盡管AI帶來了許多機遇，但也存在顯著且合理的擔憂，例如輸出準確性、透明度、整合、數(shù)據(jù)隱私、倫理、公平性和法規(guī)合規(guī)性等問題。

應(yīng)對當今威脅景觀的機器規(guī)模

“AI在醫(yī)療保健中的整合不僅是進化，而是一場革命，承諾顯著提升患者護理、運營效率和醫(yī)學研究。”密歇根大學弗林特分校創(chuàng)新與技術(shù)學院網(wǎng)絡(luò)安全臨床教授Timothy Bates告訴記者。

但他強調(diào)，“實現(xiàn)這一潛力需要解決重大挑戰(zhàn)。”

AI貫穿于醫(yī)療工作流程

 首先，AI可以接管費時的重復性任務(wù)，例如總結(jié)預約記錄（已被證明其比人類做得更好），這項技術(shù)還可以簡化行政流程，如排班、計費和患者管理。此外，AI驅(qū)動的預測分析可以幫助資源分配。

“盡管對GenAI存在合理的擔憂，五年后，醫(yī)療服務(wù)提供者會想知道他們以前是如何在沒有它的情況下運作的，尤其是在轉(zhuǎn)錄臨床筆記和決策支持方面。”藥物管理公司DrFirst的首席醫(yī)療官Colin Banas博士說。

更進一步，AI可以改善診斷，因為它可以快速準確地分析大量數(shù)據(jù)，Bates表示。例如，AI算法可以分析醫(yī)學圖像，以比傳統(tǒng)方法更早更準確地檢測出癌癥、心臟病或神經(jīng)系統(tǒng)疾病。

Aidoc就是一個例子，它通過高精度檢測醫(yī)學影像中的異常來幫助變革放射學。

“AI具有可以比醫(yī)生現(xiàn)在所能做到的更早地在影像中檢測出癌癥的算法，提供更早、更不具侵入性的治療和更高的生存機會。”SEO公司Rank Secure的CEO Baruch Labunski說。

AI還可以通過分析遺傳學、生活方式、藥物、病情和過去的手術(shù)等數(shù)據(jù)來支持更個性化的醫(yī)療，Bates指出，而且，模型可以遠程監(jiān)控跟蹤生命體征和健康指標的可穿戴設(shè)備，這對管理慢性病和在服務(wù)不足地區(qū)提供護理特別有益。

同樣，預測分析可以幫助預見患者惡化、敗血癥和其他關(guān)鍵病情，從而允許及時干預。例如，醫(yī)院正在使用AI預測患者再入院風險，并相應(yīng)地量身定制出院后的護理計劃，Bates指出。

從基礎(chǔ)設(shè)施的角度來看，預測分析還可以優(yōu)化復雜醫(yī)院環(huán)境的運營，Hitachi Vantara全球數(shù)字創(chuàng)新營銷與戰(zhàn)略高級總監(jiān)Bjorn Andersson表示。模型可以分析傳感器的實時輸入，甚至外部天氣預報數(shù)據(jù)，以幫助機構(gòu)在即將到來的熱浪或其他天氣相關(guān)事件中預先部署資源。

“隨著天氣事件變得越來越不可預測和嚴重，物理和網(wǎng)絡(luò)的結(jié)合變得越來越重要。”Andersson說。

支持藥物發(fā)現(xiàn)和臨床試驗

專家指出，AI在研究實驗室中，特別是在藥物發(fā)現(xiàn)和開發(fā)方面具有巨大潛力。

例如，美國國立衛(wèi)生研究院（NIH）國家癌癥研究所的研究人員構(gòu)建了一種機器學習（ML）模型，可以更準確地預測免疫檢查點抑制劑（治療癌癥的藥物）的效果，另一個例子是Google的DeepMind，它在蛋白質(zhì)折疊預測方面取得了突破，以幫助藥物發(fā)現(xiàn)。

“在醫(yī)療保健中使用AI的最佳方面之一是分析擬議的藥物治療、副作用及其可能的相互作用。”Labunski說。

同時，在臨床試驗中，GenAI可以通過比較問卷數(shù)據(jù)和試驗要求來預篩選患者，從而增加合格參與者的數(shù)量，患者招募平臺Clinical Trial Media的CEO Cara Brant說。

“這有助于降低成本和時間，這兩者都會影響潛在改變生活的藥物快速上市。”她說。

圍繞數(shù)據(jù)隱私、整合和透明度的擔憂

另一方面，AI在醫(yī)療保健環(huán)境中的使用中最關(guān)鍵的兩個問題是數(shù)據(jù)隱私和安全性。

Bates指出，醫(yī)療數(shù)據(jù)具有“高度敏感性”，這需要在使用AI時采取“強有力的數(shù)據(jù)保護措施”，“確保患者機密性并防止數(shù)據(jù)泄露至關(guān)重要。”他說。

法規(guī)合規(guī)是另一個重要問題，醫(yī)療機構(gòu)必須在數(shù)據(jù)可訪問性與HIPAA等嚴格的隱私法規(guī)之間找到平衡。“確保符合現(xiàn)有法規(guī)，同時適應(yīng)新法規(guī)，這對醫(yī)療提供者和技術(shù)開發(fā)者來說都是一項艱巨的任務(wù)。”Bates說。

此外，醫(yī)療機構(gòu)可能難以將AI與現(xiàn)有的傳統(tǒng)系統(tǒng)整合，這可能導致互操作性問題，這反過來需要在升級和員工培訓方面進行投資。關(guān)于員工（包括患者），也可能對AI的可靠性和有效性持懷疑態(tài)度，Bates指出。

“AI不會分享其得出結(jié)論的過程，缺乏透明度可能會在治療和提供護理時帶來問題。”Labunski說。

Muddu Sudhakar，企業(yè)搜索公司Aisera的聯(lián)合創(chuàng)始人兼CEO，同意“模型可能是復雜的黑箱，透明度很低。”此外，“AI并不完美，它也會犯錯誤。”

因此，Bates指出，未來的重要任務(wù)是通過透明的過程、嚴格的測試和展示實際的好處來建立信任。

確保人類繼續(xù)幫助人類

隨著行業(yè)越來越多地采用AI和自動化，人們“顯著擔憂”會轉(zhuǎn)向減少人與人之間的互動。

“醫(yī)療保健是高度個性化和親密的，這是AI最大的限制之一。”她說。

患者希望與他們信任的提供者合作，而普通人可能并不完全理解他們的診斷或治療計劃意味著什么。他們必須與另一個人合作，才能理解所有不同的細微差別。“醫(yī)療行業(yè)面臨的挑戰(zhàn)是如何在利用AI優(yōu)化流程和保留某些僅由人類提供護理的領(lǐng)域之間找到平衡。”她說。

至少在目前，AI是一個可以在掃描和測試結(jié)果上“獲得第二意見”的提供者，The Relayer Group的執(zhí)行董事HP Newquist同意這一觀點。AI可以分析每個患者的“數(shù)據(jù)倉庫”，并與最新的醫(yī)學論文和最先進的實踐進行比對，數(shù)據(jù)然后可以快速總結(jié)并提供給醫(yī)生，以及相應(yīng)的建議。

“關(guān)鍵字是‘建議’——AI還遠未達到無需人工監(jiān)督就能做出決定的地步。”Newquist說。

他指出，沒有一個醫(yī)生能跟上其選擇領(lǐng)域中新的信息流，然而，一個每日接收同行評審期刊報告的LLM可以迅速推薦關(guān)于特定疾病、手術(shù)和患者護理的最新觀點。

“對于更多的臨床任務(wù)來說，‘增強智能’是醫(yī)療保健的最佳選擇。”Banas同意。