工作环境正迅速变化。人们工作时间延长，慢性疾病日益增多。与此同时，有关健康、工作和生活方式的数据量每天都在激增。对职业医学专家、哥廷根大学医学中心职业、社会与预防医学研究所所长Susanne Völter-Mahlknecht教授而言，这蕴含着巨大机遇：如果这些数据得到明智利用，疾病可被更早发现，工作场所的预防措施也能实现个性化。
然而，这一想法也引发了棘手问题：企业内的健康数据归谁所有？谁有权查看这些数据？人工智能最终能否决定工作生活中的健康风险？
Völter-Mahlknecht正致力于回答此类问题。她与团队共同开发可在企业中应用的AI模型——同时不将控制权交给机器。信任是关键。她坚信：最终决策权必须始终掌握在人类手中。在本次访谈中，她讲述了工作与职业医学的未来。
Völter-Mahlknecht教授，您表示正尝试重新思考职业医学。能否详细说明？
工作场所的健康是多种因素共同作用的结果：工作条件、生物、物理和化学风险、行为及社会影响。如果我们希望职业医学研究真正提供实用解决方案——这也是我们的驱动力——我们必须进行跨学科思考，超越纯医学视角。因此，我的团队由来自不同学科的代表组成：医学、心理学、化学、物理学、机械工程、人因工程、公共卫生、统计学、数据科学、人工智能、计算机科学和神经科学。要开发AI支持的模型，必须整合所有这些视角。
为何AI在此扮演如此重要角色？
在传统研究中，我们往往反应迟缓。我们只能描述已发生或正在发生的事情，难以进行前瞻性工作。但这正是未来的挑战：我们将面临明显老龄化社会，人们工作年限延长。我们必须让有工作经验的人在企业中停留更久，这是我们的研究任务——找到实现这一目标的方法。
答案就是AI！借助AI，我们可以整合并动态、主动地评估大量不同类型的数据——以便更早识别风险。
您提到要更早发现疾病。
是的。例如糖尿病前期。若能及时识别这一前兆阶段，就能在糖尿病及其并发症发展前进行干预。这类早期预警正是我们关注的焦点。这样，预防措施可以更早实施——对个人和社会都有益。
为何职业医学对此尤为重要？
因为它能触及那些通常不在医疗系统中出现的人群。许多员工很少去看家庭医生，但会接受职业医学检查。在此背景下，可以识别风险因素。因此，职业医学可以且必须成为预防的重要组成部分。
您不仅讨论初级和二级预防，还谈及已患病人群。
是的，一个重要主题是长期患病（如癌症）后重返工作岗位。如今，得益于医学进步，许多患者在癌症急性期后能重返工作岗位。这些重要劳动力并未痊愈，也非完全健康。因此，问题在于如何设计工作，使其对这些人仍可行。
您还从另一个角度表示：工作是人类的重要资源。
是的，这听起来可能有些不同寻常。工作常被视为负担，在几乎所有语言中都带有负面含义。但工作也提供结构、社交联系、意义和归属感。尤其在患病后，许多人渴望回归这种正常状态。工作使我们自主且独立。
但现在有个大问题：您的研究使用健康数据，这很快会引起怀疑。
这种怀疑可以理解。当人们听说AI处理健康数据时，立即会担心：这会不会最终被用来对付我？因此，从研究开始，关键在于：数据所有权必须掌握在员工手中。这不是为了评估或筛选人员，而是为了改善预防措施，支持人们。
尽管如此，对滥用的担忧依然存在。
因此规则必须明确。企业医生受保密义务约束。健康数据不得影响人事决策。我们必须向所有相关方透明地解释收集哪些数据及其原因。
批评者称：AI是个"黑箱"。
正因如此，它不应是黑箱。AI必须可解释。对我们而言，AI是"副驾驶"——而非"自动驾驶仪"。最终必须由人类做决定。这一原则称为"人在回路中"。AI能识别模式并提供建议，但责任和决策权始终在人类手中。
AI会革新医疗保健吗？
对此类宏大承诺，我持谨慎态度。我们不断遇到局限。有些问题用当前方法根本无法很好解决。然后必须进一步开发模型。这一领域正处于发展中。
您还倡导数据最小化。
是的。收集尽可能多的数据并无意义。必须首先明确要回答的问题——以及真正需要哪些数据。
因此您与企业、工会、保险公司以及政策制定者合作？
是的，这很重要且引人入胜。只有让所有相关方参与，才能产生良好的职业医学研究。在我们的项目中，企业家、员工、企业代表以及工会、保险公司、事故和养老保险机构及科学界的代表——所有行动者——共同参与讨论。
这听起来需要复杂的协调。
当然存在不同利益。但我的经验是：如果透明工作并及早纳入各方，就会产生令人惊讶的建设性解决方案。如果研究成果不被理解并因此在某方面引发强烈反对，那么再好的研究也无济于事。结果必须解释得让实践也能接受。科学必须保持易懂。
如果您二十年后回顾自己的工作——什么对您来说是成功？
如果我们共同推动了职业医学的发展。如果预防变得更精准、个性化、动态和主动，并且我们展示了这一专业领域的潜力。
如果我们能够说，我们共同为使工作更健康、改善我们的医疗保健贡献了自己的一小部分——那我将非常满意！
【全文结束】