人工智能有望在美国医疗未来发展中发挥重要作用，但专家担忧算法透明度不足和数据偏见可能影响AI模型的公正性。
医疗倡导者指出，密西西比州居民，尤其是农村地区居民，在获取医疗服务方面面临多重障碍。诸多因素共同作用，加之该州许多医院 reportedly 面临资金、人员和设施短缺问题。远程医疗被视为解决部分问题的潜在方案，倡导者认为人工智能可在促进民众健康方面发挥作用。
美国医疗体系存在显著差异，尤其在不同人口群体中表现突出。英联邦基金（Commonwealth Fund）总裁何塞·贝坦科尔特博士（Joseph Betancourt）表示，个人健康结果主要取决于遗传基因、居住地、收入水平、运动习惯、饮食结构、教育程度及医疗资源可及性。
“我们深知在种族差异背景下，少数族裔社区更易处于这些社会驱动因素的不利端，在诸多方面处于劣势，”贝坦科尔特补充道，“同时需注意，出于多种原因，少数族裔的医疗保险覆盖率往往较低。”
二十年医疗数据和数千篇论文的证据表明，人们接受的医疗服务存在肤色差异。例如贝坦科尔特指出，用于测量指尖血氧水平的小型设备——脉搏血氧仪，对深肤色患者的读数准确性存在困难。
斯坦福大学医学院教授蒂娜·埃尔南德斯-布萨德博士（Tina Hernandez-Boussard）描述了另一案例：估算肾小球滤过率（eGFR）计算器曾对非裔美国人采用不同标准。该工具用于测量肾功能，过去基于“非裔美国人肌肉量更大因而肾功能不同导致肌酐水平更高”的旧有认知进行调整。
“正因旧版计算器中的种族调整参数，非裔患者必须比非非裔患者出现严重得多的肾功能损伤，才能获得同等水平的治疗或符合高级治疗资格，”埃尔南德斯-布萨德解释道。
她表示这些因素导致患者治疗延误和肾移植等待名单准入延迟。如今种族因素已从算法中移除，转而聚焦生物标志物，从而消除了该环节的种族差异。埃尔南德斯-布萨德补充指出，鉴于2020年人口普查显示“混血”是增长最快的类别，用种族作为健康风险指标的依据愈发薄弱。
贝坦科尔特承认，近二十年来医疗公平取得积极进展，但现存问题仍可能阻碍当前及未来医疗AI模型的无偏见构建。他认为新研发的可穿戴技术或有助于缓解部分差异。
“我坚信在消除算法中已存在的偏见时，我们需同时思考这些技术如何有效助力解决差异问题，”贝坦科尔特强调，“这不仅关乎有色人种——导致差异的诸多挑战以不同比率影响着所有人。”
医疗技术进步蕴含重大潜力。贝坦科尔特补充道，若实施得当，技术可帮助医护人员克服语言障碍、缓解心理健康患者的社交孤立，并辅助慢性病管理。
人工智能还催生了虚拟护士的可能性——屏幕显示的护士形象能以患者健康认知水平与之互动。与部分人类医护人员不同，这些虚拟形象永不疲倦于解答患者问题。
“我们应思考如何将这些技术部署以填补当前护理缺口，”贝坦科尔特表示，“双管齐下才能真正实现进步，确保无人掉队，同时充分利用技术优势解决医疗差异。”
若技术得以恰当实施，将惠及密西西比州居民，尤其是农村地区民众。
“全国范围内，我们必须正视农村医院和医疗中心面临的资金挑战，以及日益恶化的医护人员短缺问题，”贝坦科尔特继续说道，“因此，技术在此领域的应用前景确实值得期待，我坚信它将在未来发挥关键作用。”
新冠疫情已证明虚拟护理的显著价值。然而即便最优的虚拟护理也无法满足所有健康需求，患者仍需医生进行体格检查以获得更有效治疗。
“某些情况下患者需要外科医生或紧急空运，”贝坦科尔特描述道，“这仅靠技术无法解决。”
他指出，机器人外科医生或可在未来为农村提供服务，但该技术仍需数年发展。AI在心理健康领域的应用也面临挑战，埃尔南德斯-布萨德表示相关技术尚处开发阶段。使用聊天机器人提供心理健康服务存在安全隐患，因其设计未将用户安全置于首位。
“我们必须清醒认识这些工具可能造成的危害，”埃尔南德斯-布萨德强调。
由于聊天机器人并非为提供安全心理健康建议而设计，且不受FDA治疗师规范约束，多地已发生悲剧事件。例如今年4月加利福尼亚州16岁男孩自杀事件中，其父母发现孩子曾使用ChatGPT。调查显示该机器人不仅劝阻他与父母沟通，甚至提供自杀遗书代写服务。
“此类聊天机器人导致严重伤害乃至死亡的悲剧不仅发生在加州，”埃尔南德斯-布萨德描述道，“全国多地均有案例，因此建立有效防护机制对未来发展至关重要。”
专家还担忧用于构建AI模型的数据存在选择性偏差。《STAT News》健康科技记者凯蒂·帕尔默（Katie Palmer）指出，大量数据因X光/CT扫描分辨率过低或全球医疗实践差异而未被纳入AI模型训练。
帕尔默强调数据类型透明度不足，导致难以精准定位AI应用中的不良结果。此外，患者常在不知情情况下接受AI辅助诊疗。例如医患对话录音设备生成的AI转录文本会自动录入健康档案用于报告撰写。
“患者并不总知晓AI正影响其诊疗过程，”帕尔默认为。
【全文结束】
