人工智能如何用于促进公共和人口健康
本文总结了微软公益人工智能实验室在促进公共和人口健康领域已完成的工作。特别是，在阐述了该实验室如何阐明使用人工智能改善公共和人口健康的价值后，我们提供了该实验室工作的实例和参考文献，展示了实验室如何：应用人工智能改善孕产妇、胎儿和婴儿健康；利用大语言模型改善人口健康；以及应用人工智能改善农村健康和医疗保健。我们还总结了通过工作所学到的经验，发现：正确提出问题并确保理解任何分析的局限性非常重要；公共、私营和教育机构与主题专家的合作将是利用这一新技术最有效和高效的方式；以及关注反映健康状况的指标，而不仅仅是模型的准确性，是改善全球人口健康的最具影响力的方式。
引言
医疗服务和公共卫生工作旨在改善所服务人群的健康状况。虽然医疗服务是人口健康的一个重要方面，但公共卫生更为重要：人群健康状况约有20%可归因于医疗服务，其余80%则归因于遗传和公共卫生措施，包括健康行为和健康的社会决定因素（定义为影响健康结果的非医疗因素）。虽然以往的公共卫生研究依赖于传统的回归和其他分析方法，但使用人工智能（AI）解决公共卫生问题提供了一种相对较新的方法，能够更熟练地探索非线性和交互关系。
鉴于医疗服务、遗传、健康行为和健康的社会决定因素之间相互作用的复杂性，人工智能可能能够揭示有关公共卫生指标与健康结果之间关系的重要见解。如果揭示了这些关系，希望改善人口健康的政策制定者可能会将努力集中在那些对健康状况影响最大的健康行为或社会决定因素上。这种针对特定地理区域或特定人群的努力不仅可以更有效地利用稀缺资源，还可以产生可衡量的健康相关投资回报。例如，虽然研究表明改善当地经济条件可以降低当地发病率和死亡率，但人工智能可以帮助模拟这些潜在回报的时间、规模和受益者，使政策制定者能够就应采取哪些干预措施以在特定时期内产生最大的健康回报做出明智的投资决策。
为揭示这些关系，自2020年以来，微软公益人工智能实验室已投入资源探索如何使用人工智能解决可持续性、人道主义行动和健康领域最大的问题。该实验室包括（通常是博士级别）微软雇用的数据和计算机科学家，他们与非营利组织（如大学、慈善组织和政府机构）合作，将人工智能方法应用于旨在解决这些问题的研究。作为更广泛文献的一部分，本文展示了该实验室和这些研究人员如何在以下五个领域为解决健康和医疗保健挑战的同行评议文献做出贡献。
阐述人工智能在公共和人口健康中的潜在用途
人工智能与健康研究人员通过阐明应用人工智能方法改善人口健康的前景和风险，为文献做出了贡献。这些贡献包括社论，阐述了人工智能如何可能用于推进公共卫生（2）、为什么人工智能应被视为公共服务（3）以及人工智能方法如何可能用于改善健康和公共卫生（4）。
此外，人工智能与健康研究人员强调了人口健康在实现可持续发展目标方面的核心和重要性（5），同时警告称，用于说服公共卫生从业者和政策制定者关注公共卫生问题重要性和相关性的不准确叙事可能会误导决策者（6）。
人工智能与健康研究人员还探索了如何使用人工智能方法改善医疗服务。例如，他们描述了人工智能在实现医疗四重目标（增强患者和提供者体验、改善并公平分配医疗质量和结果、降低人均医疗成本）方面的前景和风险（7），以及人工智能如何帮助解决美国医疗系统表现不佳的问题（8）。
使用人工智能改善孕产妇、胎儿和婴儿健康
人工智能与健康研究人员在婴儿意外猝死（SUID）领域为文献做出了重要贡献。SUID是一个总括性术语，包括婴儿猝死综合征（SIDS）、床上意外窒息和绞死以及其他发生在一岁以下婴儿身上的原因不明死亡；这对家庭来说是一场灾难性的经历。
为减少SUID发生率，人工智能与健康研究人员使用人工智能方法探索了孕前和孕期母亲吸烟（9）、孕期母亲感染（10）以及母亲肥胖（11）与SUID风险之间的关系。此外，人工智能与健康研究人员探索了美国境内SUID的地理差异（12），并根据婴儿死亡年龄识别了SUID的不同人群（13），包括对生命第一周SUID的分析（14）。最后，人工智能与健康研究人员发现SUID率在新冠疫情大流行期间发生了变化（15）。
除SUID外，人工智能与健康研究人员还确定了美国晚期妊娠死产的风险因素（16），努力提高对胎儿生长与晚期妊娠死产关系的理解（17），并确定了低风险分娩人群中产后出血和严重孕产妇发病率的风险因素（18）。
最后，人工智能与健康研究人员描述了人工智能如何提供帮助：在资源有限的环境中解决孕产妇、新生儿和儿童健康挑战，使政策制定者能够最佳利用稀缺资源（19）；了解微观地理分析如何用于识别印度儿童营养不良风险高的地区，使政策制定者能够针对最需要的人群进行干预（20）；确定人工智能如何与卫星数据结合使用来预测肯尼亚儿童营养不良的激增，以便政策制定者进行干预以防止其发生（21）；以及对疫苗接种后脑膜炎球菌抗体反应进行建模，使政策制定者能够确定最佳再接种时间（22）。
使用人工智能探索健康社会决定因素与人口健康之间的关系
众所周知，健康的社会决定因素——人们出生、成长、工作、生活和老化的条件——对个人健康的影响比医疗系统更大。了解这种对个人和人口健康的影响，人工智能与健康研究人员开展了研究，探索健康的社会决定因素与人口健康之间的具体关系。
在考虑了健康的社会决定因素如何用于解决心血管疾病和健康公平问题后（23），人工智能与健康研究人员描述了当地经济困境与预期寿命（24）以及健康结果、临床护理、健康行为和其他健康社会决定因素方面的不平等之间的关系（25）。人工智能与健康研究人员利用这些知识和机器学习工具评估了纽约市健康社会决定因素与糖尿病患病率之间的关系（26），以及2000年至2019年美国当地经济条件变化与药物过量死亡之间的关系（27）。从检查这些关系中产生的见解支持了先前的工作，表明政策制定者应考虑使用当地经济刺激来改善健康和健康结果（28）。
此外，人工智能与健康研究人员探索了联邦医疗保险按服务收费人群，识别了旨在捕捉健康社会决定因素的编码实践中的差异（29），并识别了提供高质量、最佳结果的程序干预所需合格程序师短缺的地区（30）。
人工智能与健康研究人员还使用机器学习、健康社会决定因素数据和其他数据源来预测康涅狄格州短期药物过量死亡（31）、改善流感追踪（32）、预测不同类型癌症患者的生活质量轨迹（33），以及在文化规范发生变化时探索和挑战历史数据检查中的固有假设（34）。
使用大语言模型改善人口健康
大语言模型（LLMs）有可能对医疗服务、公共卫生干预和健康结果产生重大影响。为推进这项工作，人工智能与健康研究人员展示了用于戒烟的对话式聊天机器人的有效性（35），阐述了LLMs如何用于促进医患接触中的共同决策（36），展示了LLMs如何快速高效地创建用于评估医疗补助或其他社会服务资格的用户友好型应用程序（37），评估巴西葡萄牙语营养问题答案的准确性（38），识别互联网新闻故事中的错误信息来源（39），以及在互联网搜索中呈现高质量、基于证据的医疗信息（40）。
使用人工智能改善农村健康和医疗保健
作为对该计划在健康和公共卫生方面努力的总结，人工智能与健康研究人员在提供制图工具和评估健康结果、临床护理、健康行为和健康社会决定因素方面的城乡差异方面发挥了重要作用（41）。为解决这项工作发现的健康和经济差异，人工智能与健康研究人员制定了行动计划，利用技术和人工智能改善农村地区居民的健康（42），并设计了一个集线器-辐射模型，旨在通过促进城市和农村医院之间的临床和技术伙伴关系来改善农村健康和医疗保健获取（43）。
我们学到的经验
我们的经验产生了几项可能对其他探索人工智能在公共和人口健康中应用的人有用的见解。首先，与所有研究一样，正确提出问题至关重要。虽然通过数据探索"钓鱼"可能会产生有趣的假设，但关键是要了解将使用的分析方法，理解要探索的任何数据集的局限性，并获得正确的许可——包括适当的人类受试者审查——以进行研究。其次，作为第一点的推论，人工智能有可能回答的问题具有挑战性和复杂性：因此，在问题的开发、研究本身、研究结果的解释和撰写过程中，必须包括主题专家（在公共卫生和正在探索的特定医学领域）。第三，实现前两点需要与拥有适当数据进行分析和进行研究所需主题专业知识的机构合作；选择对分享发现（无论结果如何）感兴趣的最佳合作伙伴，以推进知识，对成功至关重要。最后，进行的研究必须具有产生影响的潜力：研究人员必须将其有限资源应用于可以改善公共和人口健康的问题；因此，应评估的指标应反映健康影响，而不仅仅是模型准确性的衡量标准。
结论
本文展示了人工智能如何被用于——并且正在被用于——促进公共和人口健康。虽然人工智能与健康研究人员在为这一领域做出贡献方面非常有成效，但我们相信这只是开始。未来，我们预计人工智能将用于整合个性化医疗服务和健康社会决定因素干预计划，估计针对健康社会决定因素干预的投资回报，利用物联网监视和干预传染病爆发，以及使用多模态数据（如卫星数据）用于流行病学目的、气候变化引起的疾病传播，甚至同时评估健康社会决定因素指标。
我们生活在一个激动人心的时代。虽然人工智能正在彻底改变许多企业的运营方式，但它最大的影响可能是在改善公共和人口健康方面。全面、战略性地部署针对公共和人口健康干预的特定人工智能工具，支持管理人员监测这些干预措施，并为政策制定者提供应选择哪些干预措施的信息，可以高效有效地支持学习循环，其中个人和人口健康持续改善。
作者贡献
WW：概念化、方法论、验证、撰写初稿、审阅与编辑。JLF：项目管理、资源、监督、审阅与编辑。
资金支持
作者声明，本工作及其发表未获得财务支持。
利益冲突
作者声明，本工作是在不存在可能被视为潜在利益冲突的任何商业或财务关系的情况下进行的。
生成式人工智能声明
作者声明，在本手稿的创作中未使用生成式人工智能。
本文随附的任何替代文本（alt text）均由Frontiers在人工智能支持下生成，并已做出合理努力确保准确性，包括在可能的情况下由作者进行审查。如发现问题，请联系我们。
出版商声明
本文中表达的所有声明 solely 属于作者，不一定代表其所属组织或出版商、编辑和审稿人的观点。本文中可能评估的任何产品或制造商可能提出的任何声明，均不被出版商保证或认可。
【全文结束】
