10月8日的一次小组讨论中，公共卫生专家称赞了人工智能（AI）解决长期公共卫生问题的潜力，但同时也对其可能加剧不平等表示担忧。例如，芝加哥公共卫生部门利用AI预测麻疹等疾病的暴发。卫生与公共服务部（HHS）代理首席AI官Micky Tripathi表示，该技术还可以广泛应用于预测和预防食源性疾病。美国在不同政府层级的监管方法存在巨大差异，地方公共卫生人员的规模和专业水平也参差不齐。Tripathi问道：“我们如何确保这些技术能够普及？”减少这些差距是HHS在制定AI战略计划时的主要关注点。
Tripathi的发言是在10月8日于华盛顿特区约翰霍普金斯大学布隆伯格中心举行的“让AI成为救星”小组讨论会上作出的。该小组讨论会由哈佛公共卫生学院、Global Health NOW和霍普金斯布隆伯格公共卫生学院共同主办。另一位小组成员、全球咨询公司ICF的高级副总裁John Auerbach指出，AI可以通过简化填写表格或决定检查哪些餐馆等任务来帮助小型公共卫生部门。但他也提出疑问：“如何弥补许多地方缺乏复杂数据能力的事实？”
Auerbach认为，公平使用AI可能需要一种“缓慢而简单”的方法，更多地面向日常任务而非宏伟的应用。小组成员探讨了AI在医疗保健领域的潜在颠覆作用，以提高效率和护理效果。可能的应用范围从疫苗和药物开发到医学诊断和疾病筛查，再到向患者提供个性化健康信息。然而，目前AI主要出现在放射学诊断辅助和常规行政应用中。尽管有许多AI试点项目，但真正规模化应用的例子却很少见。
医疗资源的不平等阻碍了AI的公平使用。一方面，开发AI应用程序成本高昂。单个AI模型的成本可能超过100万美元，超出资源不足的公共卫生部门和医院系统的承受能力。一位小组成员提到，他最近与斯坦福大学的一位院长会面，后者表示他们在一个AI实施项目上花费了300万至500万美元。“没有人能负担得起这样的规模，对吧？”美国医学会前主席、放射学家Jesse Ehrenfeld说道。
约翰霍普金斯大学布隆伯格公共卫生学院生物统计学系主任Elizabeth Stuart指出，AI继续依赖有限的数据集，这在研究和应用技术方面都是一个问题。“我们需要真正意识到谁不在我们用于开发这些模型的数据中，以及这对各种环境中的应用意味着什么。”Stuart说。围绕AI已经出现了一个实际的差距：一项针对美国地方卫生部门的调查显示，在服务人口超过50万的部门中，24%已经参与或计划参与AI项目，而在较小的部门中这一比例仅为5%。
小组成员表示，避免AI的双重标准是可能的。扩大访问的一种方式是开发开放访问的AI平台，可以无缝集成不同的健康数据源和软件，适用于不同的护理环境。几项努力正在进行中，以弥合AI差距。今年1月，国家科学基金会推出了为期两年的国家人工智能研究资源试点项目，旨在降低AI创新的障碍。该项目将成功的申请人连接到基础设施资源，以开发新的AI模型。学术界领导的自愿合作也在加速医疗保健领域AI的采用。加州大学健康系统和杜克大学等机构正与各种医疗保健提供者合作，共享AI研究、验证实践和使用标准。
Tripathi表示，公私合作伙伴关系对于AI至关重要，由于美国的联邦制度，与公共卫生相关的AI政策肯定会因州而异。小组成员普遍认为，需要提高AI使用的透明度。Ehrenfeld指出，提高AI的可见性有助于发现导致不平等的缺陷，使AI成为公共卫生工作者更有效的工具。Stuart指出，公共卫生学院和医学院校在培训AI伦理问题和应用方面有巨大的机会。为了应对AI的透明度挑战，政策制定者正在努力改进监管结构。去年10月，拜登政府签署了一项行政命令，以加快AI风险的道德管理。该命令要求HHS起草AI行动计划，监督医疗保健领域负责任的AI实施。Tripathi表示，策略包括为销售电子健康记录的公司建立认证系统。要获得这一认证，构建AI应用程序的供应商需要披露模型的训练数据集、维护策略和验证方法。发布的这些信息“基本上就像营养标签一样”，他说。如果美国所有供应商都获得认证，将覆盖全国96%的医院和78%的医生办公室。Tripathi指出，HHS计划在1月发布其完整的AI战略。
国会在帮助标准化AI政策方面似乎不太可能采取行动。“国会似乎还没有准备好就各州的任何国家立场达成一致，”Tripathi说，“州权的概念在这一类政策中变得越来越根深蒂固。”
(全文结束)
