去年12月，约翰·彭内利的故事登上了当地和全国新闻。这位来自布拉德福德的前陆军上尉成为了一个典型案例，展示了新的人工智能算法如何帮助识别一种隐匿性心脏疾病，这种疾病会增加患者发生可能致命或改变人生的中风风险。
这位退休的祖父在2024年夏季参加了一项名为FIND-AF的算法研究试验后，被诊断出患有心房颤动（AF）。
这项基于机器学习开发的技术会搜索人们的全科医生记录，以识别可能表明他们在未来六个月内有发展为心房颤动风险的警示信号——然后为这些人提供进一步检测以确认诊断。
当时74岁的约翰对新闻媒体表示："我没有任何症状。我在外出时偶尔会感到有点气喘，但这只是因为我们周围有很多山，有些非常陡峭。"
约克郡影像协作组织已实施变革性的人工智能影像技术，可帮助更快地诊断患有危及生命疾病的患者。
据估计，在英国每年约有20,000例中风与心房颤动有关。虽然对高风险中风的心房颤动患者有治疗方法，但有些人因为不知道自己正面临健康威胁而错失了治疗机会。
克里斯·盖尔是利兹大学心血管医学教授，也是这项试验的负责人。
他表示："根本问题在于，我们通常在患者出现中风或心房颤动的其他并发症（如心力衰竭、快速心悸或心脏病发作）时才发现心房颤动。可以说，这时已经太晚了。心房颤动早已存在并造成了问题……我们的一项任务是看看能否在这些问题发生之前识别出心房颤动，或者识别出那些已经患病但不知情的人。"
FIND-AF算法由利兹大学和利兹教学医院NHS信托的科学家和临床医生开发，资金来自英国心脏基金会。研究团队利用210多万人的匿名电子健康记录，训练该算法找出表明人们在未来六个月内有高风险发展为心房颤动的警示信号。
阿尔伯特·翁教授、理查德·托马斯和乔纳森·泰勒展示AI扫描图像。
盖尔教授同时也是利兹的一名荣誉顾问心脏病专家，他表示："如果评分显示你不太可能有心房颤动，那么你确实非常非常不可能有，这是一个很好的排除测试……它不能检测出所有人，但它检测出尚未被发现或诊断的心房颤动的比例远高于其他研究。"
该团队目前正在寻求与NHS合作推广该算法，盖尔教授表示该算法还可能检测其他潜在可调节的心脏疾病。
在医疗服务的十年计划中，英国政府承诺"将NHS打造成全球人工智能应用最广泛的护理系统"，并指出其用途可包括将一线工作人员从行政工作中解放出来、支持基因组数据的解读以及提高诊断的有效性。
在全国各地的医院中，人工智能工具已经开始实施，帮助阅读和解读人体影像，包括X光和心脏、肾脏等器官的扫描。
例如，在谢菲尔德，谢菲尔德大学和谢菲尔德教学医院NHS基金会信托的肾脏医生和临床科学家正在使用人工智能，通过MRI扫描数据更好地预测一个人的肾脏何时可能衰竭。
该信托的顾问肾脏病学家兼遗传学临床负责人阿尔伯特·翁教授一直在他的专科肾脏诊所使用该工具，他表示该软件比人工流程快六倍。
该工具提供对总肾脏体积的准确快速分析，这是一种用于评估患有常染色体显性多囊肾病（ADPKD）患者未来肾脏寿命的测量方法。
今年早些时候，该信托和大学开发的另一款人工智能工具登上了BBC的《全景》节目。该软件旨在加快心脏病诊断，提供对心脏图像和扫描的快速分析，并在几分钟内执行对其功能的复杂测量。
如果没有人工智能，这些计算将不得不由放射技师或医生在多张图像上费力地描绘心脏腔室的轮廓来完成。
在约克郡其他地区，唐卡斯特和巴塞特劳教学医院信托是全国几家在放射科服务中使用人工智能的机构之一，用于支持胸部X光和非对比CT脑部扫描的解读。
该技术通过检测一系列发现并根据不同的紧急程度标记和优先处理病例，协助临床医生进行分诊工作。
与此同时，约克郡影像协作组织（YIC）——该地区六个NHS信托放射科部门合作的统称——已实施人工智能以帮助更快地诊断疾病。
每年，这些信托机构大约进行40万次胸部X光检查，需要由专业放射科医生或报告放射技师解读。该软件就像临床医生的第二双眼睛，使他们能够优先审查被识别为可疑或需要进一步调查的胸部X光片。其目的是帮助更早地识别严重疾病（如肺癌），以便患者能够尽早开始治疗。
YIC顾问肌肉骨骼放射科医生兼临床负责人丹尼尔·法西亚博士表示，该技术还有助于减少积压，并支持放射科团队以外的工作人员更快地将患者引导至正确的治疗途径。
他表示："作为放射科医生，我们在查看所有这些影像方面非常擅长且训练有素，但我们的劳动力严重短缺。这项技术真正增加价值的地方在于，它使那些在该领域训练不如我们的人能够更早地发现问题——例如，夜间在病房工作的急性医学初级医生，或在轻伤科室或急诊科工作的执业护士。人工智能软件向他们突出显示一个非常重要的发现，如潜在的癌症，他们可以在初次接诊患者时就采取行动，开始将患者引导至正确的护理方向。"
根据NHS的人工智能和数字医疗技术能力框架，人工智能正在医疗保健中进行试点，用于更快更准确的诊断，以及协助或自动化重复性任务，旨在支持减少由人类疲劳引起的错误、降低成本并降低死亡率。
然而，它也面临挑战，包括人工智能算法依赖于用于训练它们的数据、维护隐私、"围绕问责制、公平性、透明度和可信度的伦理和监管问题"，以及医疗和社会护理工作人员需要对该技术有基本了解。
为了帮助了解患者和工作人员对人工智能在医疗保健中使用的看法，健康基金会慈善机构委托进行了一项调查，该调查于2024年6月和7月进行，对象包括7,000多名公众成员和1,200名NHS工作人员。
该慈善机构在报告其分析时表示，超过一半的英国公众（54%）和四分之三的受访NHS工作人员（76%）表示支持将人工智能用于患者护理，更大比例的人表示支持将人工智能用于行政目的（分别为61%和81%）。
然而，突出的担忧包括人工智能对医疗保健社会和关系方面（患者和工作人员感到彼此距离更远）的潜在影响，以及人工智能对决策准确性的影响，30%的公众认为人工智能的主要缺点将是医疗保健工作人员不会质疑人工智能系统的输出，因此可能会遗漏错误。
该慈善机构在总结研究关键点时表示："这些结果表明，人工智能技术需要以保护甚至增强护理的人文维度的方式设计和使用……当人工智能输出由人类检查时，公众也更可能支持人工智能参与决策。这些结果表明，公众非常重视在人工智能在医疗保健中的许多用途中保持人类参与。"
【全文结束】