Science News Today最近的一篇社论捕捉了关于人工智能在医疗保健中能力与局限的混合信息与误导：
想象走进一家医院，机器不仅能协助医生，还能与他们共同思考。疾病在症状显现前即被检测，治疗方案根据个人DNA定制，虚拟助手实时安抚、引导并监测患者……
人工智能的核心是机器学习、推理和智能行动的能力。在医疗领域，这种智能正被用于提升诊断、药物研发、患者护理及医院管理。从分析数十亿医学影像到预测心脏病发作，人工智能不仅在变革医学——更在重新定义治愈的本质。
“人工智能改变医疗保健的10种方式”，2025年10月9日
这听起来深刻，却属于科幻范畴。机器不会思考。计算机无法执行任何无法通过二进制加总（1和0）表示的操作。
大型语言模型中持续存在的幻觉问题与模型崩溃现象，警示了将专业判断外包给AI的实际局限。
但随后编辑在数段后提出了更现实的观点：
每秒钟全球产生数百万份医学扫描——X光、MRI、CT。每张影像都隐藏着关乎生死的故事，其价值取决于解读的速度与精度。
经数百万影像训练的AI算法现已能识别人眼不可见的模式。它们可提前检测微小肿瘤、细微骨折或疾病最早期征兆，远早于放射科医生的发现……
人工智能正彻底革新眼科学。算法以极高精度扫描视网膜图像识别糖尿病视网膜病变、青光眼或黄斑变性。在皮肤病学领域，AI驱动的应用能分析皮肤病变照片判断癌变可能。“改变医疗保健”
简言之，机器仅拥有强大计算力。它们能快速处理海量信息，解答可计算的问题。
需注意的是，同一篇文章在列举AI计算能力在医疗中的实际应用后，开篇却错误赋予AI其不具备的特质。在此环境下，我们亟需可靠指导。
认识周五COSM早餐小组讨论
下月COSM 2025会议上，三位长期追踪AI医疗变革的专家将分享洞见：
埃里克·加西亚（Eric Garcia）
● 生物技术企业家埃里克·加西亚（Eric Garcia），Oisin生物技术公司首席运营官（兼主持人）
● 巴巴克·帕尔维兹（Babak Parviz）——NewDays.ai首席执行官兼创始人，前亚马逊副总裁
● 理查德·卡特利奇博士（Dr. Richard Cartledge）——Syntheon公司首席医疗官及胸外科医生
他们将于11月21日周五上午9:00在"医疗保健创新"小组讨论中，协助区分炒作与希望（早餐自7:30起提供）。
人工智能的挑战与益处并存
TechTarget行业编辑约翰·摩尔指出AI为医疗带来的七项挑战，包括：
- 克服数据碎片化：医疗IT专家视数据为AI核心障碍。"最突出的问题是跨系统、地域及格式的数据碎片化，"IT咨询与外包服务商皓晨咨询公司（Cognizant）首席医疗官斯科特·谢尔博士（Dr. Scott Schell）表示。
碎片化导致数据难以用于AI模型并引发结果偏差。"AI需可靠可复现的数据充分训练，方能稳定运行并避免幻觉，"谢尔强调。
医疗行业多样的数据格式尤为棘手。医疗服务方、支付方、药房及实验室采用多重标准存储数据。国际疾病分类第11版（ICD-11）、观测指标标识符名称和代码（LOINC）及医学系统化命名法-临床术语（SNOMED-CT）仅是其中数例。
在技术术语的混乱中，医疗机构耗费巨资收集、清洗与协调数据。IT咨询公司HCLTech生命科学与医疗保健行业全球增长官斯里坎特·谢蒂（Shrikanth Shetty）指出："数据必须以AI可消费的形态存在，否则即为垃圾进垃圾出。"
“医疗保健中AI集成的七大挑战及其解决方案”，2025年4月16日
此现象源于患者在多元场景下进入医疗系统，初始数据碎片化难以避免。但IT专家正开发系统整合多源数据，形成可分析全景。
摩尔提及的另一关键问题是保密性：
"AI模型需严格安全边界，"谢尔说明，"模型应驻留组织内部，禁止访问外部公共模型，否则将引发数据泄露或隐私侵犯。"
主动安全至关重要，即在构建阶段而非事后嵌入患者数据隐私保护。
讽刺的是，AI数据系统越高效全面，越易成为黑客目标。部分重大风险恰是技术成功的代价。
若您工作涉及医疗保健，此小组讨论不容错过。
【全文结束】
