人工智能有望变革医疗保健。安全网提供者能否跟上步伐？

AI could transform healthcare. Can safety-net providers keep up? | MedTech Dive

北国医疗中心（North Country HealthCare）医疗质量和人口健康医学官詹妮弗·科尔特斯博士表示，在其服务的部分地区，该中心是"唯一的医疗服务提供者"。这家联邦认证健康中心运营着13家初级保健诊所和两辆移动医疗车，为亚利桑那州北部农村地区的5.5万人提供医疗服务。

科尔特斯指出，一些社区位置极为偏远——这意味着患者可能需要花费数小时车程才能获得专科医疗服务——这使得医护人员招募面临挑战。她认为，人工智能可以在这一领域提供帮助。采用AI听写员（通常记录医护人员与患者的对话并起草临床文档）可以减轻部分临床医生的行政工作负担，降低职业倦怠。

"当ChatGPT刚问世时，我心想'天哪，这可能会让像我们这样在医疗领域工作的人处境大为改善'，"科尔特斯说，"我只是希望我的工作不必总是如此艰难。如果这项技术能奏效，那将太棒了。"

但对于安全网医疗提供者而言，实施AI项目并不容易。专家表示，该技术的实施过程劳动密集，需要技术专业知识和监督能力，而许多机构难以轻易获取这些资源。

如果资源最匮乏的医疗系统（通常负责照顾病情最复杂的患者）无法实现AI带来的效益，它们可能会进一步落后于规模更大或更富裕的医疗机构。

"如果你观察当前积极部署AI的医疗系统类型，那些能够负担得起的机构正更积极地推进，"医疗人工智能联盟（Coalition for Health AI）首席执行官布莱恩·安德森表示，该行业组织致力于制定医疗领域负责任使用AI的指南，"例如，那些位于农村社区、没有IT人员来部署和配置各类AI工具的机构就无法做到这一点。这是AI领域中数字鸿沟正在被强化的一个例证。"

大量的人力投入

专家表示，在医疗系统中采用AI产品需要专门的人力和科技资源才能安全实施，这对资金紧张的安全网提供者构成了重大障碍。

"人们往往将其描述或概念化为像打开电灯开关一样简单，"明尼苏达大学公共卫生学院助理教授佩姬·农表示，"实际上并非如此。这些工具和系统需要大量的人力投入。"

鉴于安全网提供者更多依赖医疗补助计划（Medicaid）——该保险计划正面临联邦资金削减——且承担着更高的无偿护理需求，它们很可能在微薄利润下运营。

例如，根据健康政策研究机构凯泽家庭基金会（KFF）的数据，2023年为弱势群体提供初级保健的社区健康中心净利率仅为1.6%，低于2022年的4.5%，主要受通胀和疫情时期资金到期影响。

许多社区健康中心还面临人力资源问题。根据英联邦基金（Commonwealth Fund）的数据，去年超过70%的机构报告初级保健医生、护士或心理健康专业人员短缺。与此同时，人力成本对许多医疗机构而言是一笔重大支出。

此外，实施AI将需要大量管理工作。例如，医疗系统需要建立AI治理结构，以评估产品的安全性和有效性，并确保符合监管和法律要求。专家表示，医疗机构还应持续监控AI工具，因为模型背后的假设（如患者特征）可能随时间变化，可能降低其性能。

"当手术刀生锈时，很明显需要更换或清洁，"医疗人工智能联盟（CHAI）的安德森说，"但对于许多AI工具，我们目前不一定能察觉问题。因此，医疗系统如何负担得起长期对这些模型进行监控和管理，确实令人担忧。"

技术支持

专家还指出，医疗机构需要具备技术专长的IT人员来处理采用AI工具所需的工作，这对资金紧张和农村地区的机构来说是一个特殊挑战，因为它们可能难以吸引人才。

例如，杜克健康创新研究所（Duke Institute for Health Innovation）人口健康和数据科学负责人马克·森达克表示，许多安全网提供者没有聘用数据科学家。他补充说，考虑到这些员工可能薪资高昂却无法直接产生患者护理收入，在某些护理环境中聘用他们可能并不合理。

健康IT提供商和咨询公司OCHIN首席对外事务官詹妮弗·斯托尔表示，财务挑战也可能使投资采用AI工具所需的IT基础设施变得困难。

"使社区健康组织面临挑战的因素还包括：许多机构别无选择，只能依赖过时、低效的技术系统，"她通过电子邮件表示，"这些过时的系统不仅是它们唯一能获取的，其中一些甚至无法集成AI工具——这进一步加剧了技术鸿沟。"

与此同时，AI可能排在IT团队待办事项的末尾。例如，在北国医疗中心，诊所的Wi-Fi并不总是运行良好。而且其遗留电子健康记录系统将在几年后不再获得供应商支持，因此该机构必须过渡到新系统。

"我们甚至连基础工作都缺失，"科尔特斯说，"即使不谈AI，我们已经落后了。"

错失AI机遇

专家表示，这些限制可能已经影响资源匮乏的医疗机构如何实施AI。

例如，今年早些时候发表在《健康事务》（Health Affairs）上的一项研究发现，使用预测性AI模型的美国医院中，61%曾使用自身数据评估其准确性，而仅有44%在当地评估其工具是否存在偏见——这一重要过程有助于医疗系统确定工具是否适合其患者群体。

拥有高运营利润率、隶属于医疗系统或自主开发预测模型的医院更有可能在当地评估其AI产品。

"你拥有资源、有IT人员、有能设计模型或评估电子健康记录供应商模型的数据科学家，"该研究作者之一、明尼苏达大学的佩姬·农表示，"资源是能够持续进行评估以及设计定制模型的关键必要条件。"

专家表示，如果没有帮助，缺乏资金和技术能力实施AI的医疗机构可能会错失该技术的潜在益处，或在缺乏必要保障的情况下采用AI。这可能会扩大高低资源提供者及其患者之间的现有差距。

例如，森达克表示，招聘和留住员工对安全网医疗机构本就是挑战。当一名住院医师毕业生寻找初级保健工作时，他们会更愿意选择能提供AI文档助理（可帮助减轻医生职业倦怠）的医疗系统，还是无法实施该技术的诊所？

此外，医疗人工智能联盟的安德森指出，将AI采用限制在资源最丰富的医疗机构可能会强化这些工具中无意包含的偏见。如果用于训练算法的数据继续仅来自沿海城市受教育程度较高的社区，AI工具将缺失从其他群体收集的信息。

"我认为我们作为社会的任务是确保尽可能简化这一过程，使AI能够像服务旧金山或波士顿的居民一样，有效服务于阿巴拉契亚农村地区或堪萨斯州农业社区的个人，"他说。

寻求帮助

专家表示，仍有一些方法可以帮助小型和资源匮乏的医疗机构采用AI产品——包括借鉴用于其他新兴技术的指导和支持模式。

例如，2009年实施的HITECH法案（健康信息技术促进经济和临床健康法案）旨在促进电子健康记录的使用，其中包含资金支持区域扩展中心，为小型初级保健诊所、社区健康中心和关键医疗机构提供实地技术支持。

类似地，卫生资源与服务管理局（HRSA）资助远程医疗资源中心，这是一个由12个区域中心和2个全国中心组成的网络，为希望实施虚拟护理的医疗机构提供教育和资源。

佩姬·农表示，电子健康记录供应商也应发挥作用。她补充说，在她《健康事务》研究中近80%的医院通过电子健康记录开发商获取预测模型，因此这可能是帮助医疗机构安全部署模型的有效切入点。

大型医疗系统和学术医学中心也可以协助小型和资源匮乏的同行。包括杜克医疗（Duke Health）和梅奥诊所（Mayo Clinic）等医疗机构在内的健康AI合作伙伴关系（Health AI Partnership）运营实践网络（Practice Network），通过一对一支持帮助安全网医疗机构采用AI最佳实践。

北国医疗中心是该网络的首批参与者之一。杜克大学的森达克表示，作为健康AI合作伙伴关系领导委员会成员，该项目为安全网组织提供技术支持，帮助它们完成AI采购、评估和实施。

不过，他补充说，目前实践网络仅与五家安全网提供者合作，而全国可能有数百家联邦认证健康中心需要支持。

"关于医疗领域AI的所有讨论与实际提供医疗服务的人员在采用和安全使用能力方面存在巨大差距，"北国医疗中心的科尔特斯说，"当他们谈论所有这些巨额AI投资时，很棒，这令人兴奋，但如何把我们也带上呢？"

【全文结束】