人工智能在医疗保健领域迅速扩张，但或许扩张得过快。
仓促实施该技术可能导致患者治疗效果欠佳、资源浪费和信任受损。
遵循五个相互关联步骤的战略性方法，是实现人工智能承诺的途径。
人工智能（AI）正在重塑医疗保健的未来，在诊断和治疗以及提高运营效率方面带来变革性的可能。通过弥合获取差距并实现个性化护理，人工智能有望彻底改变这一行业。例如，一项2023年发表于《柳叶刀·肿瘤学》的研究表明，与传统双人阅片法相比，人工智能辅助的乳腺X线筛查使放射科医生能够多检出20%的乳腺癌，显著提高诊断准确性，同时将放射科医生的工作量减少44%。
全球健康人工智能市场2021年估值为110亿美元，预计到2030年将超过1870亿美元，受机器学习和大数据分析进步的推动。人工智能持续展现其在医疗保健领域的变革潜力。例如，一项2021年发表于《BMC医学信息学与决策制定》的研究表明，机器学习模型能够准确预测14天内非计划再入院情况，从而实现有针对性的干预，改善治疗效果并降低成本。
尽管取得了这些进展，挑战依然存在。数据孤岛、隐私问题和算法偏见可能削弱人工智能的潜力。监管框架和高质量数据集对于确保负责任的整合至关重要。若缺乏准备，各机构可能面临资源浪费、预期落空和信任受损的风险。需要采取周全、平衡的方法，在释放人工智能承诺的同时应对伦理、临床和实践层面的复杂性。
人工智能“淘金热”的风险
全球争相在医疗保健领域采用人工智能凸显了其变革性前景，但若缺乏清晰的战略，这股热情可能演变为混乱。尖端技术的吸引力常常促使各机构在评估自身准备情况之前便贸然行动，结果收效甚微。知名人工智能项目的失败凸显了仓促、无序方法的危害。
例如，英国的NHS预测性风险分层模型（PRISM）旨在识别高风险的急诊入院患者。然而，数据整合不足和工作流程错位导致其运行受挫，既错误标记了患者，又完全遗漏了其他患者。结果是资源浪费、错失护理机会，也醒目地提醒人们基础准备工作的重要性。同样，在美国，一款基于人工智能的分诊工具因使用缺乏代表性人群的数据进行训练，加剧了效率低下问题，对服务不足的群体尤为明显。
数据不一致、工作流程错位和人才短缺等反复出现的挑战是常见的罪魁祸首。数据质量低下会削弱预测准确性，而与临床工作流程不匹配的工具往往扰乱运营，而非改善运营。此外，若缺乏人工智能专业知识，医疗团队难以有效利用其潜力。这些问题常常导致“技术债”：成本高昂的工具无法带来有意义的回报。据一篇《福布斯》文章，约90%的人工智能/机器学习项目因优先事项和工具不一致而未能实现投资回报。
人工智能的潜力如同隐藏在茂密森林中的宝藏。尽管其前景不容置疑，但若缺乏精心设计的战略便贸然推进，则可能迷失方向。进展不在于速度，而在于精准。错位的努力、脱节的工具和落空的预期会导致失望、经济损失，并削弱人们对人工智能变革能力的信任。
人工智能整合的战略方法
应对这些挑战的答案很明确：战略必须优先于速度，而结构化方法可确保各机构在充分利用人工智能潜力的同时最大限度地降低风险。如上方信息图所示，以下五个相互关联的阶段可作为从准备到可持续规模化的框架：
基线审计：从全面评估当前能力入手，重点关注数据质量、基础设施和员工准备情况。了解起点对于识别差距和设定切合实际的目标至关重要。
战略路线图：明确与组织优先事项保持一致的目标，无论是改善患者治疗效果、降低成本还是简化运营。路线图能够提供聚焦，并确保各团队保持一致。
人工智能试点项目：在受控环境中测试工具，以收集反馈、完善模型，并在扩大规模前解决挑战。试点是建立信心、证明价值的低风险途径。
利益相关方参与：协作是成功整合的关键。尽早让临床医生、管理人员和患者参与，以建立信任，并使人工智能解决方案与日常工作流程保持一致。
可持续规模化：以成功的试点为基础，逐步扩大人工智能项目。随着应用增长，确保资源、技术和人才不断发展，以维持发展势头和影响力。
这种分阶段的方法使各机构能够在雄心与准备之间取得平衡，确保每一步前进都经过慎重考虑且切实有效。
从成功案例中学习
采用战略优先方法推进人工智能的机构提供了宝贵的经验：
Kaiser Permanente（美国）：通过分阶段推出其HealthConnect系统，Kaiser将人工智能解决方案与其以患者为中心的护理愿景保持一致。与员工的早期沟通确保了顺利整合，从而改善了护理协调和安全性。
Moorfields眼科医院（英国）：与Google DeepMind合作，Moorfields开发了人工智能模型，能够诊断超过50种眼部疾病。通过将这些工具嵌入临床工作流程，该医院减轻了工作负担，同时提高了诊断准确性。
这些例子凸显了有意识、周密规划的人工智能整合所蕴含的变革力量。成功并非源于匆忙部署技术，而是源于构建稳固的基础，使人工智能解决方案与组织目标保持一致。
战略胜于速度
人工智能在医疗保健领域的前景毋庸置疑：它能够彻底改变护理服务模式、改善治疗效果，并在全球范围内弥合不平等。然而，这一前景只能通过战略性、审慎的行动才能实现。仓促推进的做法往往导致失误、资源浪费和信任丧失。领导者必须认识到，在创新竞赛中，战略始终会胜过速度。
在缺乏准备的情况下采用人工智能，可能导致经济损失和患者受到伤害。就绪评估必须对基础设施、人员能力和数据完整性进行评估。伦理考量（例如偏见、隐私和公平获取）对于维护公众信任至关重要。政府、医疗服务提供者和科技企业之间的协作，对于建立可持续的人工智能整合框架至关重要。
医疗保健领域人工智能革命的赢家，不会是那些急于冒进的人，而是那些停下脚步、打好坚实基础的人。审慎的试点、迭代式规模化和利益相关方参与，确保每一步前进都富有目的、切实有效且持久深远。人工智能不仅是自动化的工具，更是变革的催化剂，前提是负责任地实施。
世界经济论坛正在采取哪些措施改善医疗保健系统？
健康与医疗中心汇聚各方领导者，共同理清全球卫生系统面临的挑战，包括可及性、公平性、韧性和防范能力。
通过值得信赖的对话和公私合作，该中心使合作伙伴能够围绕共同优先事项达成一致，并推动集体行动，以改善健康结果。
领导者必须从紧迫感转向有意图的行动。通过采用战略优先于速度的方法，我们能够释放人工智能的全部潜力，打造更健康、更公平、惠及所有人的系统。现在正是行动的时候，但须秉持审慎、远见与使命。让人工智能的承诺成为现实，以可持续、符合伦理且具有全球影响力的方式实现。
本文介绍的分阶段人工智能应用路线图，建立在HIMSS数字健康框架、WHO人工智能促进健康指南与数字健康框架，以及麦肯锡数字与人工智能转型框架的基础工作之上。
