人工智能或将成为医学界优化医生时间、提供个性化诊疗方案的最高效新型工具
对于斯蒂文斯理工学院系统与企业系的研究员兼教授白尚元（Sang Won Bae）而言，触发点是其妹妹的癌症；对于罗伯特·伍德·约翰逊大学医院（RWJUH）医学副教授兼创新中心主任纳维娜·亚纳马拉（Naveena Yanamala）来说，则是父亲的心脏病发作。对这两位科学家而言，疾病成为激励她们的契机，促使她们思考技术——特别是人工智能（AI）——如何改变亲人的疾病进程与生命轨迹。
白尚元的妹妹虽幸存，但她常思索若乳腺癌能在发病前被预测，治疗过程是否会更轻松。亚纳马拉的父亲因心脏病发作引发中风去世，她则思考AI能否预测类似事件从而挽救生命。“心脏病如此隐匿无声，”她表示，“这激励我思考AI如何增强个性化、预防性和预测性医学。”
AI的最大承诺在于，通过使医学从被动转为主动（借用亚纳马拉的术语），提升健康水平并挽救生命。例如，通过快速分析您庞大的个人数据流，AI可预判身体细微变化可能导致癌性增生。掌握这一信息后，医生能在疾病最早阶段介入治疗，甚至完全阻止其发生。
若您觉得这如同《星际迷航》，请考虑美国退伍军人事务部已在使用AI分析CT扫描，预测哪些患者十年内可能发生致命性心脏病发作——使医生得以帮助患者规避此结局。同样，在新泽西州最大的医疗网络之一大西洋健康系统（Atlantic Health Systems），自2021年起AI已用于检出人眼极易遗漏的肺栓塞（肺动脉危险阻塞）。
鲜有医生质疑AI将对医学产生巨大影响——这种影响已初显端倪。美国医学会（AMA）今年早前调查显示，三分之二的医生不仅对AI前景充满热情，更已在执业中实际应用。然而，在另一项AMA调查中，41%的医生对潜在负面后果表示担忧，包括医患关系弱化及患者隐私泄露风险。要充分释放AI效益，医疗从业者需以谨慎态度平衡热情。
AI最擅长的领域
AI是终极数据处理高手，能以超凡速度筛选海量数据并识别其中模式。这种能力至关重要，因为医学等领域正被数据淹没。“医疗领域已到电子病历、基因信息等数据量超负荷的临界点，”白尚元指出，“单个人类无法跟上所有信息。”另一方面，这些数据蕴含巨大潜力。
例如，成立一年的罗格斯生物医学信息与健康AI中心正在创建多层患者信息大型数据库，创始成员安东妮娜·米特罗法诺娃（Antonina Mitrofanova）表示，该库“不仅包含电子健康记录，还整合基因组、表观基因组和影像数据，为研究中心各项活动奠定坚实基础”。
若数据处理看似不足以引发范式转变，请思考AI在医学领域已实现的成就及专家对其未来的预期。
人类可能遗漏的细节
在大西洋健康系统，AI在检出肺栓塞、颅内出血（脑出血）、动脉瘤（血管壁膨出）和主动脉夹层（主动脉撕裂）等扫描中的意外异常方面，表现优于人类放射科医生。
例如，萨米特奥弗洛克医疗中心（Overlook Medical Center）放射与放射肿瘤科主任德文·克莱因（Devon Klein）博士解释：“当检查专为肺栓塞设计时，放射科医生检出率极高；但当检查非针对性”（如为筛查癌症而设），“AI特别擅长发现偶然性肺栓塞。”
目前大西洋系统有12种算法监测10类疾病进程，克莱因预测：“不久的将来——可能早在2026年——我们将拥有基础算法，能通过胸部CT扫描识别多达30种不同疾病进程。”
为患者创造更多时间
1990年代，电子病历（EMRs）在医院和诊所广泛采用，承诺提升记录效率，但因数据过载常适得其反。
“当你就诊时，”哈肯萨克梅里迪恩健康（Hackensack Meridian Health）首席数据与分析官萨米尔·塞蒂（Sameer Sethi）指出，“前10分钟医生常盯着电脑屏幕与你交谈，因为他们正在阅读你的信息。”
通过与谷歌合作，该机构正利用AI基于医生专业领域汇总临床病历，这对优化流程至关重要。塞蒂解释：“心脏病专家在病历中关注的要点与肿瘤科或全科医生截然不同。”专科定制化病历使医生能在1分钟内读完患者记录，从而投入更多时间进行“面对面、眼神交流的对话”。
预测治疗结果
罗伯特·伍德·约翰逊大学医院创新中心及罗伯特·伍德·约翰逊医学院（RWJMS）正研究AI如何判定疾病长期影响——用亚纳马拉的话说即“预测结果”。“你入院接受治疗，”她表示，“却不知一个月后是否复发，或六至十二个月内是否会死亡。”
她相信AI将能在出院前预测避免负面结果所需措施。这种预测能力已在全球医疗系统中开始应用。例如2024年台湾研究发现，AI对心电图的审查使患者死亡率降低31%，可能因提醒医生哪些患者最濒危。
实现个性化医疗
AI使精准医学——基于基因、环境和生活方式为患者定制治疗——更加精确。普林斯顿大学普林斯顿精准健康研究中心正探索针对中低收入国家宫颈癌等病毒诱导癌症的靶向治疗，同时考虑当地人群基因特性。
“因此你不会开发仅适用于白人群体的药物，”普林斯顿精准健康中心主任奥尔加·特罗扬斯卡娅（Olga Troyanskaya）解释。实现此目标需深入理解人类基因组复杂性，“而深度学习模型”（AI中增强数据学习能力的类型）“在此领域彻底革新了我们的能力。”
白尚元关于压力、创伤和睡眠活动如何影响学生运动员身心健康的研，可推动全民超个性化健康监测。该研究与斯蒂文斯理工学院教练、主管及学生运动员合作，采集手机和Apple Watch等可穿戴设备数据，通过AI算法评估运动员身心韧性、表现水平及伤后恢复情况。
她展望未来AI将成为“健康伴侣”，不仅服务学生运动员，也惠及癌症幸存者、糖尿病患者等群体，实时预警潜在健康问题并指引治疗方案。“它不会取代医生，”她说，“而是支持人们在日常生活中实时应对健康挑战。”
潜在风险
任何技术皆有潜在危害。罗格斯大学数学与计算机科学教授费伊·科布·佩顿（Fay Cobb Payton）的研究发现，AI可能延续偏见。“部分源于AI算法的训练数据，”科布·佩顿指出。若数据未能真实代表黑人和拉丁裔群体，AI可能对这些人群误诊或开具无效治疗。
医疗AI所依赖的大量患者数据引发隐私担忧——随着AI在医疗系统普及，患者隐私更易受侵害。尽管AI已证明能挽救生命，但AI导致的医疗错误也可能造成负面结果甚至死亡。米特罗法诺娃强调需特别警惕生成式AI风险，因其算法旨在生成新数据而非仅分析现有信息，“因为它会‘幻觉’”，即生成错误信息。
特罗扬斯卡娅指出，为防范此类风险，“建立严格评估框架并由非 partisan 组织运行至关重要”。正如塞蒂所言：“AI是技术，不是魔法”——尽管其前景有时令人感觉如此神奇。
莱斯利·加里斯托·普菲夫是《新泽西月刊》常驻撰稿人，专精健康与医学领域。
【全文结束】
