美国卫生保健组织可以通过正确的文化、数据策略和培训来采用人工智能（AI），政府高级卫生IT领导人于周四在马里兰州贝塞斯达举行的GovCIO媒体与研究的卫生IT峰会上表示。
“AI和机器学习领域的专家主要来自计算机科学界，而历史上资助的人通常是拥有生物学和医学深厚背景的博士和医学博士，”美国国立卫生研究院催化数据资源助理主任克里斯·金辛格（Chris Kinsinger）说。“教育对于所有参与AI赋能医疗设备的人来说至关重要，”食品药品监督管理局（FDA）器械和放射健康中心数字健康卓越中心首席医学官马修·戴蒙德博士（Dr. Matthew Diamond）解释道。戴蒙德表示，教育是实现更好健康结果的关键，这是FDA鼓励的方向。“透明度对于人工智能赋能医疗设备的用户或患者来说非常重要，”戴蒙德说。“我们发布了许多关于透明度在健康领域的作用的论文和研讨会，了解设备的预期用途和非预期用途。”
透明度可以帮助机构和卫生保健组织揭开新兴技术及其健康应用的神秘面纱，退伍军人事务部（VA）国家人工智能研究所研究项目经理兼副研究员托尼·博斯（Tony Boese）表示。领导者需要解释风险和好处，他说。“教育将非常重要，让人们更好地理解这一点，即它不是天网，也不是终结者，”博斯说。“它可以为你做很多事情，有些事情它做得很好，有些事情做得不好。[组织需要]给人们这样的清晰认识，表明它不是魔法或更优越或奇怪的东西，它只是一种稍微新的计算方式。”
劳动力倦怠
倦怠是卫生保健领域的一个问题，ServiceNow现场首席信息官和医疗企业架构师埃琳·史密斯豪瑟（Erin Smithouser）表示，AI可以帮助减少临床工作人员的一些负担。AI数字助手，她建议，可以减少倦怠，改善患者护理，并教育临床医生使用AI案例。“所有的研究表明他们只想照顾病人。如果我们能增强他们在那里的职责，减轻临床管理任务和运营挑战的负担呢？”史密斯豪瑟说。“如果这可以成为临床医生的真正数字助手，并赢得他们的信任，会怎么样？”
组织可以创建环境让员工接触AI，这有助于更舒适地引入技术，博斯补充道。“良好的、受控的沙盒区域可以让人们去尝试看看会发生什么，再次看到它并不那么陌生和陌生，它不是魔法，他们可以做到，他们可以使用它，”博斯说。“他们可以更好地理解它。我认为这些是唯一真正培养一个良好和健康的AI文化的办法。”
实施挑战
卫生保健领域的AI系统需要大量数据。患者数据有时受到隐私法律的限制，使得数据不如其他领域那样适合AI应用。金辛格表示，在训练模型之前，机构需要投资正确的数据策略。“我们有很多数据，但如何使这些数据适合AI？对此存在争议：是应该制作精致、专家策划的数据集并在此处进行投资，还是只需提供数据，我们可以训练它，AI可以做任何事情，我们可以这样做到？”金辛格说。
戴蒙德指出，只要遵守卫生保健隐私法律和伦理，正确的数据模型对卫生保健组织来说可能是无价的。“正在向一种更加联邦化的模式发展，数据不一定被转移或共享，而是有一个平台可以在本地站点训练模型，数据保留在本地，所有这些训练都贡献到一个中央模型，”戴蒙德说。“同样重要的是，联邦测试或验证也确保模型在多样化的条件下表现良好，而无需实际转移患者数据。”“我认为ARPA-H有一些有趣的举措来促进这类平台的发展，”他补充道。
在NIH，研究人员需要数据既实用又遵守隐私法律，金辛格说。机构领导仍在制定使用某些数据集训练AI模型的规则，他说。“我们有这个数据共享管理政策，要求你分享所有公共资助的研究数据，但显然有一些临床数据的隐私限制，”金辛格说。“如果你在临床数据上训练模型，我们的政策尚未规定你应该对这个模型做什么。”
选择合适的点
使用AI的组织需要保持人类在循环中，领导们指出，以确保AI系统为患者和研究带来最佳结果。金辛格指出，AI可以以帮助NIH研究人员处理大数据的方式处理大量数据。“在大数据时代，我们有很多基因组数据和空间转录组数据。很多数据集的数据点超过了人类大脑的处理能力，我认为AI在这种情况下可以是非常有用的工具，”金辛格说。“我们在这方面看到了很多热情。”
VA设施遍布全美，博斯说，因此实施需要机构领导决策和个人设施决策，这可能是一个挑战。该机构优先考虑AI的道德、负责任和可信应用，博斯说，多年来一直如此。“当试图在一个像VA这样地理和使命如此多样化的地方进行大规模的企业级变革时，显然会是一个巨大的挑战，”博斯说。“我们是较早参与可信AI的部门之一……我们非常重视强大的社会元素。我们始终涉及我们的伦理基础设施，作为一名伦理学家，我对此非常高兴。”
最终，政府内外的卫生组织需要找到AI系统的正确应用场景，金辛格说。这种新型计算可以帮助临床医生，但他们必须确保在适当的背景下谨慎和道德地使用。“每个人都想应用AI。我不确定它总是每个数据分析挑战的正确解决方案，我认为简单的回归仍然可以解决很多问题，”金辛格说。
(全文结束)
