将人工智能（AI）融入医疗保健领域代表着一场变革性的转变，提供了增强患者护理、诊断准确性、流程优化和治疗路径的机会。本研究旨在制定一个战略管理决策支持框架，以便在医疗保健行业中系统地探索和整合AI创新，从而系统地提升患者的健康结果。通过创建一个全面的分类系统，我们试图导航医疗保健领域内可能的AI应用的复杂阵列，从而实现AI驱动倡议的识别、选择和推进。通过系统文献回顾和专家见解的结合，本研究绘制了可能的AI应用在“医学学科”、“医疗保健流程”、“AI研究领域”和“用户群体”等维度上的地图。通过反映不同的视角，该系统超越了简单的分类，成为识别、选择和开发AI驱动的医疗用例的核心，以指导AI在临床环境中的战略实施。这一多维系统为医疗保健实体提供了一个蓝图，使它们能够战略性地导航AI领域，从而做出有关技术采用和变更管理过程的明智决策，最终实现患者护理和运营效率的提升。
摘要
将人工智能（AI）融入医疗保健领域代表着一场变革性的转变，提供了增强患者护理、诊断准确性、流程优化和治疗路径的机会。本研究旨在制定一个战略管理决策支持框架，以便在医疗保健行业中系统地探索和整合AI创新，从而系统地提升患者的健康结果。通过创建一个全面的分类系统，我们试图导航医疗保健领域内可能的AI应用的复杂阵列，从而实现AI驱动倡议的识别、选择和推进。通过系统文献回顾和专家见解的结合，本研究绘制了可能的AI应用在“医学学科”、“医疗保健流程”、“AI研究领域”和“用户群体”等维度上的地图。通过反映不同的视角，该系统超越了简单的分类，成为识别、选择和开发AI驱动的医疗用例的核心，以指导AI在临床环境中的战略实施。这一多维系统为医疗保健实体提供了一个蓝图，使它们能够战略性地导航AI领域，从而做出有关技术采用和变更管理过程的明智决策，最终实现患者护理和运营效率的提升。
方法
我们的方法包括（a）结构化的文献回顾以及（b）专家咨询，以定义医疗保健领域的多维分类系统。医疗保健行业中的AI应用多样，可以从多个维度进行分类。根据不同的视角，这种分类可以基于医学学科（例如放射学、胃肠病学、皮肤病学、老年医学、妇女健康、普通医学）、护理中的应用（例如预防、诊断、治疗、后续护理或护理）、AI研究领域（例如自动或自适应学习、可解释的AI、语义学或数学优化），或目标群体（例如专科医生、全科医生、专业人士、患者、行政人员、亲属）。我们采用了库珀 [6] 的五阶段框架，进行了结构化的文献回顾，以系统地收集和综合现有知识，了解医疗保健中AI分类的情况。这一发现通过多次专家访谈和在线问卷得到了补充，参与的专业人士来自医疗保健、AI研究、医疗技术和医疗政策制定等多个领域。
系统文献回顾
研究始于一个核心研究问题，旨在了解现有文献对“医疗保健中AI应用分类工具”的贡献。我们进行了详尽的搜索，利用相关数据库和资源收集了医疗保健中AI分类的可用文献。这一步骤包括确定适当的关键词、进行数据库搜索，并使用布尔运算符来精炼搜索结果。最终使用的关键词搜索表达式如下：标题：（“人工智能” OR "AI" OR “机器学习” OR "ML" OR “深度学习” OR "DL" OR “神经网络” OR "NN"）AND（“医疗” OR “临床” OR “健康” OR “护理”）。总共搜索了三个在线文献数据库，这些数据库选自医学、心理学和技术领域：Web of Science、Scopus 和 PubMed。搜索不仅限于科学文献，还包括灰色文献，以捕捉广泛的知识。后续的选择过程涉及基于相关性和质量筛选文献（见图1）。这包括评估标题、摘要和全文，以确定其是否适合纳入研究。去除重复项、质量评估和相关性评价是这一阶段的关键组成部分，确保只有最相关和高质量的文献贡献于分析。分析阶段综合了选定文献的发现，采用概念中心的方法对信息进行分类和评估。概念矩阵用于结构化分析，便于系统地比较和综合文献。从文献回顾中获得的相关发现（n=61个来源，例如 [7]、[8]、[9]）被系统地组织起来，突出了现有知识体系中的关键分类方法。这一知识体系按“输入”（数据）、“供应支柱”（沿健康状态周期）、“专科领域”（医学学科）、“用户”（指人类主角）、“AI技术类”和“输出”（AI的预期用途）（见图2）进行排列。
专家访谈
对来自医疗保健、AI研究、医疗技术和医疗政策制定等领域的六位专家进行了半结构化访谈。这些访谈旨在验证和改进文献回顾中确定的分类方法。专家们被要求讨论并提供反馈意见，建议改进措施，并分享AI在医疗保健中的实际应用和挑战的见解。与专家一起收集并描述了各自类别的代表性示例。总体而言，参与者使用分类系统对n=19个不同的AI示例进行了分类（见图2）。对于录音或视频记录的访谈的评估，进行了定性内容分析，遵循梅林格 [10] 的方法，共识别了772个单独的代码。
结果
通过六次专家访谈和后续的在线问卷调查，迭代改进过程导致了一个稳健的系统，该系统承认AI在医疗保健中的广泛和复杂作用。认识到诊断、预防、治疗和监测作为健康状态周期中“供应支柱”的基础重要性（见图2，第2列），这些领域成为蓝图在医疗保健中多方面影响和附加值的起点：
- 预防性AI应用用于预测分析，以识别风险因素和早期疾病检测。这些基于AI的工具可以显著贡献于个性化医疗策略和公共卫生规划。
- 诊断性AI应用描述了能够增强诊断准确性和效率的AI系统，例如基于AI的分析用于早期检测和分类各种类型数据（如X光片、显微图像、超声图像、内窥镜视频、心电图、脑电图、肌电图等）中的异常，以及解释复杂医疗发现的相关算法。
- 治疗性AI应用包括个性化医疗，其中AI算法根据患者数据推荐治疗计划，还包括集成到机器人手术和放疗系统中，其中AI组件可以提高治疗交付的精确度并降低患者的风险。
- 监测性AI应用如可穿戴设备和远程监测工具可以提供连续的患者健康监测（在家或医院），向医疗保健提供者提供实时数据和提取的信息，并赋予患者自我管理的能力。
这些方面构成了所提议工具功能的中央维度的特征。然而，为了充分捕捉其在医疗保健领域的广泛作用和影响，全面的蓝图还集成了其他关键维度：
- 医学学科根据其与特定医学领域（如放射学、皮肤病学、肿瘤学、妇女健康、神经学等）的相关性对AI应用进行分类。这有助于理解AI在不同医学领域的专业化影响，见图1，第3列。
- 医疗保健流程根据其在患者健康周期中的角色区分AI应用，包括预防、诊断、治疗和后续护理。这一维度突出了AI在整个医疗保健连续体中的潜力。
- AI（研究）领域反映了推动医疗保健应用的不同底层AI技术，如机器学习、自然语言处理、基础模型、数学优化、统计或计算机视觉。这一维度有助于识别医疗保健中AI解决方案的主要技术基础。
- 目标用户群体：该工具识别每个AI应用的主要用户，包括医疗保健专业人员（专科医生、全科医生）、患者和医疗保健管理人员。这确保了工具对医疗保健生态系统中不同利益相关者的相关性。
总的来说，参与者对所提议的分类系统的可理解性和覆盖最重要领域的平均评分为“非常好”。关于完整性和跨学科视角的考虑被评为“良好”。关于形态框的展示格式，在专家访谈中多次提到，特性并不是互斥的。因此，一个系统确实可以包含多个输入特性，影响多个用户、护理部门和专科，并涉及多种基于AI的技术。然而，帕金森跌倒的例子（见图2，绿色十字）表明，从专家的角度来看，每个列中最合适和最合适的方面可以为特定的应用领域进行选择。这一广泛的范围强调了决策支持工具在引导AI在临床环境中的战略实施方面的能力，确保全面的患者护理。潜在的分配逻辑不仅对现有的AI应用进行分类，还识别了未来医疗保健中AI干预的空白和机会。通过提供理解和实施医疗保健中AI的多维框架，决策支持蓝图不仅促进了医疗实践中的创新和效率，还支持改善患者结果和医疗保健交付的总体目标。
讨论
通过捕捉AI应用的复杂性，所提出的多维分类蓝图可以成为医疗保健中战略管理的重要工具，有助于AI用例的开发、解决伦理问题、促进合作并指导医院政策：
- 支持用例开发：鉴于分类系统在选择不同目的和利益相关者的AI示例方面的辅助作用，它允许生物医学公司识别AI可以产生最大影响的用例。这一过程涉及选择与特定医疗需求相一致的相关AI技术和方法，从而简化针对特定、基于证据的AI解决方案的开发。该工具促进了基于现实世界医疗场景的用例开发的系统方法，增强了AI技术成功集成和采用的潜力。
- 考虑伦理问题：有关医疗保健中AI应用的伦理和隐私问题的讨论突出了一些关键问题。确保AI技术尊重患者的隐私、同意和自主权至关重要。所提议的分类工具可以帮助识别特别紧迫的伦理考虑领域，指导伦理框架和隐私保护技术的发展。
- 增强合作和创新：分类工具促进了医疗保健生态系统中利益相关者之间的合作。通过识别共同的目标和需求领域，它促进了临床公司、医疗保健提供者、研究人员和政策制定者之间的伙伴关系。这种合作环境对于刺激创新、分享最佳实践并确保AI应用以患者为中心的开发至关重要。
- 告知临床和IT政策和监管：分类工具为告知医疗保健中AI相关的政策和监管提供了结构化的基础。通过界定AI应用的范围和影响，它帮助临床医生了解医疗保健领域的AI景观，识别需要监管关注的领域，并制定促进医疗保健环境中AI伦理、安全和有效使用的指南。
该系统提供了一个动态和可适应的框架，可以根据新的技术和医疗需求进行调整和扩展。使用分类工具的主要挑战之一是AI技术的快速发展。AI研究和开发的动态性质意味着分类必须灵活和适应性强，以纳入新出现的发现、应用和技术。未来的研究应集中在根据技术进步和新兴医疗需求更新分类。通过案例研究和实际应用进一步实证验证分类工具将至关重要。在不同的医疗保健环境中检查工具的适用性和影响可以提供对其效用、局限性和定制潜力的宝贵见解。
结论
随着AI领域的不断发展，这一多维分类蓝图将成为利用其潜力改善健康结果、优化医疗保健流程和提升患者护理的关键工具。它强调了考虑适用技术和设置变更过程的重要性。它为从业者提供了一个全面的框架，增强了对AI在医疗保健中的作用和潜力的理解，提供了整体的战略视角，有助于对可用的AI技术及其对医疗保健交付的潜在影响进行批判性评估。它促使组织考虑手头的技术选项，鼓励彻底分析如何利用这些技术满足特定的医疗保健目标。通过在多个维度上系统地组织AI应用，它有助于细致地理解AI技术如何应对临床环境中的多样化挑战。持续的研究、合作和利益相关者之间的对话将是实现AI在医疗保健交付中的转型潜力、改善患者结果和应对紧迫的医疗保健挑战的关键。
(全文结束)
