摘要
人工智能（AI）在负责任地规模化时，对医疗保健系统具有巨大潜力。然而，其采用仍面临重大障碍，包括碎片化的数据基础、监管不确定性以及治理和人才能力方面的差距。释放AI造福所有人健康的潜力，需要在市场力量与健康文化之间取得平衡。
OECD成员国正在采取举措来应对这些差距，例如制定AI与健康交叉领域的战略和行动计划。为支持这些行动，我们制定了一份连贯的政策清单，以指导决策和优先排序，并避免盲点。
该清单分为四大支柱：建立推动因素（数据基础、AI保障与规模化、能力建设）；实施护栏（监督和监测向共同目标迈进的进展）；与公众、提供者和行业进行有意义的互动；以及部署可信AI。在这四大支柱中，九个主要政策类别和43个问题已被确定为负责任地扩大AI在健康领域收益的关键。
通过相互学习和共同解决挑战，行动将加速推进。一个共识已经形成：连贯的、跨境兼容的政策对于平衡创新与安全、经济机会与公众信任至关重要。
执行摘要
人工智能（AI）对医疗保健系统具有巨大潜力。但由于数据基础碎片化、政策和实践不协调，以及结构和治理方面的规模化障碍，这一潜力尚未得到充分实现。尽管AI在OECD成员国的行政管理中已普遍使用（100%），但国家层面的规模化仍然有限（例如，医学影像应用仅占10%）。
如今，AI在医疗保健中的使用已存在充分记录的风险，例如数据偏差、隐私和安全风险、透明度或监督不足，以及岗位流失和非人性化的可能性。虽然谨慎是必要的，但不作为同样存在风险。
当我们能够负责任地规模化时，AI在健康领域的机遇才能被释放。这需要在市场力量（快速行动）、健康文化（不造成伤害）和覆盖每个人（通过规模化）之间取得平衡。
尽管AI已在OECD成员国的健康领域得到应用，但负责任的、可扩展的采用仍受到结构性、监管和治理差距的影响。OECD成员国正在采取举措来应对这些差距：
- 制定AI与健康交叉领域的战略或行动计划（18%），
- 建立针对AI在健康领域使用的监督机构（18%），
- 建立以AI在健康领域为重点的监管沙盒国家方法（18%），
- 简化国家健康技术评估方法以纳入AI（24%），
- 更新国家采购指南以考虑AI在健康领域的应用（11%），
- 建立改善AI在健康人力中使用的国家方法（29%），以及
- 制定AI在健康领域的国家立法（3%）。
为支持这些行动以实现AI在健康领域的负责任规模化，我们制定了一份连贯的政策清单，以指导决策和优先排序。该清单基于OECD AI原则和框架，并与全球数字健康伙伴关系（GDHP）和健康AI联盟（CHAI）以及OECD AI健康专家组合作制定。
这份AI健康政策清单确定了政策制定者、技术人员和健康人力在负责任地规模化AI在健康领域应用方面的行动。关键的是，该清单可用于识别这些行动中的盲点。该清单并非规定性的，但它为决策者提供了提示，以考虑相关政策类别和领域的全方位行动。
该清单的四大支柱聚焦于：建立推动因素（数据基础、AI保障与规模化、能力建设）；实施护栏（监督和监测向商定目标迈进的进展）；与公众、提供者和行业进行有意义的互动；以及部署可信AI。在这四大支柱中，九个主要政策类别和42个问题已被确定为负责任地扩大AI在健康领域收益的关键：
建立推动因素
- 更好地利用数据 – 没有数据，AI解决方案无法有效运行。医疗保健数据的考虑因素包括：可发现、可访问、可互操作、可重用（FAIR），以及对于主要和分析用途均具有人群代表性。新兴的最佳实践包括建立国家主导的健康数据管理机构（例如欧洲各地），采用等效的治理结构，以确保遵守数据保护法，同时利用安全且高质量的数据集促进AI应用。
- 实现AI规模化的指导 – 为支持行业（开发者）和实施者（政府、健康人力、公众）将AI从试点推向广泛部署，需要量身定制的政策指导。新兴的最佳实践包括开发模型卡（例如来自健康AI联盟），用于认证AI解决方案在真实世界环境中应用时的合规性、透明度和问责制。
能力与胜任力
- 人员能力 – 熟练且知识渊博的健康人力对于AI解决方案在医疗保健中的采纳和持续使用至关重要。新兴的最佳实践包括主动规划和对一线及后端健康岗位进行劳动力技能提升（例如英国数字与数据专业能力框架）。
- 技术能力 – 安全、可互操作且适应性强的技术基础设施（例如计算能力、数据存储、连接性）是从地方到跨国层面部署和规模化AI解决方案的基石。稳健的基础设施确保AI工具能够实时处理大量复杂数据集，跨不同健康信息系统集成，并安全可靠地运行，以支持健康数据的主要和分析用途。
实施护栏
- 就共同目标达成一致 – 支持制定共同的护栏、战略和集体活动，以确保AI在健康领域的精简开发和实施。新兴的最佳实践包括制定国家战略，以应对AI在医疗保健中开发、部署和使用的独特方面。已有七个OECD国家制定了此类战略，还有几个正在制定中。
- 监督、衡量与监测 – 鉴于AI技术的快速进步，有必要了解潜在收益和风险，同时在采取行动优化收益的同时防范危害。新兴的最佳实践包括制定指标，以评估AI在规模化应用中的临床有效性和经济影响。
有意义的参与
- 公众 – 必须吸引公众参与并对其进行教育，以培养对AI在健康领域的信任，并逐步增强其主动参与能力。新兴的最佳实践包括建立公众集会，将公众的声音纳入AI在健康领域的工作中（例如法国数字健康公民大会）。
- 医疗保健提供者 – 许多健康领域的AI解决方案由一线和后端医疗工作者使用。新兴的最佳实践包括在卫生专业人员的课程中强制纳入AI教育（例如韩国等国家）。
- 行业 – 与行业积极互动合作，以支持AI解决方案中的素养、共同理解和一致性。新兴的最佳实践包括制定协作和透明的流程，让行业与政府接触，以测试、验证并支持AI解决方案的整合（例如英国国家医疗服务体系AI实验室）。
可信赖
- AI的可信赖使用 – 信任是AI在健康领域应用的基础。必须确保人类和健康促进是引入健康生态系统的任何AI解决方案的核心，同时不造成伤害。新兴的最佳实践包括为健康领域的AI解决方案制定和使用伦理影响评估（例如新西兰的评估工具中嵌入伦理的清单）。
虽然许多国家正在各自取得进展，但存在战略机遇，可以通过多边合作来减少不必要的规模化障碍。一个共识正在形成：连贯的、跨境兼容的政策对于平衡创新与安全、经济机会与公众信任至关重要。
【全文结束】