人工智能在医学中的正确实施至关重要

Proper implementation essential for AI in medicine

CLEVELAND — 在克利夫兰诊所为医疗专业人士举办的A.I.峰会上的一位演讲者指出，尽管人工智能（AI）在医学中的有效使用依赖于技术，但医生必须优先学习如何正确实施人工智能。

“我们有时会忽略实施这一环节，因为这才是我们作为医生的角色，”微软医疗保健全球首席医疗官兼副总裁David C. Rhew 医学博士表示，“将其融入工作流程中，使其真正带来最佳的临床结果。”

Rhew指出，高性能的AI模型在疾病诊断方面已经显示出成效，但也可能导致假阳性结果，而忙碌的临床医生可能会忽略这些结果。他强调，避免这种情况的关键是采用团队合作的方法，这将有助于确保任何诊断都能获得适当的干预措施，同时不干扰临床医生的工作流程。

他说：“对于人工智能来说，无论是临床还是财务方面的结果，都将高度依赖于‘技术加干预等于结果’这个公式，而不是‘技术本身等于结果’。”

他表示，如果实施得当，人工智能有潜力对未确诊疾病的患者进行主动干预，从而防止不良后果的发生。例如，通过常规眼部检查收集的数据应用人工智能分析，可以识别包括糖尿病视网膜病变、高血压性视网膜病变、心血管疾病、慢性肾病、阿尔茨海默病、多发性硬化症和帕金森病等疾病。目前，阻碍眼部检查普及的障碍——如图像质量、散瞳要求和报销问题——已经被消除。

“大约在检查35名患者后，你就能通过CPT代码实现收支平衡，并有机会找到可持续的方式。”Rhew说。

他还提到了今年早些时候在美国视觉与眼科研究协会（Association for Research in Vision and Ophthalmology）会议上推出的“从眼睛出发的医疗联盟”（Alliance for Healthcare from the Eye）。

据一份新闻稿称，该倡议旨在将人工智能驱动的眼部数据分析纳入现有工作流程，“以早期识别高风险个体、提高医疗服务可及性、实现风险分层和分诊以减少晚期疾病负担，并推动成本结构向预防服务转变”。

Rhew表示，这些筛查所收集的患者数据可以发送到读片中心，帮助将高风险人群分诊接受治疗。

“这不仅仅是关于学术上的高风险练习，”他说。“高风险意味着需要干预，低风险则意味着观察。当我们这样做时，我们可以更有效地分配资源。”

Healio是克利夫兰诊所A.I.峰会的官方会议合作伙伴。

【全文结束】