摘要
本研究应用"人员-流程-技术-运营"(PPTO)框架，在加拿大一家AI应用初期的大型医疗机构中建立人工智能治理机制。利益相关者访谈明确了该组织在AI治理方面的优势、差距和优先事项，共同设计研讨会据此对PPTO框架进行本土化改造。这些努力最终促成治理政策的制定，并成立专门AI治理委员会。研究表明，PPTO框架是医疗场景中AI治理的实用工具，通过生成实证证据填补了该领域的关键空白，证明概念性AI治理框架可在医疗系统中实现有效落地。
引言
人工智能(AI)正在通过提升临床和运营效果变革医疗服务。在临床决策支持、疾病预测、影像分析和个性化治疗等方面展现潜力。例如AI可预测疾病实现早期干预、分析医学影像发现早期病变、实现个性化治疗，同时通过自动化排班、计费和文档处理提高运营效率。这些进展可减少不必要的住院、降低治疗强度，创造以患者为中心的医疗体验。预计到2026年，AI应用将为全球医疗系统节约1500亿美元。
尽管AI应用前景广阔，但实际部署仍面临挑战。除算法开发外，临床产品化需要解决监管合规、基础设施建设、资金投入等复杂问题。更重要的是，需应对算法偏见、数据隐私、透明性等伦理问题。例如，算法偏见可能导致特定群体误诊或资源分配不公，而数据集的大规模使用引发隐私泄露担忧。
为确保AI应用的最大效益和最小风险，医疗组织必须建立主动治理机制。AI治理是包含规则、实践、流程和技术工具的系统，确保AI技术的责任开发、部署和使用。健全的治理机制能确保AI解决方案的透明、公平，符合伦理和监管标准。
研究结果
AI应用现状
访谈显示组织内AI临床应用需求持续增长。尽管处于AI应用初期，已有5个外部供应商开发的AI产品通过电子健康记录(EHR)或影像存档系统部署，另有1个产品在评估中。
治理能力评估
访谈识别出组织在"人员-流程-技术"维度已具备基础治理能力：
- 人员能力：识别出关键利益相关者，包括临床领袖团队、预算委员会、IT团队等
- 流程能力：存在碎片化治理实践，如可行性评估、临床参与设计等，但缺乏统一标准
- 技术能力：具备强大数据基础设施，已成功实现供应商模型的数据提取和整合
治理需求分析
访谈揭示出对统一治理机制的迫切需求：
- 需要标准化治理流程确保安全有效应用
- 强调伦理咨询的重要性，特别是在健康公平维度
- 识别出关键治理要素：角色职责定义、监测机制、产品淘汰标准
PPTO框架落地
协同设计工作坊促成以下成果：
- 治理委员会：作为数字健康委员会(DHC)下属委员会，每年更新成员
- 治理流程：建立中央算法库和全生命周期管理机制，按风险等级实施差异化监管
- 技术架构：组建跨领域团队负责技术能力建设，确保数据元素质量
- 运营机制：设立专项预算，制定信任度、用户满意度等评估指标
政策实施与组织变革
研究最终促成组织政策制定并获正式批准。政策体系定义了AI治理所需的人员、流程、技术和运营能力，并成立专门治理委员会。委员会结构包含临床、技术、伦理和患者代表，确保治理的全面性。
讨论
本研究首次实证验证PPTO框架在医疗AI治理中的有效性。主要发现包括：
- 框架适应性：PPTO框架成功从美国医疗系统移植到加拿大，证明其跨体系适用性
- 实施方法论：强调基于本地需求定义组织需求，通过多方参与确保治理体系与组织现实匹配
- 协作必要性：建立安全参与空间，通过调查、访谈和研讨会促进跨领域协作
- 能力建设：建议对医疗利益相关者开展系统性AI教育，培养技术认知和风险管控能力
研究同时指出未来方向：在不同规模、类型的医疗机构验证框架普适性；建立AI治理体系的长期评估机制；探索在不同医疗支付体系(如加拿大公费医疗与美国商业保险)下的应用差异。
【全文结束】
