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，如人工智能（AI），这些方法通过改善数据在医疗保健中的使用，在包括患者分层、诊断检测和个人化治疗方案等领域取得了进展。尽管AI在医疗保健中的潜力尚未完全理解，但研究者们一致认为，将机器学习与医生的诊断结合可以大大提高诊断信心并增强系统性能。AI在医学中的兴起预示着更高效和有效的患者护理。
临床实践中的AI工具及其对患者护理的改进
AI在诊断和诊断学方面表现出色，具有预测和预后能力，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显著进展在于筛查、靶向和免疫疗法、大数据和计算方法，这些方法正推动着个性化护理的发展。例如，利用常规放射学或病理扫描开发自动癌症检测软件，如从计算机断层扫描（CT）中诊断偶然发现的肺癌，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，突显了这项技术的稳健性。
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）批准的可报销的AI技术，这些技术可以帮助检测大血管卒中，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支持技术，这些技术执行节省时间的任务，如分割，以帮助管理和处理卒中和颅内出血。
一些研究人员称生成式AI（如ChatGPT）可能具有“变革性”，因为它有潜力改变医疗保健教育、研究和临床实践。Parikh博士指出，在现实世界的临床环境中，这种技术可以通过生成文本与患者沟通或自动生成个性化响应来发挥作用。进一步，Parikh博士解释说，生成式AI可以用于“生成临床笔记、文档或预先授权请求”。他补充道：“这非常有前景，因为它有可能以更强大的方式降低医生、护士和医护人员的工作负担，使医生能花更多时间与患者相处。”
尽管在某些诊所中，AI在后台管理文档或质量指标的应用很受欢迎，但许多非皮肤病学、放射学和病理学等专科的临床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算法的使用有望减轻临床实践中的一些行政负担，如提高计费和理赔处理的速度。这反过来又可以在患者满意度和管理中发挥作用。2020年，《美国放射学院杂志》上发表的一篇文章中，Nina Kottler博士描述了AI在放射学领域的应用主要由学术机构而非一般实践所使用。Kottler博士本人敦促私人执业放射科医生采用AI，以应对物流挑战并提高效率。Parikh博士澄清了对AI使用的不同看法，解释道：“在学术机构中，我们正在测试我们在实验室中开发的或与行业合作伙伴合作验证的基于AI的诊断工具或数字治疗工具。相比之下，诊所环境中的AI应用主要是为了改进工作流程，而不是专注于研究方面和临床试验。”
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，尽管关注点有所不同。
保险如何影响AI应用
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医疗系统主导，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，使得AI在较小中心无法正常运行。”另一个问题是临床工作人员的培训，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”。我们需要考虑的解决方案不一定需要FDA批准或有可收费代码。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善文档的解决方案。应充分利用数据基础设施，以服务更多的患者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经纳入了AI驱动的诊断工具，这些工具能够帮助医疗保健专业人员根据患者报告的症状进行准确诊断，从而提高了在偏远和欠发达地区提供医疗服务的可及性。由于COVID-19大流行，私营部门和学术界对确保更高质量远程监测的技术进行了大量投资。许多数字健康公司、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：AI支持的可穿戴设备进行连续监测、虚拟护理助手和远程医疗及远程患者互动。尽管临床医生可以使用远程管理来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对医疗保健系统的益处
AI和机器学习可以在许多方面造福医疗保健系统，提供更精确的免疫疗法；改善诊断、预后和预测的临床决策；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像电子健康记录曾经被整合一样，被整合到医疗保健中。”Parikh博士总结道。
(全文结束)
