PATH近日在非洲启动了同类中最大规模的研究项目，招募9000名参与者，测试人工智能是否能帮助基层医疗临床医生做出更准确的诊断和治疗决策。
这家总部位于西雅图的全球健康非营利组织正在肯尼亚内罗毕的诊所部署大型语言模型（LLM）技术，用于分析患者症状、健康史、医生记录和实验室检测结果，并辅助诊断和治疗计划的制定。
PATH的首位首席人工智能官Bilal Mateen正领导组织广泛的人工智能倡议，包括使用工具加速疫苗研发，并部署聊天机器人与少女讨论HPV疫苗接种等敏感健康话题。Mateen在探索他所称的“可能极具风险的技术”时，既充满热情，也保持谨慎，特别是在面对脆弱人群时。
这项由PATH与肯尼亚儿科研究联盟、伯明翰大学和内罗毕诊所运营商Penda Health合作开展的医疗AI助手研究，旨在提供在低收入和中等收入国家数字医疗项目中一直缺失的严格证据。
“这项试验标志着我们医疗行业的重要里程碑。人工智能有潜力弥合医疗差距，特别是在服务不足的地区，”肯尼亚卫生部长Deborah Mlongo Barasa博士在宣布研究的声明中表示。“我们期待它将生成的洞见，能够指导负责任且有效的人工智能应用。”
Mateen表示，尽管许多组织多年来一直在开发诊断辅助工具，但大多数都停留在试点阶段，未能证明其在现实世界中的价值。
“这个工具是否能降低治疗失败率？是否减少患者因症状未缓解而再次就诊、紧急住院甚至死亡的情况？”Mateen说，“我还不知道答案。”
研究结果预计将在今年年底前出炉。
PATH最近还在尼日利亚启动了第二项规模较小的试验，设立了一条免费热线，通过生成式人工智能回应健康咨询。该工具名为“社区卫生扩展工作者助手”（CHEWA），旨在为那些无法接入互联网的卫生工作者提供支持。
这项研究将持续到医务人员记录3000例患者互动为止。该项目由加拿大社会企业Viamo合作完成。
GeekWire近日与Mateen就PATH更广泛的人工智能努力进行了访谈。以下是部分内容要点：
挑战误解
Mateen指出了关于人工智能与医疗的两个常见误解：
- 虽然使用诊断助手可以提高医护人员的效率和效果，但这并不总是意味着降低医疗成本。更高效的诊断可能会发现更多需要实验室检测、治疗等的健康问题。
- 尽管LLM通常基于高收入国家的信息进行训练，但根据具体使用场景，AI工具并不一定需要本地化定制。例如，无论患者生活在哪个国家，高血压的诊断标准是一致的。
更快、更便宜的突破
PATH正在测试“联合科学家”技术，试图识别通常需要耗资数百万美元的试验才能验证的免疫反应与疫苗效果之间的关联，从而为新疫苗研发缩短研究周期。
该组织还在使用人工智能搜索科学文献中的“独角兽生物标志物”——那些罕见但可能帮助抗击轮状病毒、肠胃炎和呼吸道合胞病毒等致命疾病的生物信号。
处理敏感话题的AI
Mateen对聊天机器人在处理敏感话题（如人乳头瘤病毒疫苗接种）方面的潜力感兴趣。由于HPV是一种性传播疾病，可能引发宫颈癌，与青少年女孩讨论这类严肃话题可能令人尴尬，甚至在某些国家属于禁忌话题。
“我们发现，让一个14岁的女孩与一个富有同理心的聊天机器人交流，远比与老师或其他权威人物交谈更容易。”Mateen表示。
推动监管建设
PATH希望获得资助，以支持在低收入和中等收入国家建立与医疗相关的AI监管机制。
Mateen指出，这些人群面临更高的AI技术风险，因为他们在医疗资源获取、监管监督和AI出错后的追责机制方面都较为薄弱。
他表示，PATH多年来一直在帮助这些国家加强疫苗、药物和诊断测试的监管体系。“尽管我们渴望成为开拓者，推出下一代技术，但我们也认识到，必须建立一种机制，让我们和他人能够为此负责。”
【全文结束】
