许多研究医疗公平性的学者发现，女性与男性在医疗照护方面存在显著差异，女性健康领域的发展相对滞后。此外，医疗体系中持续存在的其他不平等问题，阻碍了真正平等医疗世界的构建。
"人工智能被誉为医学领域的变革力量，有望加速药物研发并增强临床研究，以对抗困扰人类数千年的疾病，"米歇尔·R·考夫曼博士（Michelle R. Kaufman）与AI助手Yajuan共同撰文指出，"要使所有人受益于未来突破，AI开发者必须着手纠正医学研究中长期存在的不平等现象：即对女性的系统性偏见。"
放射学作为诊断多种严重疾病的关键手段，正经历AI带来的深刻变革。AI辅助临床医生解读影像扫描，这对女性健康意味着什么？
在4月9日至10日举办的"行动中的想象力"活动上，《波士顿环球报》记者亚伦·普雷斯曼采访了Clarity公司康妮·莱曼，探讨AI对女性健康的影响。
"我始终专注于女性健康与全球医疗可及性，"莱曼为讨论定下基调，"朋友们惊讶于我对放射学的热情，他们认为这不适合我。但医学影像的力量令我着迷——它在医疗领域尚未被充分挖掘，无论是体外成像还是体内成像技术都蕴藏巨大潜力。"她由此开启了这一领域的探索。
莱曼剖析了传统乳腺X光检查的局限性："乳腺X光片远远不够。部分女性需要增强成像技术，例如磁共振或增强型乳腺X光检查，才能观察到体内的血流和血管流动情况。"她强调需针对每个案例采取个性化分析："并非所有问题都适用同一解决方案。我们曾将乳腺X光检查视为万能工具，却缺乏精准匹配患者与检测手段的方法，导致医疗实践长期困于'一刀切'的粗放筛查模式。"
谈及技术发展历程，莱曼指出1970年代的早期研究为女性医疗带来转机，MIT教授雷吉娜·巴齐莱的患病经历与主持人凯蒂·库里克的乳腺癌抗争历程尤为关键。"巴齐莱震惊于后续治疗决策中科学依据的匮乏，"莱曼解释道，"这促使她的实验室决心改变这一领域。"库里克的案例则凸显了无家族病史者仍可能罹患乳腺癌的普遍困境。
她同时指出数据与流程方面的挑战："人类在医疗领域始终面临变革阻力。我们必须善用变革管理工具，推动决策科学化，提升各方参与度。"全球范围内，乳腺X光筛查每年产生海量女性数据，"乳腺癌诊疗的核心正是这些大型数据库，"莱曼表示。
她重点介绍了"清晰度评分"系统的创新应用："模型输入包含标准筛查所需的女性乳腺四组基础影像——左右乳房各两组视图。系统从中提取预测数据，生成未来五年患癌概率的百分比评分。"这种基于AI的乳腺X光风险评估，使医生能动态追踪女性风险变化，提供精准的持续风险管理方案。
在医疗公平性方面，莱曼尖锐指出："医学史上，我们始终未能确保研究涵盖疾病风险人群的全部多样性。美国国立卫生研究院（NIH）仍在使用不含雌性小鼠的实验——因其生理周期会干扰数据。试想，女性所用药物剂量标准竟主要基于男性数据，这是何等严峻的挑战！"她强调全球医疗联盟正努力解决这些问题，但道路依然漫长。
本次访谈还涉及患者权益平等、FDA审批流程等重要议题，充分展现AI如何在关键领域平衡医疗服务质量，提升关键时刻的诊断精准度。春季会议更多成果即将发布。
【全文结束】
