人工智能（AI）有潜力加强卫生系统。从诊断到优化临床工作流程，AI工具可为解决医疗不平等问题提供经济实惠的解决方案，尤其在低收入和中等收入国家。
然而，关于AI工具在实际应用中的效果证据有限，这使得难以判断哪些创新已准备好推广和规模化。
我们正与比尔及梅琳达·盖茨基金会和诺和诺德基金会合作启动"健康领域人工智能证据"（Evidence for AI in Health, EVAH）倡议，以改变这一现状。
通过6000万美元的联合投资，该倡议将在未来三年支持对低收入和中等收入国家健康AI工具的评估。
此举标志着我们与盖茨基金会和诺和诺德基金会3亿美元合作的第二笔投资，旨在支持关键的全球健康研发。
为何"健康领域人工智能证据"（EVAH）倡议至关重要？
在将AI引入医疗保健前，我们需要强有力的可靠证据。这能确保这些工具安全、有效，并能在不同人群和临床环境中改善患者预后。
尽管低收入和中等收入国家拥有丰富的专业知识和创新能力，但针对本地开发AI工具的证据生成仍存在持续缺口。本地和区域设计的解决方案往往缺乏评估工具所需的财务和结构支持。
EVAH旨在通过加强本地评估能力并投资于指导技术采纳和规模化的证据来改变这一现状。本地验证对降低可能加剧而非减少健康差异的风险至关重要。
"只有通过合作并投资于严格的证据生成和学习，我们才能支持决策者和服务满足其所服务社区的需求，"威康基金会解决方案执行董事夏洛特·沃茨（Charlotte Watts）表示。
EVAH将评估哪些健康AI工具？
EVAH将与国家合作伙伴合作，选择符合当地健康优先事项并能整合到初级和社区医疗保健环境中的工具进行评估。这些工具将涵盖多种AI技术，例如：
- 预测模型——例如，能基于临床病史预测疾病风险或确定随访优先级的工具
- 计算机视觉——例如，能分析X光或超声扫描等视觉信息的工具
- 大型语言模型——例如，支持医护人员决策或临床文档的工具
- 多模态AI——例如，结合视觉、音频和电子健康记录等数据类型以更好理解患者风险的工具
优先考虑专为资源有限环境设计、且训练数据能准确反映目标人群的工具。评估方法将包括：
- 实施研究——评估AI工具在真实场景中的运行效果
- 随机对照试验——通过随机分配参与者使用工具与否，测量其有效性
- 经济评估——分析成本与潜在健康收益，帮助决策者判断性价比
- 可接受度研究——调查患者、临床医生或社区对工具的认知
首批项目征集将支持对AI辅助决策工具的本地主导评估。这些工具应已准备就绪，专为撒哈拉以南非洲和南亚及东南亚一线医护人员设计，用于分诊、诊断或转诊等临床任务。
该项目与阿卜杜勒·拉蒂夫·贾米尔扶贫行动实验室（Abdul Latif Jameel Poverty Action Lab）和非洲人口健康研究中心（African Population Health Research Centre）合作开展，这两个组织在低收入和中等收入国家开展高质量研究方面经验丰富，其成果可为政策制定提供依据。它们将全程参与，包括工具范围界定、评估框架开发、证据总结及向区域和国际政策专家传播发现。
为所有人推动更佳健康成果
在威康基金会，我们相信研究过程与研究目标同样重要。与最受问题影响的人群合作，将释放最大的长期影响力。
这对AI工具和系统尤为重要，因为它们反映了训练数据的特性。
"确保新型AI工具有真实世界证据支持，可显著缩短将有前景的构想转化为可规模化创新所需的时间，"盖茨基金会全球健康总裁特雷弗·蒙德尔（Trevor Mundel）表示。
我们认识到慈善机构在AI设计和部署以促进健康方面可发挥重要作用，但无法单独完成。
切实进步需要政府、研究人员、产业界和社区共同努力，确保AI为所有人带来有意义且公平的效益。
正因如此，EVAH的所有发现将免费在线获取，使任何致力于强化卫生系统或开发更优AI工具的人士都能使用这些证据。这将以优先保障数据隐私、安全和伦理的标准为支撑。
此外，通过与阿卜杜勒·拉蒂夫·贾米尔扶贫行动实验室和非洲人口健康研究中心的合作，我们正以支持本地领导力并建立对这些工具信任和参与的方式收集和分享证据。
诺和诺德基金会行星科学与技术首席科学官莱娜·奥德谢德（Lene Oddershede）解释称，"通过开放获取渠道发布发现可加速AI工具的影响。这些评估将为决策者提供关键数据，说明这些技术在最需要它们的情境中的功效、经济价值和可接受度。"
支持非洲和亚洲的健康研究
"健康领域人工智能证据"（EVAH）倡议建立在我们对非洲和亚洲健康研究的长期支持基础上。我们投资于这些大陆的人才和伙伴关系，以支持产生区域和全球影响的本地研究。
此外，我们通过四个战略资助计划在非洲和亚洲资助研究：气候与健康、探索研究、传染病和心理健康。
我们的资助支持早期、中期和资深研究人员开展广泛研究，涵盖物理和社会科学、临床研究及人文学科。
【全文结束】
