想象一下你走进医生办公室，感觉身体不适，医生无需翻阅你的病历或进行需要几天时间的检查，而是立即整合你的健康记录、基因信息和可穿戴设备数据，帮助判断你到底哪里出了问题。
这种快速诊断正是人工智能在医疗保健领域的一大承诺。这项技术的支持者表示，未来几十年，人工智能有望拯救数十万甚至数百万条生命。
此外，一项2023年的研究发现，如果医疗行业大幅增加人工智能的使用，每年可节省高达360亿美元的成本。
然而，尽管人工智能几乎无处不在——从智能手机到聊天机器人再到自动驾驶汽车——它对医疗保健的影响至今仍然相对有限。
2024年美国医学会的一项调查显示，66%的美国医生曾在某种程度上使用过人工智能工具，高于2023年的38%。但其中大多数用于行政或低风险支持工作。尽管2024年有43%的美国医疗机构增加了或扩展了人工智能的应用，但许多应用仍处于探索阶段，特别是在医疗决策和诊断方面。
我是研究人工智能和医疗数据分析的教授和研究人员。我将尝试解释为什么人工智能的发展将是渐进的，以及技术限制和伦理问题如何阻碍了它在医疗行业的广泛应用。
诊断不准确，种族偏见
人工智能在分析大规模数据集方面表现出色。在医学领域，这些数据中的模式可能预示着早期疾病的迹象，这些迹象可能是人类医生容易忽视的，也可以根据类似症状和背景的其他患者对治疗的反应来推荐最佳治疗方案。最终，这将带来更快、更准确的诊断和更个性化的护理。
人工智能还可以通过分析工作流程、预测人员需求和安排手术，帮助医院更高效地运营，从而最有效地利用手术室等宝贵资源。通过简化原本需要数小时人工完成的任务，人工智能可以让医疗专业人员将更多时间投入到直接的患者护理中。
但尽管人工智能功能强大，它也会犯错。虽然这些系统是基于真实患者的数据进行训练的，但当遇到不寻常的情况，或者数据与面前的患者不完全匹配时，它们可能会出现困难。
因此，人工智能并不总是提供准确的诊断。这个问题被称为算法漂移——即人工智能系统在受控环境中表现良好，但在现实世界中准确性下降。
种族和民族偏见是另一个问题。如果数据中存在偏见，因为它没有涵盖足够多的某些种族或民族群体的患者，那么人工智能可能会为他们提供不准确的建议，导致误诊。一些证据表明这种情况已经发生。
数据共享担忧，不切实际的期望
医疗系统的复杂性堪称迷宫。将人工智能整合到现有流程中前景令人望而生畏；引入像人工智能这样的新技术会打乱日常运作。工作人员需要额外的培训才能有效使用人工智能工具。许多医院、诊所和医生办公室根本缺乏时间、人员、资金或意愿来实施人工智能。
此外，许多尖端的人工智能系统运作方式是不透明的“黑箱”。它们会输出建议，但即使是开发人员也可能难以完全解释其背后的逻辑。这种不透明性与医学领域的需求相冲突，因为医学决策需要明确的理由。
然而，开发人员通常不愿意披露其专有的算法或数据来源，既是为了保护知识产权，也是因为其中的复杂性难以简化。这种缺乏透明度的现象加剧了从业者的怀疑，从而减缓了监管审批的进程，并削弱了人们对人工智能输出结果的信任。许多专家认为，透明度不仅是伦理上的附加要求，更是人工智能在医疗环境中被接受的实用必要条件。
还有隐私方面的担忧；数据共享可能会威胁到患者的保密性。为了训练算法或做出预测，医疗人工智能系统通常需要大量的患者数据。如果处理不当，人工智能可能会暴露敏感的健康信息，无论是通过数据泄露还是患者记录的意外使用。
例如，一名医生使用基于云的人工智能助手起草病历笔记时，必须确保未经授权的第三方无法访问该患者的数据。美国法规如《健康保险可携性和责任法案》（HIPAA）对健康数据的共享施加了严格的限制，这意味着人工智能开发者需要建立强有力的保护措施。
隐私问题也延伸到患者对医疗系统的信任：如果人们担心自己的医疗数据可能被算法滥用，他们可能会变得不那么坦诚，甚至拒绝接受人工智能指导的治疗。
人工智能的宏大承诺本身也成了一道障碍。人们的期望非常高。人工智能经常被描绘成一种神奇的解决方案，能够一夜之间诊断任何疾病并彻底改变医疗行业。像这样的不切实际的假设往往会导致失望。人工智能可能不会立即兑现其承诺。
最后，开发一个运行良好的人工智能系统涉及大量的试错过程。人工智能系统必须经过严格的测试，以确保其安全有效。这需要数年时间，即使一个系统获得批准，随着它遇到新的数据类型和现实情况，仍可能需要进行调整。
渐进的变化
如今，医院正在迅速采用人工智能记录员，它们可以在患者就诊期间监听并自动生成临床笔记，从而减少文书工作，让医生有更多时间陪伴患者。调查显示，目前已有超过20%的医生使用人工智能来撰写进展记录或出院摘要。人工智能也正在成为行政工作中的一个隐形推动力。医院部署人工智能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。
人工智能在临床中的应用存在但较为有限。在一些医院，人工智能是放射科医生的“第二只眼睛”，帮助寻找疾病的早期迹象。但医生们仍然不愿意将决策权交给机器；目前只有大约12%的医生依赖人工智能进行诊断帮助。
简而言之，医疗保健向人工智能的过渡将是渐进的。新兴技术需要时间成熟，而医疗的短期需求仍然超过长期收益。与此同时，人工智能治疗数百万患者并节省数万亿资金的潜力仍在等待实现。
【全文结束】
