疗保健是该计划的重点，已有证据表明，人工智能可以降低成本、提高运营效率，并让卫生工作者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、州政府以及诸如世界卫生组织（WHO）等全球性机构都在扩大人工智能的使用范围，以帮助捕捉、分析和预测健康趋势。
尽管澳大利亚的人工智能雄心勃勃，但联邦立法将采取何种形式仍存在不确定性。一些方面呼吁采用类似于欧盟的更为严格的规定，而另一些人则主张大胆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保健中的潜力，已投入近3000万澳元用于研究人工智能如何以新的方式改变该行业。
在等待政策明确的同时，包括医院和医疗服务提供者在内的组织应打好基础，以便在政策问题解决后迅速行动。
通过正确的数据，人工智能可以成为医学中的强大工具。为了充分发挥其革命性潜力，组织需要制定强大的数据战略。在医疗保健领域，人工智能和机器学习的使用所带来的好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做出错误、不准确或有害的预测。我们知道，这项技术擅长在大量数据中寻找模式，但这只有在数据干净、准确且结构良好时才能实现。这就需要可靠且可扩展的基础设施，使数据易于使用、简单连接，并且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，必须优先将数据孤岛整合到一个位置。
人工智能的预测能力受制于它所能访问的数据。数据中的偏差、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——它们所依赖的信息过于庞大且杂乱无章。在医疗保健领域，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依托可信且经过严格验证的数据集，以最大限度地提高准确性，确保输出内容的真实性和可靠性。
无论是公立还是私立医疗机构、健康保险公司还是医学研究机构，都必须对组织的数据有一个集中化的视图，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，如Telstra Health，已经在扩展技术合作伙伴关系，以确保其数字生态系统能够支持现代化，同时不失对客户服务的关注。
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。
在医疗保健领域，相较于其他行业，其潜在的好处可能尤为深远，特别是在医学研究方面。通过奠定数据基础，组织可以在政策问题得到解答后，进一步巩固他们在人工智能方面的成功，并充分挖掘该技术的潜力。
一旦所有条件准备就绪，下一个“一代人一次”的发现或许只需几次点击即可实现。
(全文结束)
