关键要点
- 立法者正在考虑为医疗领域的人工智能应用设置监管框架，重点保护隐私、数据完整性及透明度，确保系统安全使用。
- 最近立法周期中，聚焦研究、责任使用、患者告知、从业者监管及开发者标准制定等五大政策方向。
- 州立法者可通过制度设计既释放AI的积极潜力，又能防范潜在风险。
人工智能与医疗保健：概述
政策制定者正日益关注人工智能在医疗领域的应用。这项新兴技术既带来突破性应用，也存在风险考量，尤其在医疗这类关乎民生的领域。当前各州正围绕隐私保护、数据安全等维度建立监管框架。
美国州议会全国会议(NCSL)的健康创新工作组持续研究各州医疗体系改革中的挑战与机遇。2024年该工作组重点探讨AI在医疗领域的应用，本报告汇总近期会议成果，包含术语解析、应用场景案例及州立法趋势。
术语表
人工智能(artificial intelligence)作为涵盖机器学习、机器人技术等子集的广义概念，其定义尚未形成共识。政策制定者虽面临监管框架构建的挑战，但已初步确立以下核心定义：
- 人工智能系统：基于预设目标自主生成预测、决策的机器系统，通过环境感知、模型分析及自动推理实现信息处理
- 机器学习：通过算法分析海量数据自主学习改进的技术，区别于传统编程模式
- 深度学习：模拟人脑神经网络处理信息的机器学习分支，适用于结构化数据分析
- 预测AI：运用统计分析和机器学习预测未来结果的技术
目前医疗领域AI应用主要集中在机器学习范畴，其他类型包括自然语言处理、计算机视觉等。
医疗保健领域的人工智能应用
自1970年代起，科学家即开始探索AI医疗应用，当前已实现以下突破：
三大创新应用案例
- 药物发现革命：DeepMind的AlphaFold成功解析近全部已知蛋白质结构，其数据库可显著加速新药研发进程
- 手术风险预测：急诊外科手术风险预测系统(PO-TESR)可准确预测脓毒症休克等术后30天风险
- 新生儿神经发育监测：芝加哥大学康姆儿童医院利用婴儿肠道微生物组数字孪生模型，追踪微生物发育对神经缺陷的影响
州立法动态
2023-2024年各州AI医疗立法呈现井喷态势，立法主题呈现五大方向：
核心政策方向
- 专项研究：设立跨部门工作组开展AI专项评估（如马萨诸塞州HB 3770）
- 责任使用：禁止算法歧视，俄克拉荷马州HB 3577要求保险公司公开AI算法并接受反偏见认证
- 患者告知：加州AB 3030草案规定医疗机构需明确告知患者AI使用情况并提供人工服务选项
- 临床监督：要求医疗机构建立AI工具监测机制，保留医生否决AI决策权限
- 标准制定：区分高风险系统，重点监管直接影响诊疗的AI应用
典型案例
- 加州AB 3030（待审议）：医疗AI生成内容需标注免责声明，并提供联系人工医生的明确指引
- 俄克拉荷马州HB 3577（未通过）：首创保险公司AI算法透明度要求，需经州政府反偏见认证
州立法者正通过制度创新构建AI医疗应用的"安全边界"，既推动技术革新又守住患者权益保障底线。
【全文结束】