人工智能（AI）的引入彻底改变了医疗保健系统。《诊断与介入成像》杂志上的一篇新论文讨论了确保医疗保健中负责任和可持续地使用人工智能所需的步骤。
研究：医疗保健中的气候变化与人工智能：回顾及对可持续未来的建议
背景：
人工智能已被纳入医疗保健设备，主要在诊断成像、放射治疗、介入放射学和核医学中。深度学习（DL）是此类设备中最常用的人工智能应用。DL 允许模型在无需操作员参与的情况下从数据中学习，从而可以改善诊断和治疗结果，并提高护理效率。
然而，这个计算量巨大的平台碳足迹较高，可能会加速气候变化，并在多个方面对环境产生负面影响。
气候变化是一个紧迫的问题，减轻其影响和减缓其进展速度的需求已在国际上得到认可。当前的审查评估了在气候变化背景下医疗保健中人工智能的使用情况。
人工智能在医疗保健和气候变化方面的优点：
人工智能在医疗保健中的积极方面包括更流畅、更快速和更少浪费的工作流程，以及更广泛地使用远程医疗的能力。人工智能可以通过改善需要成像的患者的识别并减少等待时间来减少能源、时间和成像材料等资源的浪费。
人工智能还可以增强临床医生的诊断能力，从而避免重复检查。当与更流畅的工作流程相结合时，这有助于促进虚拟护理并减少不必要的患者出行，从而降低温室气体排放。
医疗保健中人工智能的能源成本：
人工智能模型的训练和使用是能源密集型的。目前，医疗保健应用占人工智能使用的 4%以上，它们需要大型数据集、复杂的算法和多次模型更新。一项研究报告称，单个大型人工智能模型的运行所需能源相当于五辆汽车的整个使用寿命所消耗的能源。
医疗保健中人工智能的使用依赖于使用服务器、冷却系统和网络平台的数据中心。所有这些都必须在受控环境中持续运行，消耗大量能源，约占全球电力消耗的 1%。
由于不断需要硬件更新，医疗保健还产生大量电子废物。由于使用铅、镉和汞等材料，此类废物可能会污染环境。
对稀土元素等自然资源的高需求通过促进栖息地破坏对生物多样性造成损害。运输和与人工智能相关的供应链物流需求加剧了与医疗保健相关的人工智能对环境的间接影响。
缓解措施：
可能的解决方案包括通过量化和修剪等技术提高人工智能模型的能源效率。改进基础设施设计、改进硬件和软件概念以及使用动态电压和频率缩放进行有效的电源管理也可以降低人工智能的环境成本。
纳入可再生能源可以减少与人工智能相关的能源消耗。实际上，人工智能辅助的核聚变反应堆设计可以在为医疗保健中的人工智能利用这一能源方面取得进展。
这些步骤需要对环境成本进行全面的生命周期评估，使科学家能够从始至终抓住减少碳足迹的机会。一项研究报告称，“自主人工智能有可能将医疗保健中的温室气体排放量减少多达 80%”。
利益相关者的合作是关键：
只有加强政策和政府举措，医疗保健中人工智能的可持续性实践才能成功。这需要在过程的各个阶段与利益相关者合作。
区域和国际合作对于这些趋势成为常态至关重要，知识共享也必不可少。
医疗保健中可持续人工智能的最佳实践包括设计绿色框架、人工智能系统生命周期评估、负责任地使用数据以及对该领域的变化和动向进行监管监督。通过了解当前的知识状况，本次对医疗保健中人工智能及其对气候变化的影响的审查旨在指导未来的研究，并针对需要更好实践的领域。
“优先考虑可持续性和环境责任对于确保实现人工智能的益处，同时积极为保护我们的星球做出贡献至关重要。”
