我们总是认为医生和护士对所有人都一视同仁。但事实上，最优秀的医生并不会这样做。
随便问一位顶尖临床医生，他们会告诉你，他们根据患者的种族、年龄、基因图谱和社会经济背景来区别对待。这正是提供真正贴合患者生活照护的关键所在。然而遗憾的是，并非所有医疗技术都遵循这一原则。很多时候，技术建立在“所有人体基本相同”这一错误观念之上。
这是一个严重的问题，而随着人工智能即将成为医疗系统的核心组成部分，这个问题可能变得愈发严峻。我们正站在我所谓的“AI算法鸿沟”边缘——这一鸿沟可能固化新的不平等，且几乎无法逆转。
举个简单的例子：脉搏血氧仪。这个小装置夹在手指上，测量血液中的氧气含量。它是一个有用的工具，但前提是它必须准确。
问题在于，数十年的研究表明，脉搏血氧仪会高估深色皮肤人群的氧气水平。原因何在？因为该传感器没有针对肤色进行校准。这是一个巨大的问题——它意味着深色皮肤的人被认为拥有比实际更高的血氧水平。
但你知道吗？没有人急着去修复这个问题。制造商继续生产这些设备，大量临床医生对此缺陷毫不知情。
这只是技术无意中植入偏见的一个简单例子。现在想象一下，如果我们不根除系统中的偏见，当AI开始在医疗领域做出更多决策时会发生什么。
AI的质量完全取决于它所学习的数据。目前，研究表明73%的医疗AI数据来自北美、南美和欧洲。但这些地区仅占全球人口的约22%。因此，如果你不是来自这些地区，AI很可能没有被训练来理解你的需求。
以氯吡格雷为例。这种药本应预防血栓。理论上，它看起来是一种“万能药”。但实际上，它是否有效取决于你的身体如何代谢它。在英国，约三分之一的人携带使该药效果降低的基因变异。这些基因变异在不同人群中分布不均。欧洲人携带此类变异的概率远低于南亚人和东亚人，而某些太平洋岛屿社区的变异携带率甚至超过75%。
因此，如果你服用氯吡格雷，而决定剂量的AI系统不够完善，无法识别这些种族差异，你就麻烦了。而这仅仅是一种药物。目前有太多健康算法没有考虑种族和族裔差异。
AI以及它为一线医护人员带来洞察和知识的速度是惊人的。它蕴含着创建真正可持续医疗系统的巨大潜力。但如果我们连数据基础都做不对，我们将固化下一波不平等。
那么，我们能做什么？
首先，我们需要标准化如何收集有关种族和族裔的信息。其次，我们需要制定具体举措，改善来自不同人群的数据共享。最后，开发和购买AI工具的公司需要确保这些工具背后的数据真正反映它们所服务的社区。
全球范围内已有一些很好的数据共享改进案例。我在世界各地工作，但常驻新西兰。在我的祖国，人们做了大量工作来阐明如何根据原住民的文化要求处理数据，并承认其数据主权。
此外，全球还有其他优秀的数据采集案例。在非洲，H3Africa联盟一直在进行基因组测序，以捕捉非洲人群巨大的基因多样性。类似地，亚洲、中东和拉丁美洲也有国家生物库和多样性项目——但我们需要更多。
你的AI在哪里构建、用谁的数据训练，这些至关重要。我们需要基于各类人群数据构建的AI。
医疗的未来将由我们今天做出的选择塑造。让我们确保正在构建的AI系统能够识别我们之间的众多差异。只有这样，我们才能确保世界各地的人们都能获得最佳的照护。
【全文结束】