人工智能正在彻底改变全球各行各业，医疗领域也不例外。
从诊断、药物发现到数据分析、患者监测等各个方面，人工智能正在改变我们对待医疗的方式。《健康科技世界》采访了该领域的专家，了解他们对未来医疗领域中人工智能的看法，以及它将在哪些方面产生最大影响，我们可能会遇到哪些挑战和机遇。
波士顿咨询集团的董事总经理兼合伙人克里斯·迈尔认为，人工智能正在全面重塑医疗保健——从加速研发和改进诊断到护理交付和精准医疗——过去五年里，人工智能的应用取得了显著进展。
“如今的人工智能工具被用于发现新药、分析可穿戴设备的数据以实现更准确的诊断，并支持医生和医院为患者提供高度个性化的护理，”迈尔表示。
“人工智能技术也在改变我们发现、诊断和提供治疗的方式。因此，它使医疗更加高效，帮助为患者和医生带来更好的健康结果。
“近年来，许多医疗机构开始探索人工智能和生成式人工智能，并学习如何应用它们。老牌企业凭借其深厚的专业知识和对该领域的理解，处于受益于人工智能的有利位置。
“其中许多企业还拥有大量的数据——这是成功应用人工智能的关键要素。相比之下，被称为‘科技挑战者’的新进入者可以更加灵活和创新，从而能够在更深层次上重塑医疗保健。
“展望未来，我们预计组织将专注于实施和扩展人工智能，以充分发挥其潜力。这包括改变业务流程，全面嵌入人工智能工具的使用，并提升员工技能。”
私人超级计算机公司Arcium的首席执行官兼联合创始人扬尼克·施拉德表示：“改善医疗系统不应以牺牲患者隐私为代价，但这是整合通用人工智能（AGI）和机器学习所面临的问题。
“训练和运行这些机器需要处理大量患者数据，然后这些数据会被暴露给第三方，甚至可能遭受网络攻击。虽然医疗数据中心长期以来一直是恶意行为者的目标，但AGI增加了这些事件的规模和成本。
“好消息是，像Arcium这样的私人计算平台可以用来缓解与人工智能相关的风险，从而使医疗和其他行业能够在不损害隐私或安全的情况下利用这项技术。
“借助Arcium的基础设施，数据可以在完全加密的状态下进行处理，这样程序可以在不暴露底层患者信息的情况下分析和报告关键信息。因此，创新不必以个人隐私为代价。”
Attensi公司的首席执行官特隆德·阿斯表示：“人工智能驱动的医疗培训的未来非常有前景——这是我们见证的最具创新性的时代之一，对医护人员及其患者具有重大影响。
“我们现在能够提供的高质量培训体验，包括超现实的模拟和与虚拟人物的对话角色扮演培训，在最近的人工智能进步之前是无法实现的。此外，由于人工智能，这种高质量培训的影响因创建速度和数量而得到增强。
“我们现在帮助医疗机构通过一个由高级人工智能助手支持的人工智能平台在内部创建培训内容。无需编程即可大规模快速地创建高质量的培训内容。
“人工智能将继续提高培训计划的效率、效果和个人化，培养出更优秀的医护人员并改善患者的治疗效果。”
阿斯认为，在培训方面，人工智能将在软技能培训和教育、内容创作以及数据分析方面产生最大的影响，帮助领导团队评估培训的质量和成功程度，识别差距和改进领域，并为未来的培训决策提供依据。
阿斯指出，这不会没有挑战，包括与现有系统的集成将是需要克服的一个障碍，以确保无缝集成，从而最大限度地发挥人工智能在医疗培训中的优势。
然而，这些挑战也带来了机会，正如阿斯解释的那样，包括个性化，因为人工智能可以帮助根据个人的学习风格和需求定制培训计划；可扩展性，因为人工智能驱动的工具可以快速扩大培训计划的规模，同时保持一贯的高质量，以适应大量医护人员的需求；持续改进，因为人工智能系统可以根据用户反馈和性能数据不断学习和改进。
阿斯表示，人工智能需要改进的领域包括增强现实感，随着人工智能和仿真技术的进一步发展，可以使培训场景更加逼真，为医护人员提供更具沉浸感和真实感的学习体验；以及可访问性，确保所有医护人员都能使用人工智能驱动的培训工具，无论他们的技术水平或资源如何。
阿斯总结道：“总之，人工智能在医疗培训中的未来是光明的，有许多机会可以提高培训计划的效率、效果和个人化。
“通过解决这些挑战并利用这些机会，人工智能可以显著提高医护人员的准备水平，最终带来更好的患者治疗效果。”
SAS欧洲、中东和非洲地区医疗保健负责人克里斯蒂安·哈达尔表示：“人工智能和机器学习在医疗保健领域的未来将带来深刻的变革，使护理变得更加精确、高效和响应迅速。这些技术已经在推动变革，例如计算机视觉和自然语言处理（NLP）使得早期和更准确的诊断成为可能，同时也推动了个性化和精准医疗的发展。
“与此同时，预测分析正在帮助临床医生做出明智的决策，人工智能驱动的解决方案正在提高治疗精度并优化医院运营。目前医疗保健面临的一个主要挑战是患者积压，英国国民医疗服务体系（NHS）的等候名单已达到750万。人工智能驱动的分析以及像患者缺席预测和手术风险评估等人工智能解决方案可以通过建模患者旅程、预测瓶颈和优化资源分配来帮助解决这个问题。
“例如，我们与剑桥大学马克斯韦尔中心的合作将SAS Viya平台嵌入学术研究和医疗技术创新中。这一合作使高影响力项目的定向研究成为可能，支持学术界和有前途的初创企业。其中一个突出的成功项目是利用人工智能驱动的分析来改进肾脏移植资格。这有可能使更多的肾脏器官可用于移植，每年仅在英国就可以挽救更多生命，提高100多人的生活质量，并显著降低NHS的成本。
“然而，人工智能在医疗保健领域的有效性和广泛应用，特别是在NHS中，受到数据素养和所需技能发展的挑战。从临床医生到管理人员，医疗保健专业人员通常缺乏充分解释和利用人工智能系统生成的大量数据的技术专长。如果没有对人工智能和机器学习算法的基本理解，就可能出现怀疑、误解或低效利用这些强大工具的情况。
“确保医疗保健人员接受足够的数据素养培训对于释放人工智能的全部潜力至关重要。这不仅包括理解算法本身，还包括开发批判性评估结果并将结果纳入决策过程的能力。解决这一技能缺口将是克服人工智能采用障碍并最大化其在改善患者护理、运营效率和整体医疗保健成果方面能力的关键。
“SAS Viya平台通过为技术人员（如数据科学家）和非技术人员（如研究人员和临床医生）提供编程接口来促进这一点。这消除了非技术人员的编程障碍，使他们能够专注于理解应用于其健康数据的人工智能技术，而不必担心编码语法或要求。
“通过利用人工智能来增强诊断、预测患者结果和简化医疗保健运营，临床医生可以获得强大的数据驱动洞察，从而为患者提供更好、更个性化的护理。人工智能还在提高医院效率方面发挥着关键作用，从优化人力资源到减少再入院率，确保患者流动得到有效管理。人工智能驱动的模型可以整合床位可用性、等待时间和社会护理资源的数据，以实现更高效的出院计划并防止不必要的延误。
“展望未来，随着医疗保健组织面临越来越大的压力，既要改善结果又要控制成本，人工智能的整合对于确保更有效、高效和可及的护理至关重要。
“随着不断的发展，人工智能将在塑造医疗保健的未来中发挥更大的作用——支持早期干预、简化患者旅程并确保医疗保健系统能够以最佳状态运行。”
Unlearn公司的首席执行官史蒂夫·赫恩相信人工智能可以彻底改变临床研究。
赫恩表示：“临床研究既缓慢又昂贵——后期试验平均耗时数年且在美国花费3000万至5000万美元，而患者则在等待救命疗法。
“医疗保健行业的未来取决于该行业如何整合人工智能和机器学习以进行更高效的试验。
“一个突破性的例子是人工智能驱动的数字孪生模型，它可以预测个别患者的健康状况是否会随实验药物而发生变化。临床试验患者的数字孪生使试验可以用较小的样本量进行，从而加快临床开发时间表，并更快地将新治疗方法带给患者。”
ReflexAI的首席执行官萨姆·多里森表示：“随着医疗行业的演变，组织意识到良好的声誉不仅仅是可见度和医疗专业知识——它还意味着在每个接触点为患者提供一致的积极体验。这种演变促使许多医疗机构专注于改善患者互动并建立长期信任。
“积极的患者体验会随着时间的推移加强关系。例如，一个在紧急护理中有积极体验的人在未来寻求专科医生时更有可能回到同一医疗机构。
“人工智能和机器学习在这方面发挥了关键作用。这些技术帮助医疗团队更清晰地沟通，更富有同情心地回应，并提高整体效率。人工智能驱动的培训工具使工作人员能够精进处理从常规查询到复杂敏感对话的各种技能。
“重点不仅在于临床医生，还在于管理治疗选择、药物副作用和账单查询的患者支持团队。在一个资源受限的世界中，使用这些技术可以将手动培训成本降低50%以上，同时使员工技能提高两位数。
“随着人工智能的不断发展，它在塑造医疗体验中的作用只会越来越大。那些既关注技术和以患者为中心的护理的组织将最有可能建立持久的关系，并在长期内改善医疗服务。
“他们也将是那些能够因更强的基础而更快创新的组织，从而带来更好的患者结果和财务指标。”
(全文结束)