医疗健康是一项团队工作。护士、物理治疗师、职业治疗师和言语语言病理学家都对患者的护理需求做出了贡献，这些贡献可以纳入人工智能工具中以改善健康。
在过去4000年里，医疗健康本质上一直是跨学科的。一部古老的梵文文献（1）讨论了健康的关键，并提到了一个四条腿的凳子：医生、患者、治疗和护士。最近，世界卫生组织表示，对医疗提供者进行跨专业教育培训至关重要。尽管医疗健康是跨学科的，但近代史的研究和创新主要集中于医生及其对健康和福祉的贡献。医生对患者健康至关重要，但医生并不是唯一影响患者预后的医疗专业人员。
美国医疗体系中人工智能创新和研究的程度如何？
在美国医疗体系中，医生文档一直驱动着医疗保健的报销方面。由于这一报销驱动因素，研究人员长期以来一直在分析医生数据以评估健康结果和支付。最初的人工智能和自然语言处理（NLP）被局限于医生文档中。（2）在过去的二三十年里，AI和NLP的创新也开始关注护理文档。（3）
然而，其他医疗专业并没有得到同样规模和广度的创新和研究。在职业治疗和AI领域，仅发表了约20篇研究文章。（4）这种研究和创新的缺乏带来了挑战，因为大型跨学科团队正在处理最复杂的健康疾病，例如入住新生儿重症监护室（NICU）的最小婴儿，以及因摔倒而住院的成年患者。在这两类患者群体中，护士、物理治疗师、职业治疗师、言语语言病理学家和医生都在治疗患者中发挥着作用。
一个常见的问题是：为什么言语语言病理学家需要和不会说话的婴儿一起工作？言语语言病理学家帮助婴儿学习“吸吮、吞咽和呼吸”，以便他们能够成长和茁壮。
对于成年人，因摔倒而入院的患者来自各种各样的疾病或活动。摔倒有两个常见的住院年龄段。20多岁和30多岁的患者因冒险行为而导致大量摔倒，而60多岁至80多岁的成年人则因潜在的健康状况而摔倒。与NICU患者一样，大型跨专业团队对患者进行治疗，所有成员对患者恢复健康的道路都至关重要。
为什么来自其他医疗专业的数据至关重要？护士在医院与患者的互动次数最多、时间最长。物理治疗师帮助患者进行运动、行走和平衡训练。职业治疗师负责感觉护理和帮助患者恢复日常家庭活动。言语语言病理学家则教导新生儿如何进食以及帮助成年人进行言语训练。每个专业都提供独特的患者护理，但关于AI在这些专业中的研究却很有限。这就好比只用黑白两色看世界，而世界实际上有无数种颜色，还有关于患者的额外信息正在被忽视，这些信息本可以用来改善患者预后和优化护理。
商业领域的AI最初集中在医生数据上。有一家公司与50多个国家的200多名医生合作过。
在他们的培训中，该公司从未与护士、物理治疗师、职业治疗师、言语语言病理学家或其他医疗专业人员合作。医疗健康是复杂的；然而，直到创新公司意识到医疗健康不仅仅是医生时，真正的创新才会受到限制。
AI健康研究解析
我们的研究证明，不仅有可能检查所有相关专业的多学科健康数据，而且通过现代AI，还可以同时分析所有医疗专业的数据（5）。AI能解决医疗健康中多专业带来的所有问题吗？不能。护士、物理治疗师、职业治疗师或言语语言病理学家使用的语言仍可能给AI带来挑战。例如，对于“摔倒”患者，有一个概念叫“完全负重”。这意味着患者可以在没有任何辅助设备的情况下行走，并利用全部体重移动。所有AI模型都知道关键概念是这三个词吗？还是未来的AI会认为医院里有大熊？
其他医疗专业还有许多术语需要概念化和训练。为了满足这些需求，创建AI赋能全健康团队数据织（CAIDF）项目团队已经注释了3000多份笔记，以确保多学科健康数据不仅对AI可见，而且所有医疗专业的独特贡献都能用于改善患者的健康。
世界需要揭开这些至关重要的隐藏健康数据，以改善患者的生活。
参考文献
- Susruta S. Edited and translated by Bhishagrtan K, ‘An English translation of the Sushruta Samhita, based on original Sanskrit Text’.; 1907. Calcutta.
- Friedman C, Shagina L, Socratous SA, Zeng X. ‘A WEB-based version of MedLEE: A medical language extraction and encoding system’. InProceedings of the AMIA Annual Fall Symposium 1996 (p. 938).
- Bakken S, Hyun S, Friedman C, Johnson SB. ‘A comparison of semantic categories of the ISO reference terminology models for nursing and the MedLEE natural language processing system’. InMedinfo 2004 Jan 1 (pp. 472-476).
- Kaelin VC, Valizadeh M, Salgado Z, Sim JG, Anaby D, Boyd AD, Parde N, Khetani MA. ‘Capturing and operationalizing participation in pediatric re/habilitation research using artificial intelligence: a scoping review’. Frontiers in rehabilitation sciences. 2022 Apr 14;3:855240.
- Our Project | CAIDF ‘Creating AI-Enable All-Health Team Data Fabric’, accessed February 27, 2026.
创建AI赋能全健康团队数据织项目已获得美国卫生高级研究计划局（ARPA-H）资助，奖励编号D24AC00413-00。
本文内容仅代表作者个人观点，并不一定代表ARPA-H的官方立场。
【全文结束】