人工智能在医疗保健领域可挽救生命并节省资金,但变革不会一蹴而就AI in health care could save lives and money − but change won’t happen overnight - Japan Today

环球医讯 / AI与医疗健康来源:japantoday.com美国 - 英语2026-11-14 00:38:14 - 阅读时长5分钟 - 2198字
本文讨论人工智能在医疗保健中的应用前景与现实障碍:它有望通过整合健康记录、基因信息和可穿戴设备数据实现更快诊断、优化医院流程并节省巨额成本,但算法漂移、种族与族裔偏见、数据共享隐私、黑箱透明度和监管审批等问题,使AI在临床决策中的普及只能是渐进过程;文章同时介绍AI病历记录助手、行政聊天机器人及影像辅助等已落地应用,并强调医疗行业短期需求仍优先于长期收益。
人工智能医疗健康诊断辅助算法漂移种族偏见数据隐私可解释性患者安全健康数据渐进应用
人工智能在医疗保健领域可挽救生命并节省资金,但变革不会一蹴而就

人工智能在医疗保健领域可挽救生命并节省资金,但变革不会一蹴而就

亚特兰大——想象一下,你生病后走进医生诊室,医生不必翻查成页的病历,也不必安排需要数天才能出结果的检查,而是立即汇总你的健康记录、基因档案和可穿戴设备中的数据,帮助判断问题出在哪里。

这种快速诊断,是人工智能用于医疗保健的一大承诺。支持这项技术的人表示,在未来几十年里,AI 有潜力挽救数十万人、甚至数百万人的生命。

此外,2023 年的一项研究发现,如果医疗保健行业显著提高 AI 使用率,每年最多可节省 3600 亿美元。

然而,尽管人工智能几乎已无处不在,从智能手机到聊天机器人再到自动驾驶汽车都能见到它的身影,但它迄今为止对医疗保健的影响相对较小。

2024 年美国医学会的一项调查发现,66% 的美国医生曾在某种程度上使用过 AI 工具,高于 2023 年的 38%。但其中大多数用途属于行政事务或低风险支持。尽管 43% 的美国医疗保健组织在 2024 年新增或扩大了 AI 使用,但许多实施仍处于探索阶段,尤其是在医疗决策和诊断方面。

我是一名研究 AI 与医疗保健分析的教授和研究人员。我将尝试解释为什么 AI 的增长将是渐进的,以及技术限制和伦理担忧如何阻碍医疗行业广泛采用 AI。

诊断不准确与种族偏见

人工智能擅长在大型数据集中发现模式。在医学中,这些模式可能提示人类医生可能忽略的疾病早期迹象,也可能根据其他症状和背景相似患者的反应,指出最佳治疗方案。最终,这将带来更快、更准确的诊断和更个性化的护理。

AI 还可以通过分析工作流程、预测人员配置需求和安排手术,帮助医院更高效地运转,使手术室等宝贵资源得到最有效的利用。通过简化那些需要人类耗费数小时的任务,AI 可以让医疗专业人员把更多精力放在直接照护患者上。

但尽管 AI 能力强大,它也会犯错。虽然这些系统是用真实患者的数据训练的,但在遇到不寻常情况,或数据与眼前患者并不完全匹配时,它们可能难以应对。

因此,AI 并不总能给出准确诊断。这个问题被称为算法漂移,即 AI 系统在受控环境中表现良好,却在现实情境中失去准确性。

种族和族裔偏见是另一个问题。如果数据因某些种族或族裔群体患者数量不足而带有偏见,那么 AI 可能对他们给出不准确的建议,导致误诊。一些证据表明,这种情况已经发生。

数据共享担忧与不切实际的期望

医疗保健系统复杂得像迷宫。把人工智能整合进现有工作流程的前景令人望而生畏;引入 AI 这样的新技术会打乱日常流程。员工需要额外培训才能有效使用 AI 工具。许多医院、诊所和医生办公室根本没有时间、人员、资金或意愿来实施 AI。

此外,许多尖端 AI 系统以不透明的“黑箱”方式运行。它们给出建议,但即便是开发者也可能难以充分解释其原理。这种不透明性与医学需求相冲突,因为医疗决策需要可解释的理由。

但开发者往往不愿披露其专有算法或数据来源,既是为了保护知识产权,也是因为其复杂性难以提炼说明。缺乏透明度会加剧从业者的怀疑,进而拖慢监管审批,并削弱人们对 AI 输出的信任。许多专家认为,透明度不仅是一种伦理上的体面要求,也是在医疗保健环境中采用 AI 的实际必要条件。

还有隐私担忧;数据共享可能威胁患者机密。为了训练算法或作出预测,医疗 AI 系统往往需要大量患者数据。如果处理不当,AI 可能通过数据泄露或患者记录的非预期使用而暴露敏感健康信息。

例如,临床医生使用基于云端的 AI 助手起草记录时,必须确保任何未经授权者都无法访问该患者的数据。美国《健康保险携带和责任法案》(HIPAA)等法规对健康数据共享施加严格规则,这意味着 AI 开发者需要强有力的保障措施。

隐私担忧还延伸到患者信任:如果人们担心自己的医疗数据可能被算法滥用,他们可能不愿如实提供信息,甚至拒绝接受 AI 辅助的护理。

AI 的宏大承诺本身就是一道巨大障碍。人们的期望极高。AI 常被描绘成一种神奇解决方案,仿佛能诊断任何疾病,并在一夜之间彻底改变医疗保健行业。此类不切实际的假设往往导致失望。AI 可能不会立即兑现其承诺。

最后,开发一个运行良好的 AI 系统需要大量试错。AI 系统必须经过严格测试,以确保其安全有效。这需要数年时间,而且即便系统获批,在遇到新类型数据和现实情境时,仍可能需要调整。

渐进式变化

如今,医院正在迅速采用 AI 病历记录助手,这些工具在患者就诊时聆听,并自动起草临床记录,从而减少文书工作,让医生有更多时间陪伴患者。调查显示,目前超过 20% 的医生使用 AI 撰写病程记录或出院摘要。AI 也正在成为行政工作中的一股安静力量。医院部署 AI 聊天机器人来处理预约安排、分诊常见患者问题,并实时翻译语言。

AI 的临床用途确实存在,但更为有限。在一些医院,AI 是放射科医生寻找疾病早期迹象时的“第二双眼睛”。但医生仍不愿把决策交给机器;目前只有约 12% 的医生在诊断辅助方面依赖 AI。

可以说,医疗保健向 AI 的转型将是渐进的。新兴技术需要时间成熟,而医疗保健的短期需求仍压过长期收益。与此同时,AI 治疗数百万患者、节省数万亿美元的潜力仍在前方等待。

图尔盖·阿耶尔是佐治亚理工学院工业与系统工程学院教授。

The Conversation 是一家独立、非营利性的新闻、分析和评论来源,内容来自学术专家。

猜你喜欢
  • 人工智能助手帮助患者做好心脏导管术准备人工智能助手帮助患者做好心脏导管术准备
  • AI如何改变神经调控的未来AI如何改变神经调控的未来
  • NHS数据显示,英国痴呆症确诊人数创纪录NHS数据显示,英国痴呆症确诊人数创纪录
  • 研究:微软AI诊断复杂病历准确率达医生两倍以上研究:微软AI诊断复杂病历准确率达医生两倍以上
  • 临床语音转文字AI真的可靠吗?临床语音转文字AI真的可靠吗?
  • MD安德森公布34亿美元扩建计划,在休斯顿新建两座大型设施MD安德森公布34亿美元扩建计划,在休斯顿新建两座大型设施
  • 诊断与远程医疗中心展示医疗人工智能标准化工作成果诊断与远程医疗中心展示医疗人工智能标准化工作成果
  • 人工智能加速药物测试,美国实验室面临灵长类动物严重短缺人工智能加速药物测试,美国实验室面临灵长类动物严重短缺
  • 人工智能技术升级德班(Durban)医院放射设备人工智能技术升级德班(Durban)医院放射设备
  • Ro推出医疗健康研究部门,计划向制药商提供数据Ro推出医疗健康研究部门,计划向制药商提供数据
热点资讯
全站热点
全站热文