人工智能（AI）正在彻底改变医疗行业，提升诊断效率、优化治疗流程并改善患者预后。然而，《Digital Health》期刊最新发表的一项研究表明，这些技术进步主要集中在全球北方（即高收入国家），而全球南方（低收入和中等收入地区）则面临显著劣势。
该研究由沙迦大学（University of Sharjah）的科学家联合美国知名机构研究人员共同完成，揭示了高收入国家与发展中国家之间在获取人工智能技术方面的巨大差距。尽管机器学习和机器人技术正被广泛应用于疾病检测、药物管理及远程医疗，但在全球南方的应用仍极为有限。
研究强调，“医疗不平等”现象日益严重，尤其是在非洲、亚洲和拉丁美洲等发展中地区（统称为全球南方）与欧洲和北美等发达地区（全球北方）之间，存在明显的人工智能应用鸿沟。这一鸿沟成为实现可负担且有效的全球医疗服务均等化的重大障碍。
研究团队采用“综合范围回顾”的方法，收集了2022年至2025年间有关全球南方使用人工智能医疗应用的相关研究，旨在识别其潜在贡献与挑战。他们指出，全球南方面临严重的医疗问题，如贫困、资源短缺和疾病暴发，而人工智能在疾病追踪、扩大医疗服务覆盖、支持远程医疗和推进预防医学方面具有巨大潜力。因此，实现人工智能的普及是推动医疗体系公平性的关键驱动力。
然而，研究也列出了全球南方在应用AI过程中面临的多重障碍：
- 数据偏见：当前多数AI系统基于全球北方的数据进行训练，导致在面对全球南方多样化人群和独特健康状况时表现不佳甚至产生错误结果；
- 基础设施薄弱：许多低收入国家仍依赖纸质病历，数据系统分散，难以整合高质量、多样化的AI所需数据；
- 电力与网络不稳定：部分地区缺乏可靠的互联网接入和持续供电，同时缺乏具备AI开发与维护能力的专业人才；
- 资金限制：部署AI/ML技术需要大量投资，但全球南方国家往往财政紧张；
- 缺乏公平合作机制：西方AI生物技术公司对全球南方投资有限，现有合作多为单向交流，未能实现真正意义上的技术共享与利益分配；
- 监管缺失：目前尚无健全的全球监管框架来确保AI医疗应用的透明度、责任承担、安全性和公平性。
研究第一作者、沙迦大学传播学院的Syed Hussain博士指出，当前全球南方在STEM教育、医疗人才流失和政府科研资金投入方面存在结构性缺陷。他强调，高收入国家开发的AI系统必须经过本地化调整，才能在全球南方有效且合乎伦理地运行。这需要充分考虑当地的疾病模式、基础设施限制和文化背景。
他建议，应推动健康数据的数字化，注重数据互操作性，解决数据偏见问题，保障数据安全，并培训本地医护人员掌握数据采集技能。此外，建立真正的合作伙伴关系至关重要，需从单向交流转向促进本地创新与能力建设的合作模式。他还呼吁建立全球监管与监督机制，以确保AI医疗应用的透明、责任、安全与公平。
【全文结束】
