医疗不平等是全球卫生系统面临的重要挑战。它涵盖了不同人群在获取医疗服务、服务质量以及医疗结果方面的差异，这些差异通常受到社会经济地位、种族、民族、地理位置和教育水平等因素的影响。这种不平等可能导致可预防疾病增加、患病率和死亡率上升，并使边缘化群体的整体健康状况恶化。解决医疗不平等问题不仅对促进社会正义至关重要，还能提高医疗系统的整体效率和效果，确保无论个人背景或处境如何，都能获得最佳医疗服务。
人工智能如何推动医疗进步
人工智能的迅速发展为医疗领域带来了巨大的改进潜力。AI可以通过以下方式提升医疗服务的可及性：
- 利用远程医疗和虚拟健康助手，为农村或低收入地区等医疗资源匮乏的人群提供远程咨询和监测服务。
- 借助其分析海量数据的能力，推动个性化医疗的发展。这使得治疗可以根据患者的独特基因、环境和生活方式因素进行定制，从而改善健康结果，特别是对边缘化群体而言。
- 提高诊断准确性，帮助医疗人员快速准确地诊断疾病。这对缺乏专科医生的社区尤其有益。
- 通过预测医疗需求并识别高风险人群，优化资源配置。这可以确保资源被分配到最需要的地方，同时简化流程以提高效率，使低收入人群也能负担得起医疗服务。
- 分析健康的社会决定因素，找出导致不平等的模式，从而实施有针对性的干预措施。
人工智能的固有偏见
然而，数据偏见和数字鸿沟等问题表明，人工智能可能会加剧现有的不平等。近期发表在《自然医学》（Nature Medicine）上的一篇论文研究了九种大型语言模型，揭示了多种社会人口统计学偏见。研究表明，这些模型推荐心理健康评估的可能性在LGBTQIA+亚组中高出六到七倍。
此外，标记为高收入状态的案例更有可能被建议进行高级影像检查，而低收入和中等收入背景的案例则往往仅被建议进行基础检查或无需进一步检查。这种差异缺乏临床依据，似乎反映了现实生活中医疗资源分配的不平等。
人工智能偏见的一个重要来源是用于训练的数据。这通常是因为某些群体的代表性不足——这是医疗领域一个众所周知的问题。例如，女性和少数族裔在评估药物安全性和有效性的临床试验中往往代表性不足，而这些试验最终会指导一线治疗选择和临床决策。此外，现有的数字鸿沟也加剧了这一问题。
根据国际电信联盟（International Telecommunication Union, ITU）的数据，低收入国家中仅有27%的人口拥有互联网接入，而在高收入国家这一比例高达93%。因此，不仅人工智能技术的部署更具挑战性，而且将这些地区的患者数据纳入人工智能训练也存在困难，尤其是在许多数据尚未数字化的情况下。
如何支持人工智能的整合？
已有努力致力于扩大和支持人工智能在发展中国家和低收入国家的应用。OpenAI向印度的非营利组织提供了15万美元的技术资助，帮助Myna Manila基金会开发了Myna Bolo聊天机器人，为服务不足社区的女性提供全天候生殖健康指导。
在马拉维，每1000名婴儿中有19名在分娩期间或出生后第一个月内死亡。PeriGen公司与马拉维卫生部和德克萨斯儿童医院合作，捐赠了监控分娩期间生命体征的软件，以提供早期预警信号。过去三年中，该软件的使用使死胎和新生儿死亡数量减少了82%。
为了有效利用人工智能解决医疗不平等问题，必须通过在训练过程中确保数据的多样性和代表性来限制人工智能系统的固有偏见。理解人工智能应用中存在的局限性和偏见对于开发公平的解决方案至关重要，以便谨慎地为临床决策提供建议。
在最需要人工智能技术的国家和社区部署这些技术，对于弥合医疗差距至关重要。通过专注于这些领域，人工智能的潜力可以被用来改善边缘化人群的健康结果，从而在全球范围内建立更有效的医疗体系。
(全文结束)
