HBHI（卫生商业与健康研究所）主办的"医疗健康商业对话"系列网络研讨会近日探讨了人工智能在医疗保健领域的实施挑战与机遇。本次对话由约翰霍普金斯凯瑞商学院市场营销与经济学教授Andrew Ching和约翰霍普金斯护理学院运营与商业分析教授Tinglong Dai主持，多伦多大学罗特曼管理学院人工智能与医疗Rotman讲席教授Avi Goldfarb与纽约大学斯特恩商学院技术、运营及统计学教授Natalia Levina担任主讲嘉宾。
多年来，业界对人工智能在医疗保健领域的应用充满期待，但人工智能技术常被视为科幻概念或未来愿景。尽管美国食品药品监督管理局截至2022年7月已批准超500项医疗人工智能系统，许多专家仍质疑人工智能是否真正应用于医疗实践，或仍遥不可及——以及如何克服新技术采用的障碍？
研究数字经济机遇与挑战的经济学家Avi Goldfarb表示，他对人工智能在医疗领域的潜力极为振奋，但研究显示实际采用进程缓慢。通过收集的普查数据，Goldfarb发现不足5%的医疗机构使用人工智能工具；招聘数据显示医疗领域与机器学习及人工智能相关的职位不足1000个。"人们既对人工智能充满期待又看到其潜在价值，但实地数据表明当前影响微乎其微，这种矛盾现象令人困惑。"Goldfarb指出。
研究医学人工智能评估与采用的Natalia Levina观察到类似情况。其2018年研究表明，除诊断放射学外，极少有医学专业采用高级人工智能工具。但她认为鉴于人类生命与健康至关重要，在医疗环境中谨慎推进人工智能采用是合理做法。"研究持续发展，但尚未产出可大规模谨慎采用的工具类型。"
Levina指出，人工智能落地的医疗领域集中在技术能更高效处理大型数据集且速度重于精度的场景。"多数有前景的工具应用于人类缺乏专业能力的领域，而非人类已表现出色需替代或增强的环节。"她补充道。
Goldfarb则认为缓慢推进的积极意义在于"人工智能已在医疗领域运作，只是不在我们预想的热点领域"。例如医疗研究领域——数据科学家运用机器学习工具为临床科学家提供论文统计支持，这是人工智能规模化应用的实例。
人工智能已在医疗领域运作，只是不在我们预想的热点领域。
然而，供应商与研究者持续推动可能有效也可能无效的新工具上市，即便采用者处于前沿。过去5至10年证明，仅用机器替代单一人工流程而不进行系统改造的效果有限，且人工智能成本高昂。"对多数机构而言得不偿失，"Goldfarb表示，"为使放射科医生工作略有改善而承担风险是否值得？"
或许不值得，但Goldfarb认为明确发展方向至关重要，核心在于预测能力。在其新著《权力与预测：人工智能的颠覆性经济学》中，他与合著者将人工智能定义为直接影响决策的预测技术。掌握预测能力后，可重新构想工作流程并推动系统级变革。
在微观层面，其他障碍阻碍医疗从业者采用人工智能。Levina指出，工具部署后，医生常面临三重困境：无法解释结果、无暇核对第二意见、难以判断工具可信度。
尽管尚需时日，突破性技术终将改变人工智能医疗格局。Goldfarb认为诊断领域最具潜力："诊断本质是预测问题，而机器擅长预测。"目前各方共识是人工智能医疗将实现巨大飞跃，但具体时间点尚不可预测。Levina表示："不会在五年内实现。"
【全文结束】
