人工智能推动医疗健康变革的七种方式

目前全球有45亿人无法获得基本医疗服务，预计到2030年，世界将面临1100万医疗工作者短缺的局面。人工智能有望填补这一缺口，彻底重塑全球医疗格局，甚至能让我们实现联合国提出的“到2030年实现全民健康覆盖”的可持续发展目标。

然而，世界经济论坛白皮书《人工智能赋能医疗行业的未来：AI引领智能新征程》指出，尽管技术发展迅猛，医疗行业在人工智能应用方面却“低于平均水平”。

如下图所示，私人资金对医疗行业中的人工智能投资水平参差不齐。白皮书指出：“人工智能数字健康解决方案有望提升全球医疗效率、降低成本并改善健康成果。”以下是七项已在医疗领域产生实际影响的人工智能技术案例。

一款新型人工智能软件在分析中风患者脑部扫描图像时，准确率是专业人员的两倍。英国两所大学利用800份中风患者脑部扫描数据集对该软件进行训练，随后在2000名患者身上进行了测试。

测试结果令人印象深刻。除具备高准确度外，该软件还能识别中风发生的时间范围——该信息对医疗人员至关重要。

神经科顾问医师Paul Bentley向《健康科技报》透露：“对于多数血栓性中风患者，若在发病4.5小时内接受治疗，可同时采用药物和手术疗法。6小时内仍可手术，但超过此时间点后，治疗效果评估将变得复杂，因多数病例已不可逆转。因此医生必须掌握发病初始时间，以及中风是否可逆。”

令人惊讶的是，急诊医生漏诊骨折的比例高达10%。更严峻的是，X光技师不仅人手短缺还面临超负荷工作。

因此，采用人工智能进行初筛既能避免不必要的X光检查，又可减少漏诊率。英国国家卫生与临床优化研究所（NICE）指出该技术安全可靠，可减少复诊需求。

但医疗领域人工智能的快速普及也引发担忧。

牛津大学人工智能伦理研究所的 Caroline Green向BBC强调：“使用者必须接受专业培训，理解并掌握如何规避技术局限带来的风险——例如人工智能提供错误信息的可能性。”

英国每月约有35万人通过救护车送医。急救人员需在床位紧张的现实中判断患者是否需要转运。

英格兰北部约克郡的研究发现，80%的案例中人工智能能准确预测需要转院的患者。该模型通过患者活动能力、脉搏、血氧水平及胸痛等指标训练而成，且证实其判断无偏见。但英国国家卫生与临床优化研究所提醒，在推广该模型应用前仍需进一步训练。

制药巨头阿斯利康宣布，其研发的新型人工智能机器学习模型能在患者尚未察觉症状前，就检测出特定疾病的存在。

该模型基于英国健康数据库中50万人的医疗数据，能够“以极高置信度预测数年后的疾病诊断结果”。

研究负责人Slavé Petrovski向天空新闻表示：“对于许多疾病而言，当临床症状显现、患者因不适或体征就医时，往往已错过最佳治疗时机。”

“我们能从个体特征中捕捉到高度预示性信号，可预测阿尔茨海默病、慢性阻塞性肺病、肾病等多种疾病的发病风险。”

另一项英国研究发现，人工智能工具能成功检测出64%的被放射科医生漏诊的癫痫脑部病变。该工具通过全球1100余名成人及儿童的核磁共振扫描数据训练而成，不仅比医生更快发现病变，还能识别肉眼难以察觉的微小或隐蔽病灶。

首席研究员Konrad Wagstyl向BBC解释：“这如同在五页纯文本中寻找一个字符。AI能发现医生遗漏的三分之二病灶，但剩余三分之一仍极难定位。”研究人员指出，将AI检测结果与人类监督及专业判断相结合，有望加速诊断与治疗进程。

医生需做出明智而迅速的医疗决策：人工智能虽能加速决策过程，但也可能提供不可靠或存在偏见的资讯。

美国研究发现，ChatGPT、Claude、Gemini等标准大型语言模型（LLM）无法为临床医生的医学问题提供足够相关或基于证据的解答。但基于检索增强生成（RAG）技术的ChatRWD系统——该技术通过整合LLM与检索系统提升输出质量——对58%的问题给出了有效解答（而LLM系统的解答率仅为2%-10%）。

用于协助患者分诊的数字化平台也日益普及。世界经济论坛数字医疗转型倡议2024年发布的洞察报告中，对数字化患者平台Huma的案例研究显示：该平台可降低30%的再入院率，将患者评估时间缩短40%，并“减轻了医疗服务提供者的工作负担”。

报告展望未来，称此类技术将“彻底改变患者体验。健康人群可通过自我监测设备优化身心状态，而患病者将获得多样化的数字解决方案”。

传统医学在170个国家实践，惠及数十亿人口，其在现代社会保持生命力的部分原因在于强调整体医疗理念。尽管人工智能与传统医学看起来难以结合，研究表明二者实则相得益彰。世界卫生组织（WHO）及其合作伙伴发布的最新简报《如何在传统医学中应用人工智能》揭示了人工智能如何在保护文化遗产的同时，提升传统、补充和整合医学（TCIM）的水平。

印度率先建立传统知识数字图书馆，运用人工智能工具对本土医学典籍进行编目分析。该国还探索人工智能与阿育吠陀基因组学（融合印度传统医学体系阿育吠陀与现代基因组学的领域）的交叉应用，以寻找能应对现代疾病的草药配方。

相似的是，加纳研究人员正运用学习模型识别和分类药用植物，韩国则借助人工智能分析传统药物成分治疗血液疾病。

全球TCIM市场预计2025年将达近6000亿美元规模，人工智能有望加速其发展进程。该简报特别强调在此过程中保障原住民数据主权的重要性。

“人工智能绝不能成为新的剥削前沿，”世卫组织卫生系统助理总干事Yukiko Nakatani博士表示，“我们必须确保原住民和当地社区不仅受到保护，更能成为塑造传统医学人工智能未来的积极合作伙伴。”

医疗领域中，行政事务既不可避免又耗时费力。借助人工智能助手，临床医生将能腾出更多时间专注于患者诊疗。

微软近期推出Dragon Copilot人工智能医疗工具，可实时聆听并记录临床诊疗过程。谷歌则已推出一系列专为减轻医疗行政负担而设计的人工智能模型。在德国，一个名为Elea的人工智能平台将检测与诊断时间从数周缩短至数小时，其创始人决心证明这项技术“可以成为医疗人员的盟友，而非阻碍”。联合创始人Sebastian Casu向欧盟初创企业表示：“没有人加入医疗行业是为了耗费数小时处理行政事务。”

当然，让人工智能工具监听并记录就诊过程的做法未必能获得所有人认同。英国近期研究显示，仅29%的人愿意信任AI提供基础健康建议（尽管超过三分之二受访者认可该技术能为专业人员节省时间）。准确性问题同样值得关注。去年有报告指出，多家医院用于整理病患会谈记录的OpenAI旗下Whisper系统存在部分转录内容虚构的情况。

正因如此，AI工具的监管至关重要。在英国，人工智能驱动的医疗设备受到药品和保健品监管局的严格监管。在美国，食品药品监督管理局（FDA）去年审查了医疗领域的人工智能监管，并得出结论：虽然FDA将继续在确保人工智能工具的安全、有效和可信度方面发挥核心作用，但所有相关方以严谨态度对待人工智能这项变革性技术也至关重要。

本文作者：

Madeleine North，论坛议程资深撰稿人

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

翻译：李子健

编辑：王灿