编者注：本文是近期"乐观展望"（Optimistic Outlook）播客节目"人工智能在医疗保健和制造业：为何采用是真正问题"的叙述版本——这是西门子数字工业软件副总裁布列塔尼·恩格（Brittany Ng）与Rad AI首席创新官德米特里·吉亚尼科波洛斯（Demetri Giannikopoulos）之间的对话，阐述了当人工智能获得所需数据时，在医疗保健和制造业这两个关键领域中的潜力。
人工智能正坚定地超越实验阶段，进入现实世界，重塑医院和工业环境中关键工作的完成方式。从放射科诊室到造船厂，讨论焦点已不再是人工智能能做什么，而是它如何通过增强人类专业能力来产生可衡量的影响。
在西门子数字工业软件的布列塔尼·恩格与Rad AI首席创新官德米特里·吉亚尼科波洛斯最近的"乐观展望"播客访谈中，一个共同主题浮现：医疗保健和制造业创新中工业人工智能的未来，不在于取代人类，而在于赋能人类在高风险环境中做出更优决策。
提供患者所需的正确医疗数据
在各行业中，当人工智能增强而非取代人类判断时，其价值最为显著。这一点在医疗保健领域尤为明显，因为数据量即使对经验最丰富的临床医生来说也可能不堪重负。
吉亚尼科波洛斯在播客中表示："医疗保健是一个信息量大到令人难以承受的领域。能够穿透这些噪音可能极其困难。"
通过大规模聚合和解读数据，医疗保健中的人工智能正帮助临床医生更快地建立联系——减少遗漏或延迟诊断，并指导更精确的护理路径。吉亚尼科波洛斯在播客中指出，人工智能能够整合跨系统和专科的碎片化信息，提供更清晰、更完整的患者健康图景。
他表示："本质上，人工智能...能够处理我们拥有的海量数据...最终帮助将患者与最佳信息和可用的最佳路径联系起来。"
以行业"数字骨干"推动创新
尽管风险程度不同，制造业和造船业面临的系统性挑战与医疗保健非常相似：复杂系统、高安全要求以及每一步都需要精确性。
正如布列塔尼·恩格在播客中指出的，转折点在于强大的数字基础架构的出现——包括数字孪生制造环境和互联生产系统。
恩格表示："我们终于拥有了我所说的数字骨干。人工智能现在有了结构化的上下文数据可供处理，而不仅仅是碎片化的电子表格。"
这一数字骨干正使人工智能从理论洞察转向可操作的建议——优化规划、提高质量并加强在国防和经济韧性至关重要的行业中的生产能力。
核心在于获取高质量、互联的数据。在医疗保健中，跨越多个系统的纵向数据集可以解锁早期检测和更有效的治疗方法。在制造业中，将设计、工程和生产数据连接起来能够实现持续改进。
建立对技术的信任
尽管技术迅速进步，恩格和吉亚尼科波洛斯都强调，扩大人工智能规模的最大障碍不是创新——而是信任。
在医疗保健中，信任至关重要，因为患者治疗结果直接处于风险之中。这要求对人工智能系统的训练、更新和验证过程保持严谨。
吉亚尼科波洛斯表示："你需要与临床医生建立信任。你需要与这些技术所帮助的患者建立信任。"
同样，在工业环境中，采用取决于确保人工智能无缝集成到现有工作流程中，并以使工人能够相信并适应其日益广泛使用的方式赋能他们。
恩格指出："成功取决于为工程师和技术人员提供增强其专业知识的人工智能工具，而不是干扰其工作方式的工具。"
这种对信任、治理和可靠性的重视正在塑造人工智能在医疗保健和工业两个领域的部署方式——谨慎但有目的地迈向规模化。
互联数据是信任的基础
这一转型的核心在于获取高质量、互联的数据。在医疗保健中，跨越多个系统的纵向数据集可以解锁早期检测和更有效的治疗方法。在制造业中，将设计、工程和生产数据连接起来能够实现持续改进。
恩格简洁地阐述了这一挑战："人工智能的真正威力仅与数据连贯性相当。"
打破数据孤岛并实现生态系统间的互操作性至关重要——不仅为了性能，还为了确保人工智能提供一致可靠的成果。
人工智能是劳动力倍增器
除生产力外，人工智能正日益被视为解决医疗保健和制造业领域劳动力挑战的方式。在医疗保健中，临床医生短缺和日益增长的需求正在使系统紧张。在制造业中，技术工人缺口正在限制产出。
人工智能可以通过自动化重复性任务并将人类角色提升至更高价值工作来提供帮助。
恩格表示："通过自动化规划、文档和分析，人工智能实际上释放了工程师...使他们能够专注于工艺和问题解决。"
在放射学领域，类似的收益已经显现，人工智能通过协助分析和报告——使临床医生能够更专注于患者护理。
加速跨行业创新
或许最引人注目的是人工智能如何解锁了全新的可能性。在造船业，生成式设计和动态生产模拟正实现更快、更适应性的决策。在医疗保健中，人工智能正在加速研究时间表并帮助发现新的治疗路径。
吉亚尼科波洛斯表示："现在临床医生可以在全新水平上进行研究。"这最终可能导致人们"在以往无法存活的情况下存活"，这归功于研究中的人工智能驱动发现。
这些突破凸显了人工智能不仅在改进现有流程，还在扩展医疗健康和工业系统中可能实现的边界。
为未来规模化人工智能
随着人工智能采用加速，数据、技术和紧迫性的融合正在创造一个独特的机遇期。恩格和吉亚尼科波洛斯都谈到了一个人工智能完全融入工作结构的未来——支持更好的决策、更强的结果和更具韧性的行业。
决定成功与否的不仅是技术能力，还有负责任、透明且规模化部署人工智能的能力。
前进道路很明确：建立信任、连接数据并专注于增强人类专业知识。有了这些基础，人工智能就能兑现其承诺——转变我们关爱患者、构建关键基础设施以及解决时代最复杂挑战的方式。
发布日期：2026年6月16日
【全文结束】