尽管人工智能驱动的医疗解决方案已证明其影响力和可靠性，医疗机构仍难以从人工智能投资中实现预期价值。
最有前景的应用场景是慢性病的早期诊断和风险分层，但人工智能也有望彻底改变药物研发和卫生系统运营。
人工智能对全球健康的影响取决于三项促成条件：可用且具有代表性的数据、可信赖的设计，以及可扩展性。
GPS问世前，驾驶员依赖朴素的纸质地图。GPS改变了一切。这项技术并不完美——它不了解新修道路、临时封路和交通状况——但我们仍采用了它，因为它胜过原有方式。偶尔出错并非天大的坏事；公众或许并未完全理解基于卫星的无线电导航，但他们也不需要理解。
然而，自动驾驶技术面临重重挑战，因为它复杂、事关生死，而且必须能在任何地点、任何条件下运行。医疗保健领域的人工智能与自动驾驶汽车相似：用于构建算法的数据和假设并不透明，笨拙的算法可能造成严重后果；要变革医疗保健，解决方案还必须能够大规模部署。
推动医疗保健领域人工智能创新的三大趋势
三大深刻变革正在推动人工智能创新及其对全球健康的影响。首先是数据洪流。1950年，医学知识的翻倍时间为50年；到2020年，这一时间缩短至73天。在我们对美国、欧洲和亚洲1,000名医生开展的调查中，绝大多数人表示他们被患者数据的海量信息压得喘不过气来。没有技术助力，人类难以跟上。
其次，出现了新问题。新冠疫情加剧了医疗保健领域原有的问题，令本已严重的医生短缺更加恶化，并考验着许多医院的偿付能力，此外还带来其他问题。技术必须帮助医疗服务提供者以更少资源做更多工作，否则患者将受到影响。第三，是一场技术复兴。看看ChatGPT，或者看看深度学习如何揭开宇宙奥秘、寻找疗法。
医疗保健人工智能现状：前景广阔，规模不足
我们采访了来自生物制药、健康科技、政府、学术界和非政府组织的约50位高级管理人员，了解当前人工智能应用的状况、推广障碍以及加快普及的方法。尽管98%的受访高管表示已有人工智能战略或正计划制定，但多达92%的人工智能项目未能实现预期价值。根据我们的访谈，人们高估了人工智能短期内的能力，却低估了它的长期潜力。
最有前景的应用场景是数据驱动的诊断和风险分层，因为人工智能成本低、速度快且可扩展。例如，最常见的胰腺癌类型五年生存率不足10%；若能更早发现，则可达50%。与此同时，Cedars Sinai的研究人员开发了一款人工智能影像工具，可比传统诊断提前最多三年发现该疾病，准确率达86%。这项技术影响显著，因为所有早期诊断带来的累积益处，超过了偶尔出现假阳性的代价。
有趣的是，近五分之三的医生认为人工智能技术最适用于解决慢性疾病问题，而慢性疾病占美国医疗保健总支出的75%。印度规模最大的医院系统之一Apollo Hospitals开发了用于早期发现心脏病的算法，其表现优于基准弗雷明汉风险评分。目前，算法已用于早期诊断糖尿病、哮喘，甚至抑郁症。
ZS评估了400个应用案例，以衡量当前人工智能在医疗保健领域的发展状况。尽管早期诊断和风险分层对患者的即时影响最大，人工智能也正用于开发新疗法和改善卫生系统运营。例如，在提升卫生系统价值方面，BlueDot和Metabiota利用覆盖健康、出行和气候模式的监测平台，通过对疫情传播作出极其准确的预测来改善卫生系统决策。在药物开发领域，H1和Medable等公司则通过运用人工智能打造更多元、更高效的临床试验，推动健康公平并加快疗法研发。
加快医疗保健领域人工智能应用的三项促成条件
这些创新体现了人类智慧的巅峰，但我们不能只打造医疗保健领域的法拉利，却忽视道路建设。我们必须加快应用，确保人人受益，具体包括：
1. 可用且具有代表性的数据
我们需要可用且具有代表性的数据。缺少这些数据，劣质数据只会产生劣质算法。值得庆幸的是，我们有机会解决最紧迫的数据障碍。例如，联邦学习可以训练分析模型，解决数据集偏差并缓解隐私顾虑；而数据联盟则可以帮助消除跨境数据安全、患者隐私和互操作性方面的差异。
2. 可信赖的设计
最好的人工智能应像人类天生能力的自然延伸，但它往往未能做到这一点。难怪 近一半美国医生表示不信任人工智能。ZS提出了缩小人工智能信任鸿沟的三项原则：部署时必须（1）负责任，并谨慎消除算法偏见；（2）透明，说明其能力与局限；（3）胜任可靠，确保其益处超过偶尔出错带来的后果，例如开出不必要的化验单。
3. 无缝、可扩展的应用
通过大规模提升效率，人工智能可以让医生摆脱重复性任务，转而从事人类比人工智能更擅长的工作。 但要获得认可，人工智能必须无缝融入现有工作流程：让任务更轻松、更不繁琐，或承担人类目前尚未从事的工作。 此外，人工智能创新不能局限于少数高收入国家。必须建立跨境多边伙伴关系，将这些创新推广到低收入和中等收入国家；这些国家的数据基础设施尚处于起步阶段，但阻碍推广的既得利益者较少。
人工智能的拐点
一位制药业高管说过一句令人难忘的话：医疗保健领域的试点项目，比一家商业航空公司拥有的飞行员还多。事实上，我们采访的所有人都认为，我们必须更有针对性地选择要推进的创新。别再为小众问题开发巧妙的人工智能解决方案了。让我们把打造高影响力人工智能创新的流程工业化，使其能够迅速大规模部署。
梅奥诊所于人工智能工厂2021年启动了该项目，通过开放其专业知识和去标识化数据集，验证并扩大人工智能医疗创新的规模。Andreessen Horowitz已与美国乡村地区的医院合作，测试包括人工智能在内的早期创新。这些例子都体现出一种共识：人工智能是解决人类最棘手问题的关键——只要像推广GPS那样，让采用人工智能变得轻而易举、让其价值显而易见，它就会成为必然选择。
要释放这一力量，需要公共与私营部门之间持续开展国际合作，让传统上缺乏协同（甚至彼此对立）的参与者携手合作。我们的未来取决于此。
