发达国家的医疗系统正陷入困境，被过时的方法所束缚，无法满足当今的需求。由于过分关注疾病治疗而非预防，缺乏系统性改革继续削弱长期的公共卫生成果。与此同时，低收入和中等收入国家（LMICs），特别是非洲国家，拥有开发创新解决方案的独特机会，将重点从反应式医疗转向预防性医疗。
没有既定系统的约束，LMICs 有更大的灵活性去试验新技术和新模式，这为真正的变革提供了机会。通过利用人工智能重新设计医疗系统，这些国家可以挑战全球北方的根深蒂固的做法。促进 LMICs 的创新为更公平的医疗解决方案铺平了道路，不仅造福当地民众，也惠及全球社区。
初级保健是功能完善的医疗系统的基础
为了推动转型，不一定需要彻底革新——关键在于认识到并放大现有的优势。LMICs 不需要完全复制富裕国家以医院为中心的模式。相反，他们可以基于深厚的社区干预系统进行建设。
许多 LMICs 长期以来依赖社区卫生工作者（CHWs）和分散的初级保健模式来提供基本医疗服务，特别是在农村和欠发达地区。通过增强现有网络、培训当地卫生工作者以及整合人工智能驱动的决策支持，可以在不破坏社区已信任的熟悉系统的情况下，大幅提高获得优质医疗服务的机会。
社区卫生工作者，包括家庭医生、护士和经过培训的非专业人员，往往是患者的第一接触点，即使他们没有专门培训。人工智能驱动的建议可以帮助他们更准确地进行初步评估，迅速识别出需要进一步评估或密切监测的人。
人工智能可以通过图像分析诊断皮肤癌、通过外周血样本分析检测疟疾等方式支持 CHWs。随着便携式诊断工具如超声探头和显微镜变得更加普及，人工智能在医疗保健中的应用范围预计将扩大。
此外，随着智能手机的广泛使用，人工智能驱动的工具还可以通过生活方式和营养指导、症状自我评估以及在怀孕和病后恢复期间提供重要建议，持续支持个人，从而减轻诊所和医疗系统的压力。
令人鼓舞的是，人工智能在改善患者管理方面发挥着越来越重要的作用，从优化电子健康记录（EHRs）到增强临床决策。在马拉维，大约每1000名新生儿中有19人在分娩过程中或出生后第一个月内死亡，在25区健康中心实施人工智能胎儿监测后，该设施的死胎和新生儿死亡率显著降低了82%。
通过在分娩过程中对胎儿生命体征进行连续实时监测，这项技术能够早期发现胎儿并发症并及时干预。这表明人工智能可以和谐地补充人类元素——赋能而不是取代社区卫生工作者的专业知识。
尽管在墨西哥这样的国家，医疗领域的人工智能采用仍然缓慢，但医生中出现了乐观和主动的迹象。根据2024年的研究，目前只有9%的墨西哥医生在日常实践中使用基于人工智能的工具，其中近一半人偏爱类似Chat-GPT的平台，四分之一依靠专业的医疗人工智能。
然而，通过适当的培训和机构支持，更多医生愿意使用这些技术——超过53%的受访者认为人工智能是简化护理和辅助复杂决策的宝贵工具。放射学尤其成为人工智能成像工具增强诊断准确性和效率的突出领域，通过检测X光片和MRI中的细微异常。
简而言之，LMICs 具有结构和社会优势，使其特别适合加强基于社区的医疗保健和初级保健系统。当这些内在优势与使能技术相结合时，转型和创新就成为自然而然的下一步。通过以互补本地优势和需求的方式整合人工智能，也为建立社区在医疗保健中接受人工智能所需的信任创造了理想的环境。
面对明显挑战的实际准备
从基础设施不足和财政限制到劳动力能力问题，有许多挑战阻碍了 LMICs 在医疗保健中采用人工智能。许多国家缺乏实施人工智能应用所需的技术基础，而在许多地区，缺乏强大的数据基础设施阻碍了收集高质量、标准化的健康数据用于训练和验证人工智能系统。
例如，在巴基斯坦，许多医疗机构仍然依赖过时的电子健康记录（EHR）系统和旧技术，这些系统和技术并不适应现代医疗保健不断变化的需求。通常缺乏互操作性，这使得跨不同医疗服务提供者共享患者信息变得困难，导致患者护理碎片化。在黎巴嫩等国家，严重的金融危机导致甚至基本药物的严重短缺，立即的医疗需求自然优先于为先进的人工智能技术分配资金。
公众信任和接受度也在人工智能采用中起着决定性作用，患者和医疗保健提供者经常因准确性、偏见、安全、隐私和就业替代等问题而表示怀疑。
尽管面临挑战，LMICs 通过战略政策制定、数字基础设施投资和创新试点项目，越来越多地表现出在医疗保健中采用人工智能的准备。例如，卢旺达在2023年成为首个引入国家人工智能政策的低收入国家，概述了在多个领域（包括医疗保健）采用人工智能的结构化方法。
该政策强调道德和包容性的人工智能使用，使卢旺达成为该地区人工智能治理的先驱。通过投资基础设施、能力建设和国际合作，卢旺达为负责任和有效的人工智能在医疗保健中的整合奠定了坚实基础。
尽管仍处于起步阶段，并且目前尚无针对医疗保健的人工智能具体监管工具，包括卢旺达在内的 LMICs 正在证明创新可以在资源受限的环境中蓬勃发展。
其他隐含适用于医疗保健中的人工智能的法律，如数据保护和隐私法、网络安全法以及信息和通信技术法，在塑造负责任的人工智能创新开发和实施方面发挥着重要作用。结合不断增长的技术干预、移动渗透率和监管灵活性，为影响深远且可持续的医疗系统的发展创造了肥沃的土壤。
通过监管视角
在许多 LMICs 中，创新者面临着不明确的人工智能治理环境，这常常导致困惑或错误地认为医疗保健中的人工智能不受监管。这种不确定性进一步被一种误解所强化，即一般的人工智能法规不适用于医疗保健部门。
包括卢旺达、哥伦比亚、黎巴嫩和巴基斯坦在内的许多 LMICs 并非没有监管结构——它们有可以调整以更全面覆盖医疗保健中的人工智能的现有系统。
即使在小国或资源有限的国家，医疗保健中的人工智能也隐含在旨在涵盖其他医疗技术的法律中。例如，许多这些国家将软件纳入医疗器械的定义，这也扩展到了人工智能应用。
通过这种监管方法，对于通用型人工智能模型是否存在差距？是的。但是，这些现有框架能否作为创建本地定制的健壮人工智能特定法规的基础起点？也是的。
话虽如此，确保医疗保健中人工智能的安全和负责任发展需要付出巨大努力来更新和完善全球治理框架。鉴于 LMICs 在制定既解决本地健康需求又符合国际标准的监管机制方面面临的独特挑战，只有平衡全球标准和适应本地背景的协作方法才能确保所有人群都能公平受益。
除了技术和伦理考虑外，还必须考虑到每个国家的文化、历史、基础设施和法律背景，因为人工智能系统的表现会受到这些因素的影响，提醒我们为什么这些细微差别不容忽视。
有效的治理生态系统可以加速人工智能技术的开发、部署、公平获取和采用，从而显著改善健康结果。有了适当的支持，LMICs 有可能推动本地扎根的医疗保健人工智能解决方案和创新——为富裕国家提供关于公平、可持续和以社区为中心的护理方面的经验教训。
(全文结束)
