当AI 应用于医疗,有望带来哪些改变?

企业
2024 09-24 15:22:15
分享

文章来源:哈佛商业评论

图片来源:由无界AI生成
图片来源:由无界AI生成

AI 技术在医疗保健领域的应用正在引发一场激烈的讨论。一方面,它为人们带来前所未有的希望。乐观主义者认为AI技术蕴藏着巨大的潜力,有望显著提升医疗服务的效率与质量。另一方面,它也引起人们的担忧,正如批评者所指出,如果这些先进的AI工具优先用于服务经济条件优越、健康状况较好的群体,可能会进一步加剧医疗不平等现象。

这种担忧并非没有道理。那么,我们目前正在开发的新工具是否真的只会加剧医疗成果的不平等分配呢?在运用 AI技术的过程中,保持审慎的态度无疑是必要的,但我们同样怀抱着一个鼓舞人心的愿景:AI能够成为推动医疗保健民主化的强大驱动力,实现社会广泛呼吁的医疗资源的平等分配。

想象一下,一个患有长期疾病的患者,其所经历的诊疗过程是何等复杂。在这一漫长的旅途中,每一步都充满了可能影响治疗效果的变量:患者的语言沟通和读写能力,他们在错综复杂的医疗系统中找到恰当的服务与帮助的能力和意愿,医护人员的个人偏见以及针对患者病情的医学知识储备限制。反观医护人员,他们也面临着一系列的挑战,包括如何整合这些错综复杂的背景因素,为每一位患者量身定制出高效又便于执行的治疗方案。那些来自复杂或弱势社会背景的患者,往往更容易面临医疗服务不足或疗效不佳的结果。 

这正是 AI 能够大展身手的地方。作为一项颠覆性的工具,AI具备推动医疗体系为每一个人——特别是那些最为脆弱且医疗资源匮乏的群体——提供更为优质的医疗服务的潜力。AI可以利用各种类型的数据,预测并干预患者就医过程的各个环节,在解决医疗不平等现象的核心问题中展现出独特的优势。

本文将聚焦一系列有可能对医疗不平等问题产生深远影响的 AI 工具。虽然这些工具目前大多尚未被广泛应用,但从公平性角度来看,精心设计的AI工具及其实施策略能够取得积极的进展,帮助我们更好地应对那些看似根深蒂固的医疗不平等挑战。


识别高风险患者


预防保健是改善患者健康状况最为经济、临床效果最好的干预手段。它涵盖了一系列措施,如鼓励患者采纳健康的生活方式、接种疫苗以及有效管理高血压和肥胖等风险因素。然而,那些处于社会弱势地位的患者往往对必要的预防保健措施缺乏了解,同时,医疗体系的复杂性也常常让他们感到畏惧,阻碍了其主动寻求专业医疗保健建议的步伐。在这样的背景下,医疗保健服务机构将面临关键机遇,去主动识别并接触那些面临健康风险的患者,为他们提供必要的帮助和支持。

然而,患者潜在健康风险的微妙迹象往往隐藏在医疗记录的细枝末节之中:从未能按时赴约的就诊记录、异常的邮政编码数据,到过往就诊记录中不起眼的微小注释,都有可能是潜在的风险信号。对于医疗服务提供者而言,要敏锐捕捉这些迹象并采取及时的干预措施,无疑是一项极具挑战的任务。

Aledade是美国一家初级保健服务提供商,拥有全美最大的独立初级保健诊所网络。该公司运用尖端 AI技术深度挖掘复杂的患者数据,主动与患者建立联系并为其提供个性化的健康服务,如免疫接种、疾病筛查以及预先护理计划等。为实现这一目标,Aledade部署了多项计算技术。首先,利用向量化引擎存储多样化的临床记录数据,如电子健康记录(EHR)和索赔数据。接着,通过深度学习模型(该模型经过高级基因组数据和患者传感器数据训练)处理并分析这些数据。与此同时,Aledade还采用了先进的特征提取技术,从纷繁复杂的社会人口统计数据和行为数据中提炼有用信息。根据这些信息,Aledade不仅能够为每位患者或患者群体进行“风险评分”(即预测相较于普通患者,某一特殊患者或患者群体的治疗费用是多少),还能前瞻性地评估特定治疗方案的效果,为临床医生提供决策支持。在针对关键患者群体实际应用后,该技术展现出了显著成效:整体住院率下降12%,急诊就诊人次减少 7%,医疗成本下降超过 375,000 美元。


克服沟通障碍

在患者接受医疗机构对某疾病的诊疗评估过程中,高效的沟通非常关键。沟通障碍往往会导致治疗效果不理想,这一现象在面临语言障碍、健康知识不足或罹患神经认知障碍的患者群体中尤为突出。面对这一挑战,AI技术如同一把改善医患沟通的钥匙,能够根据具体需求充当医患之间的翻译官与联络员,将潜在风险、具体症状和治疗方案等复杂的医疗术语转化为患者容易理解与接受的信息形式。

人工智能平台Amelia 巧妙运用生成式AI技术,为患者精心打造了一个语言多元化且充满同理心的数字化交互门户。作为一个全渠道平台,Amelia 不仅可以帮助患者安排诊疗日程,收集必要的入院信息,管理计费流程,还能根据患者的语言和沟通习惯,通过最适合媒介发送个性化提醒。

这些解决方案对于提高医疗服务机构的运营效率,缓解其日益紧张的资源挑战至关重要。它们通过简化并自动化与患者访问、评估等相关的繁琐行政流程,为医疗服务提供者释放了宝贵的时间资源,让他们将精力重新聚焦在临床工作之上,为改善病情复杂患者的健康状况创造更大的价值。


弥合医疗资源差距

 “逆向照顾法则”是指,越是需要医疗照顾的患者,其得到的医疗资源反而越少。在农村地区,这一现象尤为明显,因为农村地区的患者不仅距离专业医疗服务机构较远,同时可也缺乏对健康和康复至关重要的社交网络。针对这一挑战,AI正初步展现出其作为关键解决方案的巨大潜力,为政策制定者提供一条破局之路。

Ada Health 为患者提供了一款手机AI应用程序,用于评估症状、诊断各种医疗问题并提供个性化的治疗建议。在对急诊患者进行风湿、皮疹和腹痛源头等精确诊断方面,这款应用程序甚至超越了部分人类医生。类似Ada Health这样的 AI工具创建了一种高效且可扩展的“口袋医生”模式,克服了医患物理距离障碍,实现了医疗资源访问的民主化。通过AI技术的应用,美国医疗资源匮乏地区的患者可以根据自己的症状进行自我分诊,然后通过最适合自身状况的途径寻求有针对性的医疗服务。

在治疗流程结束之后,AI技术同样扮演着举足轻重的角色,其潜力可以进一步延伸至改善治疗后的康复效果。在当前医疗不平等现象普遍存在的背景下,那些处于弱势地位的患者往往面临着更高的病情复发与再入院风险。AI技术可用于弥补这方面的不足,让这些患者了解病情复发或恶化的迹象,智能推荐最佳的紧急医疗服务获取时机和途径,确保关键时刻患者能够迅速有效地获得必要的医疗援助。

Biofourmis平台利用可穿戴的传感设备,实现对罹患心衰、慢性阻塞性肺病等一系列复杂疾病患者的远程健康监测,跟踪并记录患者的血压和心率等参数。该平台融合AI技术,深入分析传感器数据,为每位患者量身定制个性化的健康数据基准,以此精准监测病情变化,及时锁定病情可能恶化、需要特别关注的患者。在这个智能医疗系统中,AI充当了医生的“千里眼”和“顺风耳”,使得高质量医疗服务跨越地理界限,直达患者家中,进而提升治疗效果。


增加临床试验的多样性

医疗不平等的一个关键诱因是临床试验多样性的不足。以全球广泛使用的吸入性支气管扩张剂沙丁胺醇为例,其上市前的临床试验中,约 95%的受试者均来自欧洲肺病患者群体。这种临床试验的局限性未能充分反应药物在不同遗传背景人群中的疗效差异。已有研究表明,相较于白人儿童,沙丁胺醇在非裔儿童中的治疗效果明显逊色。此类缺乏多样性的临床试验数据可能在一定程度上解释了为什么非裔患者哮喘相关死亡率比白人高出三倍。

如今,制药企业正在积极拥抱 AI技术,以招募更加多元化和更具代表性的患者群体参与临床试验。例如,有些公司应用创新AI工具Trial Pathfinder ,基于真实世界数据模拟临床试验结果。该工具的使用已经成功验证,适度放宽传统的临床试验资格限制不仅能够增加研究样本的多样性,同时也能够确保试验的安全性和有效性。此外,研究人员也在使用AI工具,借助AI技术扩大临床试验群体的招募范围,特别是那些传统方法难以识别的潜在受试者。以AI应用工具Criteria2Query为例,它运用自然语言处理技术,将原本复杂而模糊的试验纳入标准转换为数据库查询语句,从而在电子健康记录中精准定位符合条件的患者。这种由AI 驱动的分析能力使研究人员能够接触并招募更广泛、更多元的患者群体。


AI 发展应以平等性为核心基石


随着医疗保健领域AI创业公司与AI产品市场准入门槛的持续放宽,加之源源不断的资金支持注入,AI工具正以前所未有的速度经历着爆炸式的增长。然而,要确保这些前沿创新技术能够深刻影响医疗领域,切实打破医疗不平等壁垒,为弱势群体带来实质性的健康福祉,这些AI创业公司必须将医疗平等置于其发展策略的核心位置。

Esplanade Health Ventures正是这一理念的践行者。它旗下有一个名为Wellth的AI数字化健康平台,巧妙运用行为经济学的激励机制来提高患者对治疗方案的依从性,特别是那些依赖联邦医疗补助、常处于医疗不平等境地的患者群体。这一创新平台不仅挑战了传统投资视角对低报销率患者的忽视,显著改善了医疗公平境况,同时还促使平台使用者(包括不依赖联邦医疗补助的患者)的药物依从性提高16%,平均住院治疗率下降42%。

然而,近期在利用AI技术解决弱势群体医疗不平等问题的道路上,我们观察到一丝放缓的迹象。这一趋势主要源于利益相关者对AI训练数据多样性不足的深切担忧。它们认为,训练数据的单一性可能会在AI模型的决策过程中植入偏见。为了跨越这一障碍,Dandelion Health 为AI开发人员提供了一套强大的验证工具,通过深入分析地域分布和人口统计数据的内在偏见,帮助 AI 开发人员验证临床算法的表现和公平性。


AI将带来代际机遇

AI 技术不仅能够改善患者诊疗过程中的各个环节,还能助力解决医疗不平等现象背后的复杂根源问题。要实现这一宏大的目标,医疗系统的融资模式和战略重点亟需进行深刻的变革与转型。这一转型的过程和方法必须基于深思熟虑的策略,确保AI工具的设计与开发始终秉持公平性原则,避免技术红利仅惠及少数群体,而忽略那些处于弱势地位的患者。在全球卫生体系奋力应对医疗不平等所引发的道德挑战和经济重负之际,AI作为缩小医疗资源差距的有力武器,其正当性和迫切性愈发凸显。我们应当铭记,当AI工具能够成功提升最脆弱群体的医疗质量时,整个社会的医疗水平也将得到全面提升。

Carol Cruickshank、Cian Wade、Junaid Bajwa | 文

Carol Cruickshank,科尔尼美洲地区主席,医疗保健与生命科学业务全球合伙人。
Cian Wade,医学博士,科尔尼医疗保健与生命科学业务咨询顾问。
Junaid Bajwa,内外全科医学士,微软首席医学科学家,英国国家医疗服务体系(NHS)内科医生,2024 年 9 月加入 Flagship Pioneering担任高级合伙人。
The End
好一二三网hao123.biz网站成立于2007年3月21日,网站关注最实时的文章,教育资讯,教育录取,高考分数线信息,企事业单位招聘资讯