以下是由迈克尔·萨瓦斯（Michael Savas）和理查德·里恰尔迪（Richard Ricciardi）撰写的客座文章。萨瓦斯是乔治华盛顿大学卫生政策与媒体参与中心的研究员；里恰尔迪是乔治华盛顿大学卫生政策与媒体参与中心的教授兼执行主任。
在特朗普政府近期签署的行政命令中，有一项标题雄心勃勃：《利用人工智能解锁儿科癌症疗法》。该命令指示联邦机构部署人工智能工具，以改变儿童癌症的诊断和治疗方式。从纸面上看，这标志着对新兴技术和癌症治疗的积极拥抱。
对于像埃琳娜（Elena）这样的家庭来说——她是一名六岁、刚被诊断出白血病的女孩——这一承诺更具个人意义。人工智能可能意味着更快的诊断、更少的治疗失败以及更高的生存几率。但是，除非我们直面美国医疗系统中一个根本性障碍——我们如何管理和从数据中学习——否则人工智能的承诺有可能与一个多年来阻碍创新的碎片化基础设施发生碰撞。
近二十年来，大量患者数据被封锁在互不连通的医疗系统、电子健康记录和研究孤岛中。正如初级保健学者库尔特·斯坦吉（Kurt Stange）所论证的那样，这种碎片化被严重低估了，它助长了低效率、更差的医疗结果和日益扩大的不公平，同时阻碍了各专科之间的合作。这种冲突的根源很大程度上可以追溯到一些善意但效果不佳的政策，例如2009年的《卫生信息技术促进经济和临床健康法案》（HITECH Act），该法案加速了电子健康记录的采用，但未能要求有意义的互操作性。其结果是：系统优化了计费和市场份额，而非学习。
其后果超出了医疗提供者的挫折感。它们削弱了美国大规模创新的能力，尤其是在与那些将健康数据视为公共资产而非专有商品的国家相比时更是如此。人工智能依赖大量高质量、多样化的数据来检测模式并改进预测，这在医疗领域尤其具有重大意义。拥有国家化或集中协调医疗系统的国家，包括芬兰和英国，享有结构性优势：纵向的、人口层面的数据集能够推动持续学习。这些系统并非没有缺陷，但相比美国——美国几乎尚未开始奠定基础——它们处于更有利的位置来利用人工智能。
然而，在美国，集中收集数据引发了关于隐私、监控和网络安全的深刻而持续的担忧。在2019年美国商会和Morning Consult进行的一项调查中，不到三分之一的美国人甚至支持建立有限的国家医疗索赔数据库以提高价格透明度，近四分之三的人表达了隐私担忧。任何针对人工智能赋能医疗的战略都必须调和这些担忧与碎片化数据会削弱创新和护理质量这一现实。
有一条前进的道路，而且不需要建设一个国家级数据仓库。
联邦学习——由谷歌研究人员在2016年首次提出——允许AI模型在数据已存在的地方进行训练，即在医院、诊所和研究机构内部，而不是将敏感的患者记录移至中央存储库。每个参与站点在本地训练模型，并且只共享算法学到的东西，而不是底层数据。经过反复循环，模型通过从数百万次患者接触中提取洞察而得到改进，同时患者信息受到机构防火墙的保护。
在国家层面，联邦学习可以从根本上重塑美国的医疗保健。通过持续汇集来自不同护理环境的洞察，这样的网络可以提高诊断准确性，加速治疗发现，更早地识别新出现的风险，并帮助解决持续存在的不公平问题，所有这些都不会损害患者的机密性。早期的实现案例——包括约翰霍普金斯大学和梅奥诊所开发的平台——已经展示了这种方法如何推动临床护理和研究的发展。
对于埃琳娜来说，这种系统意味着她的护理不再仅由单一机构的经验来指导，而是由全国范围内数千例类似病例的模式来指导。人工智能可以帮助预测她对治疗的可能反应，标记早期预警信号，预测副作用，并确定对像她这样的儿童最有效的治疗方案。她的经历将为一个持续学习的系统做出贡献，这个系统不仅为她，也为下一个面临同样毁灭性诊断的孩子改善医疗结果。
怀疑论者正确地警告说，没有哪种技术能够单枪匹马地克服美国医疗保健的结构性弱点。联邦系统必须防范复杂的隐私泄露。资源不足的医院可能难以参与。糟糕的互操作性标准有可能将低质量的数据输入强大的算法，而不透明的模型可能会削弱临床判断或引入新的法律风险。
这些担忧是真实存在的，但也越来越可以解决。诸如安全聚合和差分隐私等进展加强了对数据泄露的防护。灵活的参与模式降低了农村和安全网医院的参与门槛。改进的数据治理和透明度工具有助于临床医生理解、信任并恰当地使用AI生成的洞察。
仍然缺失的是持续的制度性承诺。扩大联邦学习规模需要深思熟虑的公私合作，可能以卫生与公众服务部为核心，汇集美国国立卫生研究院的科学专长、医疗系统和负责任的科技开发商。在正确的治理下，这样的伙伴关系可以将今天碎片化的数据格局转变为一个国家学习生态系统。
如果不现代化医疗系统从其自身数据中学习的方式，美国就有可能浪费现代医疗保健中最重大的机遇之一。联邦学习不仅仅是一个技术解决方案；它是一座从碎片化通往集体洞察的桥梁。如果我们不去构建它，像埃琳娜这样的家庭将继续为我们的不作为付出代价。
他们应得的不仅仅是承诺。他们应得的是一个不断学习、不断进步的系统——为了每一个孩子。
关于迈克尔·萨瓦斯：迈克尔·萨瓦斯是乔治华盛顿大学卫生政策与媒体参与中心的研究员。
关于理查德·里恰尔迪：理查德·里恰尔迪是乔治华盛顿大学卫生政策与媒体参与中心的教授兼执行主任。
【全文结束】