人工智能正在重塑诊断、药物发现、临床工作流程、行政管理以及公共卫生政策等各个医疗领域。但其长期价值取决于负责任的采用、人类监督、伦理治理、隐私保护、公平获取以及信任的建立。
人工智能正稳步成为塑造现代医疗保健的最重要技术之一。最初作为一套用于图像识别和数据分析的实验性工具，如今已逐渐融入临床工作流程、医院管理、医学研究、药物发现和公共卫生政策中。
本文参考了世界卫生组织（WHO）在医疗健康领域关于人工智能不断发展的研究成果，从其2021年关于伦理和治理的基础指导，到后来关于监管、大型多模态模型和循证健康政策的工作。这些文件共同阐明了一个明确的观点：人工智能在医疗保健中具有巨大潜力，但其应用必须以安全、透明、问责、公平、隐私保护和人类监督为指导。
全球医疗系统正面临着成本上升、人口老龄化、劳动力短缺、慢性疾病负担加重以及优质医疗服务获取不平等的压力。人工智能本身无法解决这些问题。但当经过负责任的设计和部署时，它可以帮助临床医生、研究人员、管理人员和政策制定者做出更快、更明智和更一致的决策。
关键词是"负责任"。医疗保健不是一个普通的科技市场。错误可能影响生命。偏见可能加深现有的不平等。治理不善的系统可能削弱患者与服务提供者之间的信任。这就是为什么世卫组织近期关于人工智能伦理、监管考虑、大型多模态模型和循证政策的工作尤为重要。
医疗保健中的人工智能不应被视为对人类专业知识的替代。其真正的价值在于增强：加强人类判断、改善工作流程、减轻行政负担，以及帮助医疗系统更智能地应对复杂挑战。
理解人工智能在现代医学中的扩展影响
医疗保健一直依赖于数据、模式识别和基于证据的决策。人工智能之所以有用，是因为它能够比人类单独处理更快地处理大量结构化和非结构化信息。电子健康记录、医学影像、实验室报告、基因组数据、索赔数据、可穿戴设备信号以及公共卫生数据集都正在成为这一扩展智能层的一部分。
行业估计表明，全球医疗保健人工智能市场在未来十年可能会快速增长，这得益于对效率、诊断支持、工作流程自动化和更好患者治疗效果的需求。这些预测应被视为市场估计而非确定事实，但方向是明确的：人工智能正从外围技术转变为医疗系统的主流组成部分。
这一增长得益于机器学习、自然语言处理、计算机视觉和生成式人工智能的进步。早期的医疗保健人工智能系统通常较为狭窄且针对特定任务。较新的系统可以总结医疗记录、起草临床笔记、支持分诊、综合研究、识别影像中的模式，并协助卫生政策规划。
机遇巨大，责任也同样巨大。医疗保健人工智能不能仅凭技术表现来评估。还必须根据其安全性、公平性、临床实用性、隐私保护以及在真实医疗环境中工作的能力来评判。
改变患者护理的关键应用
人工智能应用最明显的领域之一是诊断影像。AI工具可以帮助解读X光片、CT扫描、MRI、视网膜图像、乳房X光片和病理切片。这些系统可以突出可疑模式，标记异常情况，并支持在时间压力下工作的临床医生。
例如，AI工具正在评估用于支持急诊护理环境中X光片上的骨折检测。表述这一点的最佳方式不是AI取代医生，而是它可以作为第二层支持。迄今为止的证据表明，此类工具在与训练有素的专业人员一起使用时，可能有助于减少遗漏的发现，尽管进一步的现实世界验证和监测仍然很重要。
预测性分析是另一个主要领域。通过分析患者记录、实验室结果、生命体征和其他临床数据，AI模型可以帮助识别有败血症、临床恶化、再入院或疾病进展风险的患者。这使护理团队有机会更早干预，优先关注，并更有效地分配资源。
个性化医疗也正在从AI中获益。AI系统可以帮助分析基因谱、治疗史、生活方式因素和疾病标志物，以支持更个性化的治疗计划，而不是仅依赖广泛的人群平均值。在肿瘤学、罕见疾病和慢性疾病管理中，随着时间推移，这一点可能会变得特别有价值。
药物发现和开发是另一个重要前沿。AI可以帮助识别药物靶点、筛选化合物、模拟蛋白质相互作用、预测毒性并改进试验设计。它并不能消除实验室工作、临床试验或监管审查的需要，但可以缩小搜索范围并加速早期研究。
行政工作流程可能会看到最快的近期影响。医生和护士在文档、编码、摘要和重复性系统任务上花费了大量时间。环境临床文档工具已经在现实环境中进行测试和采用，这些工具在获得适当同意后听取医患对话，并为临床医生审查起草笔记。早期证据表明，这些工具可能会减轻文档负担并改善临床医生的健康状况，尽管质量控制、隐私和工作流程适应性仍然至关重要。
AI也正在进入公共卫生领域。它可以支持疫情监测、资源分配、人群风险分析、疫苗接种规划和场景建模。在公共卫生能力紧张的系统中，这可以帮助决策者更快地做出反应并提供更好的证据。
世卫组织不断发展的指导：从伦理到循证政策
世界卫生组织对健康领域人工智能的方法在过去几年中不断发展。其2021年关于伦理和治理的指导为负责任的人工智能在医疗健康中的应用奠定了基础原则。这些原则包括保护自主性、促进人类福祉和安全、确保透明度和可解释性、培养责任感和问责制、确保包容性和公平性，以及促进可持续的人工智能系统。
2023年，世卫组织通过其关于医疗健康人工智能监管考虑的出版物增加了监管视角。这很重要，因为医疗健康人工智能不能仅依赖自愿的伦理声明。它还需要全生命周期监督、安全评估、风险管理、上市后监测和明确的问责制。世卫组织后来关于大型多模态模型的指导将讨论带入了生成式人工智能时代。大型多模态模型可以处理和生成不同类型的数据，包括文本、图像、音频和其他输入。在医疗健康领域，此类系统可以支持临床文档、研究、教育、公共卫生和药物开发。但它们也带来了新的风险，包括幻觉、不安全建议、隐私问题、偏见和过度依赖。
2026年世卫组织讨论文件《人工智能与循证政策——新兴挑战与机遇》进一步扩展了这一讨论。它不仅关注临床护理中的人工智能，还关注人工智能如何影响卫生政策和循证决策。
这是一个重要的转变。医疗健康人工智能不仅关乎诊断或自动化。它还可以塑造哪些健康问题被优先考虑、证据如何被解读、哪些政策获得资金支持，以及结果如何被监测。换句话说，人工智能可能会越来越多地影响系统层面的决策。世卫组织论文绘制了人工智能在政策周期中的角色：识别问题、设计解决方案、支持实施、监测结果以及随时间调整政策。人工智能可以帮助综合大量证据、整合多样化数据源、运行预测模型，并支持更适应性的决策。
然而，该论文也强调了严重的风险。一个担忧是偏见。如果基础数据反映了历史不平等，人工智能系统可能会复制或放大这些不平等。另一个担忧是不透明性。如果决策者无法理解模型如何生成其建议，问责制就会变得困难。世卫组织还提出了认识论不公正的问题。这意味着人工智能系统可能更重视容易量化的数据，而将生活经验、本地知识、社区洞察和定性证据边缘化。在公共卫生中，这一点至关重要。并非所有有价值的东西都能在数据集中被清晰捕捉。
世卫组织指导的核心信息很明确：人工智能应该支持人类审议，而不是绕过它。人类判断对于提出正确问题、解释背景、考虑伦理以及平衡技术输出与社会价值观仍然至关重要。
应对风险和伦理考虑
人工智能在医疗保健中的前景是真实的，但风险也同样真实。可持续的采用需要认真对待治理。关键风险和伦理考虑包括：
- 偏见与公平性：在代表性不足的数据集上训练的人工智能系统可能对某些人群，尤其是代表性不足的群体表现不佳。这可能影响诊断、治疗建议和医疗获取。缓解措施需要多样化的数据集、外部验证、偏见审计和包容性开发。
- 透明度和可解释性：临床医生不需要每个系统都揭示每个技术细节，但他们需要足够的清晰度来理解人工智能输出的基础、局限性和适当使用。患者也应该知道人工智能何时参与他们的护理。
- 隐私和数据安全：医疗保健数据高度敏感。人工智能系统必须建立强大的保障措施，包括同意、访问控制、数据最小化、加密、审计跟踪以及遵守适用法规。
- 劳动力影响：如果使用不当，人工智能可能会鼓励过度依赖、技能退化或盲目接受机器生成的输出。如果使用得当，它可以减少倦怠，改善决策支持，并使医疗工作者从重复的行政任务中解放出来。
- 获取公平性：先进的AI工具可能首先到达资金充足的医院和城市医疗系统，而农村和资源不足的环境则被落在后面。如果没有刻意的努力，人工智能可能会扩大医疗差距而不是缩小它。
- 监管监督：监管正在发展，但通常比技术慢。AI赋能的医疗设备、软件即医疗设备系统和生成式AI工具需要仔细的全生命周期监督，包括上市前评估、上市后监测、不良事件报告、网络安全审查以及出错时的明确问责。
负责任实施的途径
医疗保健中负责任的人工智能采用应围绕几个实用步骤构建：
- 建立强大的治理结构：医院、医疗系统和政策制定者应创建多学科审查团队，包括临床医生、数据科学家、伦理学家、法律专家、IT团队、管理人员和患者代表。
- 部署前评估工具：人工智能系统应评估其临床有效性、操作实用性、偏见、隐私风险和工作流程兼容性。在受控基准测试中表现良好的模型在真实临床环境中仍可能失败。
- 运行受控试点项目：机构应在扩大规模前在有限环境中测试AI工具。评估应包括准确性、患者结果、临床医生工作量、安全性、公平性、成本和用户信任。
- 培训医疗专业人员：医生、护士和管理人员需要了解人工智能能做什么、不能做什么以及如何质疑其输出。AI素养将成为现代医疗保健中必要的技能。
- 加强数据基础设施：可靠的人工智能依赖于可靠的数据。医疗系统需要可互操作的记录、标准化格式、明确的数据治理和强大的质量控制。FAIR数据原则——可查找、可访问、可互操作和可重用——可以支持更可信的人工智能开发。
- 使用动态证据方法：人工智能可以帮助持续扫描、总结和更新医学证据。然而，人工验证必须仍然是过程的一部分，特别是当证据影响临床或政策决策时。
展望未来：协作的未来
人工智能在医疗保健的未来可能更加积极主动、个性化和集成化。AI代理可能会协调复杂的工作流程、总结患者病史、支持预防性护理、跟踪慢性疾病，并协助公共卫生规划。大型多模态模型可能会同时处理文本、图像、语音和结构化数据，创造出更灵活的决策支持形式。
但成功的真正衡量标准不仅仅是技术的复杂性。真正的问题是人工智能是否能改善健康结果、减轻医疗工作者的负担、扩大医疗服务获取，并且做到公平。医疗保健一直依赖于信任。患者将自己的生命托付给医生。医生信任证据、培训和专业判断。政策制定者信任透明、负责且基于现实的系统。人工智能必须加强这种信任，而不是削弱它。
因此，前进的道路既不是盲目采用，也不是恐惧驱动的拒绝。它是有节制的乐观。人工智能应该经过仔细测试、透明治理、持续监控，并以将人类福祉置于中心的方式来使用。如果医疗保健能够正确把握这种平衡，人工智能可以成为有史以来引入医学的最强大支持系统之一。它不是人类护理的替代品，而是实现更好、更快、更安全和更公平护理的倍增器。
医疗保健的未来不会仅由机器构建。它将由那些知道如何明智使用机器的人构建。
【全文结束】