醫(yī)療AI的應用還未到成熟期。
越來越多的報道將人工智能技術視為改善醫(yī)療系統的“潛力股”，尤其是在醫(yī)療資源匱乏和分布不均的中低收入國家 (LMIC)。因為人工智能的價值在于通過支持和標準化臨床判斷，并通過以數據為導向的方法標準化臨床流程，因此在醫(yī)療資源匱乏的地區(qū)，人工智能驅動的臨床工具被寄予“提高醫(yī)療服務數量和質量”的厚望。
然而醫(yī)療AI在中低收入國家醫(yī)療領域的實際應用范圍和效果如何？德國海德堡大學和英國劍橋大學的學者為此進行了一項回顧性研究，收集了2009年1月1日至2021年9月30日發(fā)表在Scopus、EMBASE、MEDLINE、Global Health和APA PsycInfo的相關文獻，以及通過Google學術搜索到的灰色文獻，最終聚焦到10項評估人工智能在LMIC醫(yī)療領域的應用研究。這10項研究中，有4項研究在中國進行，AI的應用范圍包括臨床決策支持系統、治療計劃、分診助手和健康聊天機器人。
通過對現有研究的匯總，研究人員從以下三個方面進一步分析了人工智能在中低收入國家醫(yī)療保健中應用情況。
01
AI技術對醫(yī)療服務的影響
有效性：多項研究表明，人工智能技術以多種方式改進了醫(yī)療服務的流程，部分研究表明人工智能縮短了診斷和治療時間。其中臨床決策支持系統通過向醫(yī)生推薦診斷方案，對中國基層的診所產生了一些積極影響，包括促進醫(yī)療信息搜索和減少醫(yī)療錯誤的可能性。
可靠性：四項研究顯示，人工智能工具給出的決策和醫(yī)生決策保持一致，但也有部分人工智能建議的治療方法被認為過于昂貴、無法獲得、對患者過于激進，或者當地可用的替代方法更受歡迎。受訪醫(yī)生認為，主要原因是AI系統與其他IT系統的互操作性差、使用不準確的信息以及缺少患者收入和保險背景信息。
成本效益：成本應是中低收入國家采用AI工具的一個重要考量，但當前的研究中缺乏關于醫(yī)療AI工具成本效益的分析。這也反映了人工智能在醫(yī)療服務應用中的成熟度——醫(yī)療AI的應用還未到成熟期，因為成本效益分析必然發(fā)生在AI工具實施的后期。
02
應用AI賦能的醫(yī)療服務的經驗
數據集：人工智能應用和機器學習需要大量完整且定期更新的數據集，而大多數中低收入國家往往缺乏這些數據。用高收入國家數據集訓練的人工智能，不一定能給中低收入國家的醫(yī)護人員提供恰當的治療建議，在同一國家的不同地區(qū)之間也有此類問題。
信任度：用戶的信任和接受是人工智能在全球健康和醫(yī)療保健領域的一個關鍵特征。只有一半的研究有關于AI算法的描述，醫(yī)療AI應該對數據源保持透明，并能在臨床醫(yī)生做出決策時給出解釋。否則，它可能會對信任基礎產生負面影響，并導致臨床人員拒絕使用醫(yī)療AI技術。
接受度：各項研究表明，醫(yī)療AI在用戶友好性和與現有基礎設施的兼容性上表現較好。但也有醫(yī)生認為，臨床決策支持系統需要提供太多信息，因此耗時較長。
03
在中低收入國家的醫(yī)療系統中，挑戰(zhàn)醫(yī)療AI實施的關鍵要素
數字素養(yǎng)：一些中低收入國家在常規(guī)收集數據的數字化、數據管理等方面仍然面臨挑戰(zhàn)。持續(xù)努力協調衛(wèi)生信息系統中的碎片化的數據，以培養(yǎng)準確、可靠、及時、可互操作的數據集對于推進人工智能技術至關重要。
系統集成：由于沒有足夠的人員和技術支持，AI工具和現有工作流程和基礎設施的集成仍是一大挑戰(zhàn)，這“最后一公里”的實施情況可能會導致高性能的AI工具在實際應用中效果不佳。
醫(yī)護人員接受度：一些中低收入國家的醫(yī)護人員因為擔心AI可能會替代他們的工作，阻礙了醫(yī)療AI的進一步應用。在醫(yī)療資源缺乏地區(qū)引入新型AI工具還需考慮到如何提高醫(yī)護人員采用復雜技術工具能力，這不僅需要在使用上采取更簡單的界面和操作，還應該考慮對使用人員進行充分培訓。研究人員認為，醫(yī)學課程和教材在修訂中也應考慮以納入最新的醫(yī)療技術，以加強未來醫(yī)護人員對技術的信任和有效使用，避免他們將新技術視為額外的負擔。
研究人員總結道，醫(yī)療AI在分診、診斷和治療計劃上展示出了潛力，但創(chuàng)新技術的接受是一個緩慢的過程，醫(yī)療AI可從開發(fā)過程開始就與用戶主動溝通，進行“漸進式培訓”。
