医疗保健领域的人工智能常常被大肆宣传：一场即将到来的革命、解决低效率的方案，甚至是一位新的诊断伙伴。但对于那些多年来深入参与科学和系统工作的人来说，情况更为复杂。事实上，我们正经历着或许可称为医疗保健领域人工智能的第二次炒作周期。第一次随着深度学习的突破而到来，而目前正在展开的第二次，则由生成式人工智能和代理系统推动。两者都创造了巨大的期望。更难的问题是：人工智能究竟需要什么才能真正实现其承诺？
正如克劳迪奥·西尔维斯特林所言："深度学习出现时，出现了第一次炒作周期。早期算法在大量图像数据上进行训练，因此它们也擅长检测图像上的内容——病变、癌症、骨折、脑出血。这对诊断来说是一个很好的应用场景。"
这是起点：专注于图像的窄域应用，增强了医生的诊断能力而非取代他们。但如今，范围已广泛得多。生成式人工智能和语言模型可以解读临床笔记、总结患者病史，并为研究生成新的假设。突然间，人工智能感觉像是一种可以渗透到医疗保健各个部分的万能工具。然而，正如克劳迪奥所警告的："我们确实还处于真正有效利用它的最初阶段。"
医疗保健行业与其他许多行业不同，不能简单地"快速行动并打破常规"。监管、数据隐私和临床工作流程的复杂性意味着采用速度滞后。即使技术已经存在，将其整合到实践中也是另一回事。这不仅仅是关于算法的问题；而是关于重塑数十年来建立的机构文化。例如，制药巨头已经以前所未有的规模积累了数据，但其遗留结构使得部署人工智能变得缓慢且零散。相比之下，尤其是美国和中国的较小AI优先生物技术公司，可以从一开始就将人工智能融入其DNA中，以灵活的方式运作。
克劳迪奥在此处提出了一个引人注目的类比："如果你想在人工智能方面取得成功，你需要全力以赴。我看到了汽车行业中电动汽车的平行情况。对于大众等老牌公司来说，实现这种转变是一个巨大的挑战。而在汽车领域，像特斯拉这样的公司则是从一开始就为此而建立的。"
教训很明确。医疗保健真正需要的是领导力、整合和文化准备。高级决策者必须将人工智能理解为一种战略能力。人工智能团队必须成为组织的有机组成部分，在高管层面有代表，而不仅仅是附加在现有结构上。最重要的是，人工智能不应被视为魔法，而应被视为一种与临床医生等最终用户合作时效果最佳的工具。
正如克劳迪奥在我们的讨论中总结的："我见过人工智能通过检测医疗图像上的病理学来拯救生命，否则这些病理学可能仍然未被发现。我总是希望有一位医生与人工智能一起查看我的病例。我认为大多数人，如果他们看到我所看到的，会有同样的感受。"未来不是炒作，而是合作，这就是人工智能将兑现其承诺的方式。
【全文结束】
