本文已更新。
全球有45亿人无法获得基本医疗服务，人工智能有望助力弥合这一差距。
人工智能技术已经在帮助医生识别骨折、为患者分诊并发现疾病的早期迹象。
然而，与其他行业相比，医疗保健行业在采用人工智能方面处于“低于平均水平”，据世界经济论坛的白皮书，《人工智能赋能健康的未来：引领之路》。
全球目前有45亿人无法获得基本医疗服务，且预计到2030年将出现1100万卫生工作者短缺，人工智能有望助力弥合这一差距，并彻底变革全球医疗保健。
这甚至有望让我们重回正轨，实现联合国的可持续发展目标，即到2030年实现全民健康覆盖。
但尽管这项技术发展迅速，医疗保健行业在采用人工智能方面仍处于“低于平均水平”，与其他行业相比，据世界经济论坛的白皮书，《人工智能赋能健康的未来：引领之路》。
如下图所示，医疗保健领域的人工智能私人投资水平各不相同。然而，白皮书指出，“人工智能数字健康解决方案有望提高全球效率、降低成本并改善健康结果”。以下是七个已在医学领域产生实际作用的人工智能技术案例。
人工智能可以解读脑部扫描图像
一款新型人工智能软件在检查中风患者脑部扫描图像方面，准确率是专业人员的“两倍”。两所英国大学使用包含800份中风患者脑部扫描图像的数据集对该软件进行训练，随后在2000名患者身上进行了试验。
结果令人印象深刻。除了人工智能模型的准确性之外，该软件还能够识别中风发生的时间范围，这对专业人员来说是至关重要的信息。
神经内科顾问保罗·本特利医生在接受《Health Tech Newspaper》专访时表示：“对于大多数由血栓引起的中风，如果患者在中风发生后4.5小时内，他或她就有资格接受药物和手术治疗。最长6小时内，患者也有资格接受手术治疗，但超过这一时间点后，判断这些治疗是否有益就变得棘手，因为越来越多的病例会变得不可逆。因此，医生必须同时了解最初发病时间以及中风是否可以逆转，这一点至关重要。”
人工智能识别骨折的数量可以超过人类
令人惊讶的是，急诊医生在多达10%的病例中会漏诊骨折。此外，X光技师供不应求且工作负荷过重。
因此，使用人工智能进行初步扫描，有望同时避免不必要的X光检查和漏诊骨折。英国国家卫生与护理卓越研究所（NICE）表示，该技术安全、可靠，并可减少后续复诊的需求。
但人们对人工智能在医疗保健领域的快速推广存在担忧。
“使用这些工具的人员必须接受适当培训，这意味着他们须理解并知道如何降低风险，从而应对技术局限性……例如可能提供错误信息，”牛津大学人工智能伦理研究所的卡罗琳·格林博士告诉英国广播公司（BBC）。
世界经济论坛如何为人工智能构建防护框架？
人工智能卓越中心汇聚各行业领袖，共同理解人工智能的快速演进及其对经济和社会的影响。该中心支持围绕人工智能应用相关的机遇、风险和权衡取舍开展知情对话。
通过可信空间和合作倡议，该中心使合作伙伴能够建立共同理解，并携手推进负责任的人工智能创新与应用。
利用人工智能评估救护车需求
在英国，每月约有35万人被救护车送往医院。由急救人员决定哪些人需要送医、哪些人无需送医，且始终需要考虑可用床位极为有限的情况。
英格兰北部约克郡的一项研究发现，在80%的病例中，人工智能能够正确预测需要转送医院的患者。该人工智能模型是基于患者的活动能力、脉搏、血氧水平和胸痛等因素进行训练的，并且还证明其能够在无偏见的情况下作出响应。不过，NICE提醒称，在更广泛推广应用之前，还需要进行更多训练。
检测超过1000种疾病的早期迹象
一种新型人工智能机器学习模型可以检测某些疾病的存在，且早在患者出现任何症状之前即可检测到，该模型开发商阿斯利康（AstraZeneca）表示。
该机器利用英国一个健康数据库中50万人的医疗数据，能够“以高置信度预测多年后的疾病诊断”。
领导该研究的斯拉韦·彼得罗夫斯基（Slavé Petrovski）告诉《天空新闻》（Sky News）：“对于许多此类疾病来说，等到其出现临床表现、个人因某种不适或明显症状而就医时，距离疾病进程的开始已经过去很久了。
“我们能在个体身上发现高度预测将患上阿尔茨海默病等疾病、慢性阻塞性肺病、肾病等众多其他疾病的特征，”他说。
另一项英国研究发现，人工智能工具能够成功检测出此前被放射科医生漏诊的64%的癫痫脑部病变。该工具基于全球1100多名成人和儿童的MRI扫描图像进行训练，它不仅能比医生更快地发现病变，还能发现人眼此前未能察觉的微小或隐蔽病变。
“这就好比在满是黑色文字的五页纸中找出一个字符，”首席研究员康拉德·瓦格斯蒂尔（Konrad Wagstyl）博士告诉英国广播公司（BBC）。“人工智能能够发现医生漏诊的约三分之二，但仍有三分之一非常难以发现。”研究人员表示，将人工智能的发现与人类的监督和专业知识相结合，有望加快诊断和治疗进程。
用于指导医疗决策的临床聊天机器人
医生必须做出明智且迅速的医疗决策：人工智能有望加快这些决策，但也可能提供不可靠或有偏见的信息。
一项美国研究发现，ChatGPT、Claude或Gemini等标准大语言模型（LLM）无法为临床医生就其医学问题提供足够相关或基于证据的答案。但ChatRWD（一种检索增强生成（RAG）系统，本质上是将大语言模型与检索系统相结合以改进输出）对58%的问题给出了有用的答案（相比之下，大语言模型的比例为2%-10%）。
数字界面也越来越多地被推广，以协助患者分诊。在2024年的一份洞察报告中，该报告是世界经济论坛数字医疗转型倡议的组成部分，其中对数字患者平台Huma的案例研究显示，该平台可将再入院率降低30%，将患者审查所用时间减少多达40%，并“减轻了医疗服务提供者的工作负担”。
该报告展望了一个未来：此类技术可以“极大地改变患者体验。总体健康的人可以使用自我监测设备来优化其心理和身体健康，而有健康问题的人将能够获得各种各样的数字解决方案”。
人工智能与传统医学
传统医学已在170个国家得到实践，并被数十亿人使用，部分得益于其对整体医疗保健方法的重视，它在现代社会中保持了相关性。虽然人工智能与传统医学乍看之下似乎是不太可能的搭配，但研究表明二者可以很好地相互补充。世界卫生组织（WHO）及合作伙伴发布的新简报'Mapping the application of artificial intelligence in traditional medicine'展示了如何人工智能增强传统、补充和整合医学（TCIM），同时保护文化遗产。
印度是首个推出传统知识数字图书馆的国家，利用人工智能工具对本土医学文献进行编目和分析。该国还在探索人工智能与Ayurgenomics（一个将古印度阿育吠陀医学体系与现代基因组学相结合的领域）如何交叉融合，以探究哪些草药配方有助于应对现代疾病。
同样，在加纳，研究人员正在使用一种学习模型来帮助识别和分类药用植物，而在韩国，人工智能正被用于分析传统医学化合物以治疗血液疾病。
全球TCIM市场预计到2025年将达到近6000亿美元，人工智能似乎将进一步、更快地推动该市场增长。这份新简报强调了在此过程中保障原住民数据主权的重要性。
“人工智能不能成为新的剥削前沿，”世界卫生组织卫生系统助理总干事中谷由纪子博士（Yukiko Nakatani）表示。“我们必须确保原住民和当地社区不仅得到保护，还要成为塑造传统医学中人工智能未来的积极合作伙伴。”
人工智能用于医疗行政管理
行政事务在医疗领域既不可避免又耗费时间。使用人工智能助手可以让临床医生腾出更多时间专注于患者。
微软近期宣布推出其Dragon Copilot，这是一款人工智能医疗工具，能够聆听临床问诊并生成相关记录。此外，谷歌已拥有一套专门为减轻医疗保健行业行政负担而量身定制的人工智能模型。在德国，一个名为Elea的人工智能平台已将检测和诊断时间从数周缩短至数小时，其创始人决心证明该技术“可以是盟友，而非障碍”。联合创始人塞巴斯蒂安·卡苏（Sebastian Casu）博士告诉EU-Startups：“没有人加入医疗行业是为了花费数小时处理行政事务”。
当然，让人工智能工具旁听医生问诊并做笔记，并非人人都能接受。英国最近的一项研究发现，仅有29%的人愿意相信人工智能能够提供基本健康建议（尽管超过三分之二的人对该技术用于腾出专业人员时间表示认同）。准确性问题同样不容忽视。去年的一份报告发现，许多医院用于总结患者会议内容的OpenAI Whisper出现了部分转录内容的“幻觉”现象。
这正是人工智能工具监管如此重要的原因。在英国，人工智能驱动的医疗器械受到药品和医疗产品监管局的严格监管。在美国，食品药品监督管理局（FDA）去年审查了医疗保健领域人工智能的监管问题，并得出结论：虽然FDA将“继续在确保安全、有效和可信的人工智能工具方面发挥核心作用”，但同样重要的是，“所有相关实体……必须以这项变革性技术所应有的严谨性对待人工智能”。
