人工智能(AI)具有顯著改善醫療保健服務的潛力。由于人工智能能夠從非常大的數據集中解鎖見解和模式，因此為創新，高價值，增強功能奠定了基礎，例如患者退化預測，針對特定條件的適當干預建議，以及并行的許多生命體征的高頻分析和見解。CalmWave創始人兼首席執行官OphirRonen討論了采用人工智能的障礙以及醫療行業如何克服這些障礙。

然而，根據布魯金斯學會最近的一份報告打開了一個新的窗口，醫療行業在采用人工智能方面尤為謹慎。盡管謹慎對待新技術是很自然的，但在醫療保健領域尤其明顯，因為為患者提供最佳護理涉及到巨大的責任。臨床醫生在采用人工智能時擔心的因素有很多，包括害怕被邊緣化，害怕人工智能引發的錯誤對患者健康造成負面影響(即死亡)，以及害怕基于黑盒人工智能的結論理解不到位。

在探討這些問題之前，重要的是要了解醫療保健提供者將從人工智能中獲得什么，特別是在工作條件方面。

人工智能能為醫療保健做些什么?

人工智能有可能通過增強臨床醫生識別和治療疾病的能力來徹底改變醫療保健。人工智能系統可以分析來自電子健康記錄、成像研究和其他來源的大量數據，以發現人類難以發現的模式。這些分析可以導致更早、更準確的診斷、更好的治療結果和更個性化的護理。

人工智能可以產生重大影響的一個領域是減少臨床醫生的職業倦怠。特別是護士，由于其工作的高要求，他們面臨著倦怠的風險。人工智能可以根據ICU警報的頻率、患者的敏銳度以及干預的頻率和復雜性，提供客觀的工作量衡量指標，從而幫助緩解這一問題。使醫院管理者和管理人員了解臨床醫生的工作量和倦怠的可能性，可以促進數據驅動的機會，使工作場所更健康，臨床醫生希望留在那里，并遵循他們對治療的熱情。

除了減少倦怠，人工智能還可以通過整合實時數據來提供可操作的見解和預測分析，幫助臨床醫生做出更明智的決策。例如，人工智能算法可以分析患者數據，以識別有并發癥風險的患者，并提醒臨床醫生采取預防措施。這可以通過避免更嚴重的并發癥來改善患者的治療效果并降低醫療成本。

總的來說，人工智能有可能通過增強臨床醫生分析大量數據和識別人類難以檢測的模式的能力來改變醫療保健。通過減少倦怠，提供實時數據和預測分析，人工智能可以幫助臨床醫生做出更明智的決策，改善患者的治療效果，并降低醫療成本。

人工智能廣泛應用的常見障礙

人工智能似乎是讓醫護人員的生活變得更輕松的關鍵。然而，將復雜和不熟悉的技術引入這樣一個重要的行業有幾個風險。事實上，許多醫護人員擔心人工智能對提供者和患者來說弊大于利。

以下是醫療服務提供商可能抵制人工智能的幾個原因:

1. 可解釋性

也許在醫療保健領域采用人工智能的最大障礙是圍繞人工智能機制的謎團。這些算法是如何工作的?上述數據點是如何產生的?“黑箱”人工智能已經成為過去，臨床醫生(和監管機構)希望在涉及到基于人工智能的解決方案時能夠解釋。

“可解釋性”是指機器學習模型及其輸出可以在人類可接受的水平上以一種“有意義”的方式進行解釋的概念。為了放心地將人工智能應用到他們的操作中，醫療從業者必須證明它將遵守希波克拉底誓言，即“不傷害”。如果不徹底了解人工智能是如何做出決策的，從業者將很難把重要的責任交給機器。

2.偏見和歧視

許多醫療保健系統正在穩步加大努力，解決種族差異問題，并擴大少數民族和服務不足社區的服務可及性。不幸的是，醫學有著悠久的偏見歷史。在某些情況下，人工智能被用來加劇這一問題。

從業者可能會擔心，在特定數據集上訓練的人工智能算法會系統性地忽視公司范圍內改善健康公平的舉措，從而使歧視性做法永久化。當今醫療保健領域的任何基于人工智能的技術，在開發更全面、更強大的解決方案以改善每個人的醫療服務時，都必須考慮這些動態。

3.風險與舒適

技術永遠不會是完美的。醫療服務提供者追求完美，因為任何不完美的地方都可能意味著生命受到影響。醫療保健的風險很高，對任何新醫療技術的期望也很高。基于人工智能的產品非常準確，但并不完美。因此，基于人工智能的新技術仍然可能導致一些錯誤或失敗，可能導致誤診或虐待危重患者。這種期望并不是人工智能所獨有的，但它確實創造了一個很高的，有時甚至是不切實際的門檻，減緩了采用速度。此外，遺留系統也面臨著持續的挑戰。

不同的組織有自己的病人護理系統和方法。供應商通常認為熟悉度和一致性比先進性和準確性更重要。一項技術不夠好或準確，但考慮臨床醫生使用和理解這項技術的舒適度同樣重要。

4.缺乏監管

盡管FDA已經批準了數百種人工智能醫療設備，但對于醫療保健領域的非商業人工智能算法，還沒有相關規定。制定這些法規的挑戰很大程度上源于人工智能的發展速度。這種表面上缺乏監督和問責制的情況，對醫護人員來說是可以理解的，他們更希望知道這項新技術已經得到監管機構的批準，并遵守一定的標準，尤其是在隱私和匿名方面。

如何將人工智能引入醫療保健

盡管臨床醫生持保留意見，但人工智能能夠而且將會改變醫療保健的面貌。然而，為了成功實施基于人工智能的工具，臨床醫生必須站在設計、測試和培訓新醫療技術的最前沿。

設計

為了給人工智能系統以信任，醫療從業者必須直接參與其設計和實施。你不能責怪臨床醫生，因為他們希望人工智能開發人員能夠分享他們的目標，并充分意識到他們的擔憂。

醫院是具有關鍵工作流程的復雜生態系統。將人工智能成功地集成到醫療保健系統中，需要全面查看現有的工作流程，以改進它們，而不是增加更多的工作。將衛生工作者納入設計階段對于確保人工智能優先考慮可用性并無縫融入日常工作流程至關重要。

透明度

人工智能系統的開發人員必須為從業者提供人工智能決策過程的充分可見性和透明度。不僅要向用戶提供過程的最終結果，還要向用戶提供支持決策的數據。如果沒有這一基本要求，人工智能在重癥監護功能中的應用前景似乎很遙遠。臨床醫生必須覺得他們同意算法的設計以及人工智能處理的數據，以提供預期的結果。

用戶測試

為此，醫護人員應該有足夠的機會在臨床環境中測試人工智能。這些真實世界的交互最終將揭示哪些用例支持從業者和患者的護理交付，而哪些用例會產生不必要的并發癥。

簡單地將人工智能技術投入醫院病房，而不向臨床醫生提供用戶測試，將加劇臨床醫生對不熟悉、偏見和故障風險的擔憂。讓臨床醫生從一開始就習慣使用這項技術，將減輕他們的擔憂，并改善整合。此外，來自醫護人員的反饋最終將幫助人工智能公司不斷提高其技術能力，以簡化日常任務，滿足從業者最緊迫的需求。

臨床證據

有一件事可以保證獲得醫療服務提供者的認可:證明。許多醫療保健遵循臨床循證方法。臨床循證醫學(EBM)是一種醫學實踐方法，強調使用現有的最佳研究證據來指導臨床決策。EBM的目標是通過確保治療和干預是基于最新和最可靠的科學證據來提高病人護理的質量。這里的關鍵詞是證據。

雖然這需要花費更多的時間，并且可能看起來像一個巨大的不便和采用障礙，但這通常是確保安全和可持續解決方案的必要步驟。需要明確的是，存在不同程度的證據，醫療保健行業(包括監管機構)必須適應條件、場景和例外情況，提供適當的靈活性，以加速技術的使用。把證據放在技術背后，不僅可以改善患者護理，還可以灌輸臨床醫生推動采用所需的信心。

醫療保健提供商：人工智能的目的是增強你的能力

醫療行業對人工智能的保留無疑是合理的，值得認真對待。首先要承認人工智能帶來的變化，并消除人工智能的引入將立即使行業現代化的觀念。

對于醫護人員來說，重要的是要知道，沒有他們的投入，人工智能就不會被采用，任何人工智能計劃都將有明確定義的目標、價值觀和證據。臨床醫生可以、應該而且必須在設計、測試和實施人工智能技術方面擁有發言權。沒有臨床醫生就沒有醫療保健。隨著越來越多的醫護人員有機會成為醫療人工智能增強技術的組成部分，從而使他們更加了解自己的新能力:減輕壓力、改善工作條件和改善患者預后，廣泛采用人工智能的障礙將逐漸消失。