几十年来，传统的病理学方法在疾病的诊断、分类和评估中发挥了重要作用。然而，技术进步和向精准医学的转变导致了数字方法的发展，例如人工智能（AI），这些方法旨在改善医疗保健领域的数据使用，包括患者分层、诊断测试和个人化治疗方案。尽管AI在医疗保健中的潜力尚未完全理解，但研究人员一致认为，将机器学习与医生诊断相结合可以大大提高诊断信心并增强系统性能。AI在医学中的崛起预示着更高效和有效的患者护理。
临床实践中的AI工具及患者护理改进
AI改善了诊断和检测能力，具有预测和预后的功能，并生成信息。其在临床实践中的应用尤其集中在放射学和肿瘤学领域。癌症生物学的一些最前沿进展涉及筛查、靶向和免疫疗法、大数据和计算方法，这些方法正推动个性化护理的发展。例如，开发自动癌症检测软件，利用常规放射学或病理学扫描（如从计算机断层扫描（CT）中诊断偶发性肺癌），可以成为临床预测的重要工具。此外，基于AI的生物标志物与传统的组织基生物标志物开始在癌症的早期检测和诊断中发挥重要作用，突显了该技术的稳健性。
在讨论将AI纳入神经学时，宾夕法尼亚大学佩雷尔曼医学院医学助理教授兼医学伦理与卫生政策助理教授Ravi B Parikh博士提到了美国食品药品监督管理局（FDA）批准的可报销AI技术，这些技术可以帮助检测大血管中风，其CT扫描比常规扫描更能充分告知放射科医生。总体而言，FDA已批准22种独特的机器学习技术，这些技术执行节省时间的任务，如分割，以协助中风和颅内出血的管理。
一些研究人员称生成式AI（如ChatGPT）具有潜在的变革性，因为它有可能改变医疗教育、研究和临床实践。Parikh博士指出，在实际临床环境中，这项技术可能有用，因为它可以生成文本与患者沟通或自动生成个性化响应。进一步，Parikh博士解释说，生成式AI可以用于“生成临床记录、文档或预先授权请求”。他补充道：“这非常有前景，因为它提供了降低医生、护士和医护人员工作量的可能性，使医生能够花更多时间与患者在一起。”
尽管某些诊所（如皮肤科、放射科和病理学科）在后台使用AI（即管理文件或质量指标）很受欢迎，但许多非专科医生并不经常使用这项技术。
学术机构与临床实践中的AI应用
虽然美国的数据保护和隐私法律对处理患者数据的AI系统施加了严格的规定，但AI算法的使用有可能减轻临床实践中的行政负担，如提高账单和理赔处理的速度，从而影响患者的满意度和管理。2020年发表在《美国放射学院杂志》上的一篇文章中，Nina Kottler博士描述了AI在放射学中的应用主要由学术机构而非一般实践者使用。Kottler博士本人敦促私人执业放射科医生采用AI，以解决物流挑战并提高效率。Parikh博士澄清了关于AI使用的不同观点，解释道：“在学术机构中，我们正在测试我们在实验室开发的或与行业合作伙伴合作开发的基于AI的诊断工具或数字治疗工具，以帮助验证。相比之下，临床环境中的AI使用主要是为了改善工作流程，而不是专注于试验方面和临床试验。”
总体而言，无论是学术机构还是社区系统，都考虑或采用了AI，尽管关注点不同。
保险如何影响AI的使用
Parikh博士表示：“最近的证据表明，许多FDA批准的可报销AI工具主要由大型学术健康系统主导，而不是小型农村医院或诊所。”他继续说道：“这可能是因为它们通常涉及昂贵的合同或缺乏必要的数据，使AI在小型中心无法运行。”另一个AI可能解决的问题是临床人员培训，Parikh博士认为这是“必要的”，因为其使用可以“区分医疗机构的质量”。
“我们需要考虑不需要FDA批准或有计费代码的解决方案。相反，我们应该考虑能够增强处理患者就诊的能力、提高速度、从电子病历中收集信息和改进文档的解决方案。”应充分利用数据基础设施，为更多的患者服务并增加医疗保健的可及性。
通过AI提高效率、流程和患者护理
初级医疗和远程医疗已纳入AI驱动的诊断工具，这些工具能够帮助医疗专业人员根据患者报告的症状做出准确诊断，显示出在偏远和欠发达地区提供医疗服务的潜力。由于COVID-19大流行，私营部门和学术界对确保高质量远程监测的技术进行了大量投资。大量的数字健康公司、供应商和其他类型的解决方案正在为此目的开发。
AI在患者护理和监测中的三个关键应用领域包括：用于连续监测的AI驱动可穿戴设备、虚拟护理助手以及远程医疗和远程患者参与。尽管临床医生可以通过远程管理监测心力衰竭和身体活动，但患者和提供者对设备的熟悉程度仍然是一个障碍，Parikh博士指出。
AI对医疗系统的益处
AI和机器学习可以在许多方面造福医疗系统，提供更精确的免疫疗法；改善诊断、预后和预测临床决策；最终实现理想的患者结果。“在未来5到10年内，我们将看到AI像电子健康记录一样被整合到医疗保健中，”Parikh博士总结道。
(全文结束)
