官员表示，人工智能正在降低成本并提升医疗服务
该技术正针对高再入院风险患者并检测胎儿心脏缺陷
但分析人士表示，人工智能可能加剧医疗保健中的种族差异
在密歇根州各地的医院中，一场基于二进制代码零和一的医疗变革正在以几年前难以预见的方式撼动整个系统。
这就是人工智能——在医学领域，它的应用正迅速成为一个新兴领域，结合海量数据和计算机科学，帮助医生识别从心脏病到胎儿出生缺陷等各种问题。
在大急流城(Grand Rapids)的Corewell医疗集团，人工智能算法正在解读人类无法看到的CT扫描中的模式。位于格兰德布兰克(Grand Blanc)的McLaren医疗保健正在使用人工智能对中风患者的影像进行分析，以精确定位大脑中可能致命的血栓。罗亚尔奥克(Royal Oak)的一位研究人员率先开发了一种面向孕妇的血液检测，该检测借助人工智能来检测胎儿先天性心脏缺陷。
医疗机构官员还在使用人工智能尝试减少医院再入院率——从而每年节省潜在的数百万美元医疗费用。
"我们非常擅长处理你的心脏病发作，"大急流城Corewell医疗集团门诊护理和人口健康首席医疗官亚历杭德罗·基罗加(Alejandro Quiroga)博士告诉Bridge Michigan媒体。"但这只占治疗结果的20%。你80%的治疗结果取决于你的生活状况。"
Corewell医疗集团的亚历杭德罗·基罗加博士表示："人工智能是找到最需要帮助的人的极佳方式。"(照片由Corewell医疗集团提供)
基罗加监督了一个为期20个月的试点项目，该项目使用人工智能预测性分析来识别高风险再入院患者，然后将他们与临床团队和社区资源联系起来，以防止这种情况发生。
医院官员计算出，该项目使200名患者避免了再入院，并节省了500万美元。
"人工智能是找到最需要帮助的人的极佳方式，"基罗加说。
但尽管人工智能带来了诸多突破，一些医疗保健分析人士认为它也有潜在的负面影响——可能也是难以预见的。
"医疗保健系统甚至不知道他们缺少什么数据，"密歇根大学福特公共政策学院教授沙比塔·帕萨拉萨提(Shobita Parthasarathy)告诉Bridge Michigan媒体。
"(人工智能)被整合到医疗服务中作为一种实现效率的机制。但他们这样做时并未意识到，这实际上会大大加剧许多结构性不平等。"
事实上，2019年的研究人员发现，一种用于数百万患者的AI算法——用于预测哪些患者会从额外医疗护理中受益——低估了黑人患者的健康需求，加剧了医疗保健中现有的种族差异。
2022年，加州总检察长罗布·邦塔(Rob Bonta)向全州30家医院首席执行官发送了信件，要求提供有关医疗机构和其他服务提供商如何识别和解决商业决策工具中种族和族裔差异的信息。
密歇根大学法学教授尼克尔森·普赖斯(Nicholson Price)是密歇根大学医疗保健政策与创新研究所成员，他共同撰写了一篇2022年发表在同行评审期刊《科学》上的文章，部分主张"临床实践、数据收集和医疗人工智能构成了自我强化和相互作用的排斥循环"，可能带有种族偏见。
普赖斯告诉Bridge Michigan媒体，人工智能"有巨大潜力使医疗保健变得更好。"
密歇根大学法学教授尼克尔森·普赖斯表示："问题在于，人工智能所学习的信息中嵌入了偏见。"(照片由密歇根大学提供)
但他警告说："问题是，人工智能所学习的信息中嵌入了偏见，不幸的是，我们的医疗保健系统就是这种情况。只要我们有医疗保健系统，就一直存在着关于谁得到治疗、如何治疗、谁来治疗以及他们接受什么类型护理的嵌入式偏见。"
当被问及人工智能可能存在偏见时，Corewell医疗集团护理协调副总裁特里西娅·贝尔德(Tricia Baird)在一份声明中表示："我们在受控和安全的环境中试点我们的AI工具，然后将结果与经验丰富的临床医生配对。这些预测交由人类评估，以确定对每位患者最有利的方案。"
McLaren医疗保健首席医疗官贾斯汀·克雷默斯(Justin Klamerus)博士在一份声明中表示："人工智能的实际应用是一项不断发展的技术，但我们对我们目前使用的平台的公平性和临床能力充满信心。此外，McLaren医疗保健正在实施测量工具，以查看基于种族、性别、性取向、性别认同和其他社会人口因素的不同结果。"
但医疗保健中的人工智能争议只是由AI技术引发的众多争议之一，如今大学正在应对可以撰写学期论文或参加考试的AI聊天机器人(如ChatGPT)。随着证据显示该技术可能不准确(尤其是当识别对象为女性、黑人且年龄在18至30岁之间时)，一些城市已开始禁止市政部门使用AI面部识别技术。该技术还引发了隐私问题。
与此同时，医院官员和医疗服务提供者坚称，AI平台正证明其对患者和医疗保健系统都有价值。
大急流城Corewell医疗集团的心脏病专家戴维·兰格霍尔茨(David Langholz)博士共同撰写了一篇2022年的论文，该论文既审视了将人工智能整合到医疗保健中的挑战，也展望了其前景。该论文部分指出，人工智能软件可以帮助发现大量因非心脏疾病原因接受治疗的患者中未被检测到的冠心病。
心脏病是密歇根州的头号死因，2021年导致超过26,000人死亡。
"这会带来相关成本，包括财务成本以及对人们生命及其家庭的成本，"兰格霍尔茨告诉Bridge Michigan媒体。"如果我们能够防止心脏病或心脏病发作等事件首先发生，会怎样？"
为回答这个问题，Corewell医疗集团在2021年完成了一项试点项目，该项目使用人工智能分析555名患者的CT扫描，这些患者正在接受癌症、胸部伤口或其他需要胸部区域扫描的疾病的治疗。
兰格霍尔茨表示，由于这些CT扫描缺乏针对心脏特定患者的详细信息，放射科医生很难发现与心脏病相关的钙化标记。
但人工智能软件做到了这一点：兰格霍尔茨在2022年美国心脏病学会会议上共同发表的试点项目报告得出结论，人工智能驱动的CT扫描读数在32%的患者中发现了未检测到的心脏病。
"该算法的美妙之处在于它可以深入到像素级别。这是一个帮助人们保持健康的强大工具。实施此算法将拯救生命，"他说。
位于密歇根州东南部的Corewell医疗集团妇产科系统主任雷·巴哈多-辛格(Ray Bahado-Singh)博士领导了一项小型研究，该研究于1月份发表，详细介绍了为孕妇开发的一种血液检测，该检测使用人工智能和相关遗传生物标志物来准确检测胎儿先天性心脏缺陷。
先天性心脏缺陷是最常见的出生缺陷，影响近1%的新生儿，并导致密歇根州每年超过300名婴儿死亡。
"我们知道，当先天性心脏缺陷被早期诊断——理想情况下在出生前——结果可以显著改善，死亡率和发病率降低，"巴哈多-辛格说。
巴哈多-辛格表示，目前，胎儿心脏的超声图像仍是早期检测产前心脏缺陷的唯一标准筛查工具。但该方法仅能识别约一半的胎儿心脏缺陷，可能导致婴儿过早死亡和严重并发症。
在针对疑似胎儿心脏缺陷的孕妇研究中，研究人员发现该血液检测确认胎儿心脏缺陷的准确率达到98%。
"一旦确认，这些结果可能会带来令人兴奋的新协议，最重要的是，改善新生儿及其家庭的治疗结果，"巴哈多-辛格说。
研究也存在局限性，正如巴哈多-辛格及其同事在研究中所写，需要更大规模的前瞻性研究来确认这些发现。
在McLaren医疗，医生们正在使用人工智能技术来帮助他们在治疗中风患者时占据优势。
"在中风期间，时机至关重要，"该组织神经科学医学主任安尼尔·马吉胡(Aniel Majjhoo)博士说。
中风是密歇根州的第五大死因，2020年导致5,873名密歇根居民死亡。加州大学洛杉矶分校领导的一项研究发现，治疗时间提前15分钟可以防止残疾和死亡。
马吉胡说，当医生准备治疗中风患者时，CT扫描的快速AI分析使他们能够初步判断如何治疗中风。
"其中嵌入了人工智能软件，它可以给你一个关于是否以及在哪里寻找大脑中血管阻塞位置的提示。"
该技术能够推荐哪些患者应接受取栓术，这是一种神经科医生从腹股沟到大脑穿行导管以移除导致中风的血栓的手术。
马吉胡表示，AI CT扫描读数由治疗医生确认，并补充说AI可以节省对患者结果至关重要的几分钟。
"我们有一位医生审核它，但它会很快为我们指明方向，所以我们不必坐下来试图弄清楚。每位患者都能节省时间。"
但医院不仅将人工智能用于高科技图像计算和血液检测分析——它还被用于追踪那些在医院外需要医疗帮助的患者。
在McLaren医疗保健一年前启动的试点项目被认定为成功后，该组织正在扩展一个使用AI监测可能再次入院的持续性疾病患者的项目。
患有心血管疾病、慢性阻塞性肺疾病或其他医疗问题的人会收到短信、电子邮件或电话(根据他们的偏好)，并被指示回应特定疾病的自动问题列表。
表明并发症迹象的回应会被数字标记并发送给负责的护士。
"We are in regular contact with patients, but we are doing it through AI," McLaren的护理协调总监安德烈娅·菲利普斯(Andrea Phillips)告诉Bridge Michigan媒体。
菲利普斯表示，AI系统允许一名护士同时关注多达1,500名患者，而不是通常的120名患者。她预计该项目将从最初的1,700名患者在几个月内增长到7,000名。
菲利普斯表示，医院内部跟踪发现，该项目将医院再入院率降低了近3%。
"它避免了不必要的开支。如果我们能够提前处理他们的医疗问题并进行干预，我们已经学会可以防止他们不得不去医院。"
大急流城的Corewell医疗集团也在寻求在其成功利用AI软件识别出院后高风险患者的基础上再接再厉。
Corewell医疗集团的亚历杭德罗·基罗加博士表示，这只是干预的开始。下一步是消除出院后康复的障碍，包括从缺乏交通到住房条件差、营养不良，再到家庭和家庭支持系统不稳定等各种问题。
"他们可能没有车。有时他们甚至付不起公交车费。有时他们无家可归。如果你吃得不好，你很难从伤口或手术中恢复良好。"
对于被标记为可能再入院的患者，解决方案可能非常简单。
"我们可以给某人一张Uber或公交卡代金券。这一切都很简单，但如果我们不帮助他们，人们就会掉出系统。"
基于其成功，该医疗系统今年将该项目从15个办事处扩展到45个初级保健点。
"医疗系统需要更好地找到干草堆中的针。谁真的需要帮助？"基罗加说。
【全文结束】