北国医疗保健中心（North Country HealthCare）在其服务的部分地区是"唯一的医疗服务提供者"，该联邦认证健康中心的质量与人口健康管理官珍妮弗·科尔特斯博士（Dr. Jennifer Cortes）表示。该机构运营13家初级保健诊所和2个流动医疗单元，为亚利桑那州北部农村地区的5.5万居民提供医疗服务。
科尔特斯指出，部分社区位置极为偏远——患者可能需要数小时车程才能获得专科治疗——这使得医护人员招募面临挑战。"这正是人工智能可以发挥作用的领域，"她说，"采用AI记录员（通常可自动记录医患对话并生成临床文档）能减轻医务人员的部分行政负担，降低职业倦怠。"
"当ChatGPT刚推出时，我心想'天啊，这可能会让我们的工作轻松许多'，"科尔特斯坦言，"我只希望这份工作别总是这么艰难。如果AI能实现这些，那就太棒了。"然而专家表示，对基层医疗提供者而言，实施AI项目绝非易事。该技术部署需要大量人力投入，且要求具备专业技术能力和监管能力，许多资源匮乏的机构难以轻易获取这些条件。
专家警告，若资源最少的医疗系统（通常服务医疗状况最复杂的患者群体）无法享受AI红利，它们与大型或富裕医疗机构的差距将进一步拉大。"观察当前积极部署AI的医疗机构类型，负担得起的机构正更积极地推进，"负责制定医疗AI使用准则的行业组织健康人工智能联盟（Coalition for Health AI）首席执行官布莱恩·安德森（Brian Anderson）指出，"例如农村社区的机构，缺乏IT人员部署和配置各类AI工具，这正是AI领域已显现的数字鸿沟。"
大量人力投入
专家表示，在医疗系统中采用AI产品需要专业人力和技术资源来安全实施，这对资金紧张的基层提供者构成重大障碍。"人们常将其比喻为'打开电灯开关'般简单，"明尼苏达大学公共卫生学院助理教授佩奇·农（Paige Nong）说，"实际上远非如此。这些工具和系统需要大量人力投入。"
由于更依赖面临联邦资金削减的医疗补助计划（Medicaid）以及更高的无偿护理需求，基层提供者通常处于微利运营状态。健康政策研究机构KFF数据显示，2023年为弱势群体提供初级保健的社区健康中心净利率仅为1.6%，较2022年的4.5%大幅下滑，主因通货膨胀及疫情时期资金支持到期。此外，联邦基金报告显示，超70%的社区健康中心去年报告了初级保健医生、护士或心理健康专家短缺问题，而人力成本对许多机构而言是重大支出。
专家强调，AI实施还需持续管理：医疗系统需建立AI治理架构以评估产品安全性和有效性，确保合规；同时必须持续监控AI工具，因为患者特征等模型基础假设可能随时间变化，导致性能下降。"手术刀生锈时明显需要更换或清洁，"健康人工智能联盟的安德森比喻道，"但许多AI工具我们尚无法察觉问题。医疗系统如何负担长期监测和管理这些模型，是现实隐忧。"
技术支持缺口
专家指出，医疗机构需要具备专业技术能力的IT人员来部署AI工具，这对资金紧张的农村机构尤为困难，因其难以吸引技术人才。"许多基层提供者没有数据科学家，"杜克健康创新研究所人口健康与数据科学主管马克·森达克（Mark Sendak）表示，"考虑到这类高薪岗位不直接产生诊疗收入，在部分医疗场景中雇用他们可能并不合理。"
健康IT供应商OCHIN首席对外事务官珍妮弗·斯托尔（Jennifer Stoll）补充，财务困境也阻碍了AI所需IT基础设施的投资："社区健康组织的挑战在于，许多机构别无选择，只能依赖过时低效的技术系统。不仅这些系统是唯一可用的，有些甚至无法整合AI工具——进一步加剧了技术鸿沟。"
与此同时，AI可能排在IT团队待办事项的末尾。例如北国医疗保健中心的诊所Wi-Fi时常不稳定，且其遗留电子健康记录系统将在几年后停止厂商支持，必须更换新系统。"我们连基础保障都缺失，"科尔特斯感叹，"即使不谈AI，我们已落后。"
错失AI机遇
专家认为，这些制约因素正影响资源匮乏机构实施AI的进程。《健康事务》（Health Affairs）年初发表的研究显示：仅61%使用预测性AI模型的美国医院通过自有数据评估了准确性，仅44%进行了本地偏见评估（这对确定工具是否适用于特定患者群体至关重要）。拥有自研预测模型、高运营净利率及隶属医疗系统的医院更可能进行本地化评估。
"你拥有资源、IT团队和能设计或评估电子健康记录供应商模型的数据科学家，"该研究作者农教授强调，"资源是持续开展评估和定制模型的关键要素。"专家警告，若缺乏援助，资金与技术能力不足的机构可能错失AI潜力，或在无必要保障的情况下仓促采用，从而扩大医患资源差距。
森达克举例道："基层机构本就面临医护人员招聘留任难题。当新毕业的住院医师寻找初级保健职位时，会选择提供AI文档助理（可缓解职业倦怠）的医疗系统，还是无法部署该技术的诊所？"健康人工智能联盟的安德森补充，若AI仅由资源最丰富机构采用，可能强化工具中隐含的偏见："若算法训练数据持续仅来自沿海高学历城市社区，AI将缺失其他群体信息。我们的社会责任是确保AI能同等服务阿巴拉契亚农村居民、堪萨斯务农社区民众，就像服务旧金山或波士顿人群那样。"
寻求援助途径
专家表示，存在多种方法可助力小型资源匮乏机构采用AI产品，包括借鉴其他新兴技术的支持模式。例如2009年《HITECH法案》推动电子健康记录使用时，曾资助区域扩展中心（Regional Extension Centers），为小型初级保健诊所、社区健康中心提供实地技术援助。
类似地，卫生资源与服务管理局资助的12个区域及2个国家远程医疗资源中心，为实施虚拟护理的机构提供培训资源。农教授指出，电子健康记录供应商也应发挥作用——其研究中近80%医院通过EHR开发商获取预测模型，这可成为安全部署模型的关键支点。
大型医疗系统与学术医学中心也能协助资源匮乏的同行。包含杜克健康和梅奥诊所的健康AI合作伙伴关系联盟（Health AI Partnership）运营的"实践网络"（Practice Network），通过一对一支持帮助基层机构采用AI最佳实践。作为首批参与者，北国医疗保健中心获得该网络的技术支持，以推进AI采购、评估与实施。但杜克大学的森达克坦言："实践网络目前仅服务5家基层机构，而全美有数百家联邦认证健康中心亟需支持。"
"当前关于医疗AI的讨论与实际提供医疗服务者的采用能力存在巨大鸿沟，"北国医疗保健中心的科尔特斯呼吁，"当人们热议巨额AI投资时固然令人振奋，但如何带我们一同前进？"
【全文结束】
