政府、医疗专业人员和研究人员都强调了技术创新在医疗保健领域的变革作用，包括以下几个方面：
- 早期诊断疾病和心理健康状况，改善患者预后
- 缩短NHS等待名单
- 预测健康结果，如心脏病发作
- 减轻急诊科的压力
- 发现和开发新药
- 降低医疗成本
- 提高健康素养和个人化信息，使人们更积极地管理自己的健康
- 支持残疾人士
NHS越来越关注开发更好的诊断技术和疾病预测工具。例如，2023年10月，NHS宣布投资2100万英镑，在英格兰的64个信托机构中推广AI诊断工具，以实现比临床医生更快、更准确的诊断。一些麻省理工学院的研究人员表明，如果用高质量的数据进行适当训练，AI算法可以将脑部扫描和其他3D图像的分析速度提高1000倍。
政府、NHS、慈善机构、研究和行业利益相关者在资助、支持、研究、开发和测试新技术方面发挥着关键作用。许多新兴技术仍处于开发和试验阶段，尚未在NHS大规模部署和实施。
许多医疗专业人员强调，政策制定者还应关注使用非临床技术来帮助行政和运营任务，如记录、沟通和调度。这些技术的应用可以节省员工时间，提高NHS生产力，减少临床风险，更加成本效益，并且可以更快实施。
挑战与机遇
人工智能
为了更好地分类疾病并理解其遗传起源，研究人员可以利用AI来解析大量数据，包括：
- 完整的DNA序列（基因组学）
- 患者健康、生活方式和人口统计信息，从而评估疾病风险
- 蛋白质及其结构，用于药物发现和开发
在英国，研究人员可以通过UK Biobank或Genomics England等途径访问基因组和生物医学数据。
为了治疗心理健康问题，AI聊天机器人可以提供更便宜且易于获取的治疗替代方案。AI可穿戴设备可以收集和解释生物数据，如睡眠模式。计算机视觉技术，即算法解释图像，可以帮助理解非语言线索，如面部表情。这些设备有助于评估风险并预测和诊断心理健康状况。
数字孪生
尽管仍处于研发阶段，但虚拟数据复制患者的器官或整个身体，称为“数字孪生”，具有以下潜力：
- 评估药物的安全性和有效性
- 模拟患者治疗方案
- 监测患者健康轨迹，实现早期干预和预防疾病
- 让外科医生练习复杂的医疗程序
医疗和手术技术
医疗技术设备，如手术植入物和可穿戴传感器，可以收集、分析和改变神经系统，称为“神经技术”。这项技术可以协助失去运动和感觉功能的患者，正在开发用于治疗各种慢性病或损伤，包括癫痫、中风、帕金森病、慢性疼痛、抑郁症等。
2024年6月，NHS开始了使用神经技术治疗儿童癫痫的首次临床试验。试验结果显示，一名患者的日间癫痫发作减少了80%。成功的试验可能导致未来的大规模应用。
NHS使用执行独立或半独立动作的机器人，以改进微创手术技术，如前列腺切除术。过去十年，3D打印技术，如足部、手部和骨盆的解剖模型，特别是在头颈和心脏部门的应用显著增加。这些模型被用于：
- 帮助患者了解他们的伤情并做出明智的治疗决定
- 协助外科医生规划精确的手术
2022年，NHS启动了实验室培养红细胞的临床试验，评估其恢复、生存和安全性。如果证明有效，实验室制造的血液可以彻底改变罕见血型、血液疾病如镰状细胞病或无法接受常规输血的人的治疗。
康复技术
越来越多的技术，包括传感器、机器人、游戏、虚拟现实、可穿戴设备和移动应用程序，被用于医院和家庭环境中支持残疾人士和长期疾病的康复，包括中风、痴呆症、呼吸系统疾病和癌症护理。例如，一些研究表明，虚拟现实技术有助于患者遵守康复锻炼并提高训练强度。然而，将这些技术应用于康复环境的转化仍然有限。
挑战
尽管新兴技术在医疗保健领域提供了有前景的发展，但一些研究人员警告不要过度夸大其能力。2019年的一项研究估计，新的医疗诊断技术在NHS中常规采用大约需要十年时间。原因包括：
- 在真实世界环境中缺乏足够的临床评估
- 资源限制
- NHS内部的制度障碍，包括缺乏创新采纳的激励措施
- 分散的国家和地区系统
- 缺乏与技术供需相关的利益相关者的共同设计
- 缺乏教育和培训，以支持员工和患者使用技术的信心
存在伦理挑战，尤其是在AI和个人数据方面：
- 健康数据极易被滥用和安全漏洞。2023年的一份报告发现，自2021年以来，80%的英国医疗组织遭遇了安全漏洞。2024年6月，两家信托机构的3亿条血液检测患者数据被盗。
- 多项研究表明，不准确、有偏见或不完整的数据集直接影响AI技术在医疗保健中的效果、安全性和公平性。不准确的数据可能导致AI错误诊断症状并可能引发有害的治疗。2019年的一项研究发现，美国医院用于分配医疗资源的算法存在种族偏见，黑人患者被转介到医疗计划的可能性低于同样病情的白人患者。
- 技术的使用可能会加剧某些地区和人群在医疗保健获取和质量方面的不平等。独立癌症工作组在2015-2020年的审查中指出，NHS在英格兰各地的历史上并未公平地采用技术。
- 利益相关者担心AI会使医疗保健系统去人性化，有些人认为医生在诊断或治疗方面能做出更全面的判断。
- 一些报告强调了评估医疗保健技术的信任度和信心的重要性，以便在NHS中使用。
健康基金会强调需要更多的关注、支持政策和投资，以最大化技术在处理操作和行政任务方面的影响力。它强调了有效技能培训、基础设施、高效互联网连接和熟练的变更管理的重要性，以决定如何重新分配节省的时间。
主要不确定性和未知因素
目前缺乏足够的数据来衡量NHS中正在使用的AI创新的成本和健康影响。关于新兴和渐进技术治疗健康状况的有效性，特别是心理健康问题，也缺乏证据。
健康基金会表示，缺乏AI在医疗保健领域的总体战略，这限制了评估其在提高医疗质量和效率方面潜力的能力。原则上，即使在理论上，也往往无法理解复杂AI模型如何生成其输出。AI模型计算输出的透明度不足，使得受到自动化决策不利影响的人难以知道问题出在哪里、谁应承担责任以及如何寻求赔偿。医疗伦理学家指出，AI在诊断中需要透明度、人类监督，以及明确界定责任的监管和治理。
关键问题
- 政府对衡量NHS中AI和其他创新影响的计划是什么？
- 是否应该更多关注如何最大限度地利用可以帮助处理NHS行政和运营任务的技术？
- 实施技术创新和提升员工及患者技能的资金和资源是否充足？
- 政策制定者如何帮助克服NHS采纳创新的制度障碍？
- 议会如何充分考虑和监管伦理问题，包括患者隐私和有偏见算法的影响？
- 如何安全管理和保护医疗系统中的个人数据，防止日益增多的网络攻击？
(全文结束)
