在医疗保健领域，数十亿美元已经投入到人工智能（AI）中。我们是否投在了正确的地方？Jennifer Goldsack 和 Shauna Overgaard 在2024年11月17日发表的文章中提出了这一问题。
关于医疗保健领域人工智能的前景，人们已经讨论了很多。仅在美国，今年风险资本对健康AI的投资就将达到110亿美元，此外还有来自机构投资者和其他组织的资金，这些资金涉及庞大的4.5万亿美元美国医疗保健市场。投资和实施生成式AI的各种应用的热情，伴随着这种技术将成为打破现有体系的灵丹妙药的保证。同时，批评者认为，我们在准备和能力方面不足，无法在这个关乎生命的行业中大规模推广这项技术，而健康公平仍然是遥不可及的目标。
现实是，现在下结论说生成式AI在医疗保健领域的应用会带来帮助、伤害还是仅仅浪费数十亿美元而没有改善人们的生活还为时过早。然而，我们可以确定的是，我们对未来短期内资源分配的决策将决定这一最新医疗创新的结果。
目前，生成式AI解决方案的采用主要限于领先的学术医疗中心，这在医疗保健领域的创新扩散中是典型的。以推动腹腔镜手术（微创手术）进步的技术进步为例。这些依赖于小切口摄像头的新微创技术最初由学术机构的外科医生开发，随后在全国范围内广泛采用。通过这种方式，严谨的研究最终带来了更好的患者体验、显著更好的结果和巨大的成本节约。这种创新的扩散和巨大的投资回报并不是自然而然发生的；巨额投资被用于推动微创手术革命。从重新配置手术室以适应这些新技术、重新设计临床工作流程到对整个临床团队进行大量再培训，成功的大规模实现并非偶然。
在规划AI驱动的医疗保健未来时，我们必须将真正投资于研究生成式AI所需临床工作流程、培训和支持医疗工作者以安全有效地实施这些工具视为基本要求。
更广泛地采用腹腔镜手术需要新的知识、技能和专长，但并不需要新的护理团队。无论是腹腔镜手术还是开放手术，成功的手术都依赖于外科医生对生理学、解剖学、疾病机制和手术技术的知识。然而，识别和管理医疗保健中使用AI的风险，如有限的理解AI如何做出决策（“黑箱推理”）、保持AI性能的一致性（“AI漂移”）和避免过度依赖AI建议（“自动化偏见”），以及确保隐私和安全，都需要护理团队具备根本不同的技能组合，这远远超出了传统临床劳动力的能力范围。
仅仅在现有的临床劳动力中增加新技能的要求是不够的。相反，我们必须开始投资一个多学科的医疗保健劳动力，结合传统的临床专业知识和技术能力，并补充新的护理和社区角色，因为我们准备迎接AI将从根本上改变我们在数字时代提供护理的方式。
在AI时代的医疗保健中，我们不仅仅希望有一种新的手术方法；我们必须努力防止尽可能多的人需要手术。超越这个类比，我们不仅仅希望使用AI更好地对急诊室的患者进行分类；我们必须向上游推进，防止人们需要紧急护理。我们不仅仅希望让人们对晚期癌症诊断的复杂性更容易应对。我们必须确保他们根据个人风险接受适当的筛查，然后进行快速诊断和优化治疗，无论他们当前的护理渠道如何，都能轻松获得和负担得起。
这一愿景要求我们在与健康AI相关的当前关注点和资源配置策略上进行根本性的转变。我们必须超越“模型”，立即开始更有意地解决我们试图用这一代新工具解决的问题。已经投入和即将投入的数十亿美元，除非我们优先考虑患者的需求，建立和使用驱动医疗保健根本不同方法的AI解决方案，否则不会在商业上或临床结果上取得回报。
要实现这一点，我们必须投资将科学发现转化为实用的现实医疗保健解决方案。这包括评估和改进工作流程、通过培训和计划准备劳动力，以及建设必要的基础设施。如果我们不将这些努力与目前开发新模型的投资相匹配，就不会有市场接受这些新解决方案。
这些准备工作必须在全球所有护理环境中分布，否则生成式AI将无法到达最需要这些创新的健康系统和患者，也无法减少我们通过保险贡献和税收承担的整体护理成本。
这些准备工作的投资——远低于目前资源投入的下游——不能等待。如果我们在成功的大规模实施计划方面不做准备，那么投入到健康AI的数十亿美元将被浪费，从一个破碎的医疗服务系统转变为一个公平、负担得起的医疗保健系统的机遇也将丧失。
（作者是Jennifer Goldsack，数字医学（DiMe）协会首席执行官，和Shauna Overgaard，梅奥诊所数字健康中心AI战略与框架高级总监）
（本文首次出现在世界经济论坛。阅读原文请访问这里）
(全文结束)
