Peter Whitehead是Light AI的首席执行官，也是VELscope的发明者，分享了关于AI如何革新疾病检测的见解。AI可以实现更快、更准确的诊断，减少低效现象，并弥合医疗保健可及性的差距。Light AI的平台从链球菌A（Strep A）检测开始，展示了AI的变革潜力，但广泛采用取决于克服监管、数据和认知挑战。
想象一下，未来一个简单的感染变得致命，因为抗生素不再起作用。这并不是科幻小说中的场景，而是我们今天面临的抗菌素耐药性（AMR）的严峻现实。这一问题已经使医疗费用每年增加660亿美元，预计到2050年，这一数字可能增至每年1590亿美元（如果耐药率继续按照历史趋势发展并且我们不采取创新解决方案的话）。
细菌感染如A群链球菌（Strep A或GAS）影响全球数亿人，可能会成为重大的公共卫生挑战。无法及时诊断和治疗这些感染将产生灾难性的连锁反应，危及全球卫生安全和经济稳定。
根据2023年全球发展中心的一份报告，投资于医疗创新可以带来28:1的全球投资回报率（ROI），转化为巨大的成本节约、改善患者结果和更高效的医疗系统。AI在这个转型中扮演关键角色，作为辅助工具，在护理点提供快速可靠的测试，实现早期诊断和及时治疗。
为了了解AI如何塑造疾病检测、何时会在医疗保健中普及，以及它是否会取代人类决策，我采访了Light AI的首席执行官兼总裁Peter Whitehead。他的AI驱动平台可以在几秒钟内通过智能手机摄像头检测疾病——从Strep A开始。
Peter Whitehead在健康技术创新方面拥有超过24年的经验，在医学界以其发明的VELscope而闻名，这是一种革命性的、市场主导的口腔癌和疾病成像工具。它于2000年获得专利，已被23个国家的2万多名牙科医生用于超过5000万次口腔健康检查。
在这次对话中，我们讨论了AI如何改变现实世界中的医疗保健、前方的挑战以及AI基础疾病检测的未来。让我们深入探讨。
医疗AI虽然取得了巨大增长，但采用速度仍然缓慢。目前只有约十分之一的医疗专业人员使用AI技术，而近50%计划在未来采用。您认为阻止AI成为临床标准的最大障碍是什么？
除了监管和合规挑战外，另一个同样重要的障碍是“认知”。
AI正在从根本上重塑医疗保健的提供和获取方式，随之而来的是不确定性和恐惧。许多人担心AI集成会一夜之间颠覆整个医疗系统，使过渡过程变得难以承受。虽然变化是不可避免的——需要培训、数据传输和新的安全措施——但这并不必是破坏性的或过于复杂。
为了让AI成为临床标准，我们必须首先建立医疗专业人员的信心和舒适度。
关键是通过简单而有效的AI工具进行引入——这些解决方案可以提高可及性、改善患者结果并减轻医务人员的负担。作为一名发明家，我亲眼目睹了技术既强大又易于采用。通过Light AI，我再次证明了这一点。
这就是我们开始的地方。但我们不能忽视紧迫性。每天AI采用滞后，生命就处于危险之中。今天，近45亿人——占全球人口一半以上——缺乏基本医疗保健。AI有潜力弥合这一差距，但前提是必须明智而迅速地整合它。
AI如何现代化疾病检测？它解决了哪些关键问题，对医疗服务提供者、患者和整个行业有何益处？
AI正在革新疾病检测并改变医疗保健的多个领域。
通过自动化耗时且重复性高的任务，AI使医疗服务提供者可以更多关注患者护理而不是行政负担。它提高了诊断的准确性和速度，减少了对实验室测试和拭子的依赖，这些方法通常伴随着长时间的等待。
AI的核心在于解决医疗保健的一些最大低效问题。通过简化瓶颈流程，AI提高了速度和系统效率，最终使医疗系统更加顺畅运行。
随着全球人口的增长，这将变得更加重要。今天，45亿人缺乏基本医疗保健服务，到2030年预计将出现1000万医疗工作者短缺。没有AI，我们无法及时弥合这些差距。改变的需求是迫切的——AI不仅是创新，更是必需品。
尽管好处显而易见，但监管是负责任AI集成的关键。我们必须确保AI工具在广泛采用之前是安全、有效和值得信赖的。
关于AI取代医疗决策存在争议。Light AI为什么是一个辅助平台而不是替代临床医生的工具？它是如何补充医疗专业人员的专业知识并在诊断过程中确保准确性和信任的？
我们并不是要取代医疗专业人员。我们需要他们，但可以这样想。当患者张开嘴给全科医生看喉咙后部时，医生无法确定是否有问题。即使他们看到一些肿胀和疼痛，也无法确定具体原因。这种情景一次又一次地发生，是今天高水平抗菌素耐药性的一个原因。过度开具抗生素“以防万一”并不是有效的治疗方法，但往往是采取的方法。
在美国，大约每10个患者中有6个被开具抗生素，而实际上只有2到3个人真正需要。这里就是AI可以帮助医生做出更好决策的地方。
Light AI的平台在这方面表现出色，因为它可以在不到一分钟的时间内检测到如Strep A等咽喉状况，帮助医生更准确地诊断，而不必依赖昂贵且耗时的方法如拭子和实验室测试。
我们的平台在FDA预验证研究中获得了97%的准确率评级，我们构建的数据库包含超过28万个喉咙后部图像，这意味着我们的AI拥有广泛而多样的数据来智能得出结论。
AI不会取代医生，但我相信，不使用AI的人将会被取代。
AI驱动的诊断高度依赖高质量的数据。收集、整理和标准化医疗数据的最大挑战是什么？AI模型如何确保准确性并避免偏差？
Emtelligent的首席增长官Kim Perry对此有最好的解释：“过去15年，医疗保健在互操作性方面取得了重大进展，CMS关于互操作性的最终规则有望进一步增强健康信息交换。然而，这只是第一步。”
据Kim所说，要真正赋予患者权力并将他们置于护理中心，医疗数据不仅必须可访问，还必须可用。仅仅启用数据交换还不够，如果大多数医疗信息仍处于非结构化、分散且锁定在不兼容格式的状态。许多组织难以从中提取临床和财务价值。要充分发挥互操作性的潜力，行业必须现代化数据处理管道，并利用AI、自然语言处理（NLP）和大型语言模型（LLMs）使医疗数据具有可操作性。通过解决临床数据管道中的最后一个障碍，医疗保健可以解锁数字转型的全部价值，改善患者护理和结果。
虽然上述内容适用于美国市场，但我们需要看到每个地区都能有效进行数据交换。患者数据敏感且受严格隐私法律（如HIPAA、GDPR）的保护，往往缺乏多样化的代表性，导致AI模型中存在偏差。
为确保准确性和公平性，AI必须在广泛的、代表性的数据集上进行训练，包括来自不同人口统计、地理和社会经济背景的患者。
隐私和安全是医疗AI的重要问题。面对日益严格的监管审查（如HIPAA、GDPR），AI驱动平台应采取哪些步骤以确保数据保护和合规？
AI基础设施正在演变为一个新的类别，由MLOps功能监督。通常，该功能遵守并参与最佳的网络安全措施，包括防止黑客攻击、数据泄露、网络攻击和其他安全问题。有效的数据策略的重要组成部分包括多密钥加密、访问控制和定期安全审计。此外，最近的要求还包括对专有模型进行身份验证，以确保使用它们的应用程序是预期和授权的。
您如何看待私人研发资金与公共健康组织合作之间的平衡？Light AI在过去几年的研发投入是多少？建立了哪些合作伙伴关系以开发其AI驱动平台？
平衡对于促进创新并确保公共利益和可及性至关重要。观察AI医疗空间，可以看到该领域一直有巨大需求，随着采用范围扩大，创新将继续。
对于Light AI而言，过去8年中已投入超过2000万美元用于平台的广泛研究和开发。我们与13个合作伙伴合作，包括新墨西哥大学医院（UNM Hospitals）、加州大学洛杉矶分校健康中心（UCLA Health）、罗德岛大学、美国心脏协会、乌干达心脏研究所等，才达到了今天的成就。我们拥有三项授权专利和一项允许专利，计划在2025年底获得FDA批准。
您在Light AI的工作集中在AI驱动的疾病检测。平台当前检测哪些特定条件，结果能多快提供？
我们的平台设计用于检测Strep A。根据2023年初步数据，这是一种达到20年高点的严重细菌感染。根据世界卫生组织的数据，它被列为五大健康威胁之一，每年有6亿人感染Strep A，几乎与疟疾一样多的孩子因此丧生。Strep A以前被认为是相对无害的细菌，直到最近，它一直在上升。如果进入伤口，可能导致截肢甚至死亡。除了Strep A，我们还将扩展到其他感染如Covid、流感和EBV。
最常见的情况是延误检测，这是我们努力解决的问题。我们的平台可以在图像采集后的30秒内检测到Strep A。无论是面对面还是通过远程医疗电话，医生只需用智能手机拍摄喉咙后部的图像，即可在60秒内获得结果，必要时可以立即采取行动。只要有智能手机，医疗专业人员就可以接触并调查情况。这为全球约45亿人打开了医疗保健的大门。
除了Strep A，您还看到AI驱动诊断将扩展到哪些其他疾病或状况？底层技术在检测更广泛条件方面的可扩展性如何？
我们的平台已经设置好，可以逐步检测其他条件，包括喉部、眼部和皮肤状况。
除了我们所做的工作，据我所知，
AI可以在患者意识到任何症状之前检测到1000多种疾病的早期迹象，这是非常惊人的。
AI还可以发现比人类更多的骨骨折，并帮助救护车决定谁需要转移到医院，谁不需要。
最终，好的AI工具需要好的数据。随着平台规模扩大，它们将需要足够的数据来支持其努力。
随着全球AI医疗市场的扩展，您如何看待不同地区的采用情况？哪些地区或医疗系统处于领先地位，哪里的机会最大？
AI在医疗保健中的采用在全球范围内以不同的速度推进，受到不同因素的影响，包括法规、基础设施、投资、接受度和医疗成熟度。我认为领先地区包括美国、欧洲、中国和中东。新兴机会出现在印度、东南亚和非洲。在这里，AI驱动的诊断可以解决可及性和负担能力方面的关键差距，为这些人群带来真正的转型转变。
哪些经历塑造了您对变革诊断的愿景？
我个人一直相信，创新应该服务于人类，不仅是作为一个概念，而且作为一种工具来弥合差距和解决实际问题。这个信念推动了我所有的行动。从小，我一直梦想成为一名医生，希望通过帮助他人产生影响。但深入了解后，我意识到问题不仅仅在医院内部——它们存在于系统本身。
许多人缺乏基本医疗保健。系统不仅紧张；对于许多人来说，它是不可及的。我知道我想做些什么来改变这一点。
展望五年，您对AI在医疗保健中最大胆的预测是什么？您认为哪项突破将从根本上改变我们对待诊断和患者护理的方式？
这是一个大胆的预测，但在五年内，我们可能会看到AI在某些医疗任务和责任中几乎无需人工干预。例如，这样的突破将使外科医生专注于手术，让专家专注于核心工作。
然而，实现这一目标需要应对当前监管环境的复杂性等。也就是说，五年内很多事情都可能发生。
(全文结束)
