欢迎访问智慧医疗网 | 网站首页
 
当前位置:首页 > 医疗人工智能

Nature:医疗AI在中低收入国家应用的最大挑战

发布时间:2022-11-07 来源:CDSreport 字号:【加大】【减小】 手机上观看

打开手机扫描二维码
即可在手机端查看

医疗AI的应用还未到成熟期。  

越来越多的报道将人工智能技术视为改善医疗系统的“潜力股”,尤其是在医疗资源匮乏和分布不均的中低收入国家 (LMIC)。因为人工智能的价值在于通过支持和标准化临床判断,并通过以数据为导向的方法标准化临床流程,因此在医疗资源匮乏的地区,人工智能驱动的临床工具被寄予“提高医疗服务数量和质量”的厚望。

然而医疗AI在中低收入国家医疗领域的实际应用范围和效果如何?德国海德堡大学和英国剑桥大学的学者为此进行了一项回顾性研究,收集了2009年1月1日至2021年9月30日发表在Scopus、EMBASE、MEDLINE、Global Health和APA PsycInfo的相关文献,以及通过Google学术搜索到的灰色文献,最终聚焦到10项评估人工智能在LMIC医疗领域的应用研究。这10项研究中,有4项研究在中国进行,AI的应用范围包括临床决策支持系统、治疗计划、分诊助手和健康聊天机器人。

通过对现有研究的汇总,研究人员从以下三个方面进一步分析了人工智能在中低收入国家医疗保健中应用情况。

01

AI技术对医疗服务的影响

有效性:多项研究表明,人工智能技术以多种方式改进了医疗服务的流程,部分研究表明人工智能缩短了诊断和治疗时间。其中临床决策支持系统通过向医生推荐诊断方案,对中国基层的诊所产生了一些积极影响,包括促进医疗信息搜索和减少医疗错误的可能性。

可靠性:四项研究显示,人工智能工具给出的决策和医生决策保持一致,但也有部分人工智能建议的治疗方法被认为过于昂贵、无法获得、对患者过于激进,或者当地可用的替代方法更受欢迎。受访医生认为,主要原因是AI系统与其他IT系统的互操作性差、使用不准确的信息以及缺少患者收入和保险背景信息。

成本效益:成本应是中低收入国家采用AI工具的一个重要考量,但当前的研究中缺乏关于医疗AI工具成本效益的分析。这也反映了人工智能在医疗服务应用中的成熟度——医疗AI的应用还未到成熟期,因为成本效益分析必然发生在AI工具实施的后期。

02

应用AI赋能的医疗服务的经验

数据集:人工智能应用和机器学习需要大量完整且定期更新的数据集,而大多数中低收入国家往往缺乏这些数据。用高收入国家数据集训练的人工智能,不一定能给中低收入国家的医护人员提供恰当的治疗建议,在同一国家的不同地区之间也有此类问题。

信任度:用户的信任和接受是人工智能在全球健康和医疗保健领域的一个关键特征。只有一半的研究有关于AI算法的描述,医疗AI应该对数据源保持透明,并能在临床医生做出决策时给出解释。否则,它可能会对信任基础产生负面影响,并导致临床人员拒绝使用医疗AI技术。

接受度:各项研究表明,医疗AI在用户友好性和与现有基础设施的兼容性上表现较好。但也有医生认为,临床决策支持系统需要提供太多信息,因此耗时较长。

03

在中低收入国家的医疗系统中,挑战医疗AI实施的关键要素

数字素养:一些中低收入国家在常规收集数据的数字化、数据管理等方面仍然面临挑战。持续努力协调卫生信息系统中的碎片化的数据,以培养准确、可靠、及时、可互操作的数据集对于推进人工智能技术至关重要。

系统集成:由于没有足够的人员和技术支持,AI工具和现有工作流程和基础设施的集成仍是一大挑战,这“最后一公里”的实施情况可能会导致高性能的AI工具在实际应用中效果不佳。

医护人员接受度:一些中低收入国家的医护人员因为担心AI可能会替代他们的工作,阻碍了医疗AI的进一步应用。在医疗资源缺乏地区引入新型AI工具还需考虑到如何提高医护人员采用复杂技术工具能力,这不仅需要在使用上采取更简单的界面和操作,还应该考虑对使用人员进行充分培训。研究人员认为,医学课程和教材在修订中也应考虑以纳入最新的医疗技术,以加强未来医护人员对技术的信任和有效使用,避免他们将新技术视为额外的负担。

研究人员总结道,医疗AI在分诊、诊断和治疗计划上展示出了潜力,但创新技术的接受是一个缓慢的过程,医疗AI可从开发过程开始就与用户主动沟通,进行“渐进式培训”。


智慧医疗网 © 2022 版权所有   ICP备案号:沪ICP备17004559号-5