AI如何助力实现医疗平等？
AI如何助力实现医疗平等？
医疗保健领域的人工智能工具数量正在增长，它们有望帮助医疗系统消除造成医疗不公平的许多因素，助力实现医疗平等。
在医疗领域，人工智能既让人兴奋，又让人不安。乐观主义者看到了改革医疗效率和质量的明显潜力，而悲观主义者则担心，这些工具会优先服务于最富有和最健康的人群，从而加剧社会本已存在的显著的医疗不平等现象。
这些担忧是否合理？我们使用的新工具是否只会扩大医疗结果方面的不平等差距？虽然在应用人工智能时应保持谨慎，但我们对其作为医疗领域迫切需要的民主化力量的愿景充满信心。想象一下，一位患有长期疾病的患者所经历的旅程。在每个阶段，无数因素都会影响其健康结果：患者的语言和读写能力、能否以及是否愿意驾驭复杂卫生系统的能力，以及用于治疗其病情的医疗人员和医学知识库的偏见。而这正是人工智能作为革命性工具发挥作用的地方，它可以使医疗系统为每个人提供更好的医疗服务，特别是最脆弱和医疗服务不足的人群。人工智能能够利用多种不同类型的数据来预测和干预患者治疗过程的各个阶段，这使其在解决医疗不平等问题方面处于独特的有利地位。
识别高危患者
预防保健是改善病人健康的最经济和最有效的临床干预点，这意味着让患者接受健康的行为、接种疫苗，以及管理高血压和肥胖等风险因素。然而弱势患者群体往往对他们所应采取的步骤认识不足。对于医护人员来说，识别并主动接触那些可能面临不良健康结果风险的患者至关重要。病人的健康记录可能有一些微妙的迹象表明他们处于风险之中，比如爽约，或者之前咨询的一小段说明。但要识别这些标识并采取行动是极具挑战性的，人工智能则可以理解这些高度复杂的患者数据，并为免疫、疾病筛查和预先护理计划提供个性化服务，进而降低住院率及成本。
克服沟通障碍
一旦患者进入医疗系统进行问题评估，患者与医护团队进行有效沟通便至关重要。对于有语言障碍、健康素养水平较低或患有神经认知疾病的患者而言，沟通差距导致健康结果较差的风险更高。人工智能为更好地交流打开了大门，它可以作为医疗系统与患者之间的联络人，提供更易于理解的有关风险、症状和治疗计划的信息。例如，有公司利用生成式人工智能为患者打造了一个多语言且富有同情心的数字前台。这个全渠道平台可帮助患者安排护理、收集相关入院信息、管理计费流程，并通过最适合患者的语言和沟通媒介发送个性化提醒。
这些解决方案对于提高资源日益紧张的医疗系统的生产率也至关重要。通过简化和自动化与患者接入和评估相关的管理任务，医护人员可以将时间重新集中在临床工作上，从而为病情最复杂的患者改善健康结果带来最大的价值。
解决资源获取差异问题
“逆向医疗照顾法则”指出，需求最高的患者能够获得的医疗资源往往却最少。许多农村地区的患者远离专业医疗服务，或可能缺乏对其健康和康复至关重要的社交网络，而人工智能已初步显示出可帮助政策制定者克服这些障碍，提供重要解决方案的迹象。例如，已有公司开发出了人工智能驱动的智能手机应用程序，该程序可评估症状、诊断各种医疗问题，并提出个性化护理建议。该应用程序在准确诊断风湿病、皮疹以及急诊室就诊时腹痛的病因方面甚至超越了人类医生。这些基于人工智能的工具为患者提供了高度有效且可扩展的“口袋医生”，无论患者离医疗服务提供者有多远，都能以最合适的途径获得服务。
人工智能还可以改善治疗后的结果。目前，经历医疗不平等的患者面临恶化和再次入院的更高风险，但人工智能可以填补空白，让这些患者了解临床恶化的迹象，以及何时和如何获得紧急医疗服务。
减少人类偏见的影响
大量令人担忧的证据表明，医护人员可能因无意识的偏见，将症状错误地归因于文化刻板印象而未能认识到疾病的严重性，从而使不平等现象一直存在。一个相关的例子是获得适当的止痛治疗。当黑人患者以类似的方式出现腹痛时，其获得阿片类药物治疗的可能性仅为白人患者的一半。人工智能可能是消除这些人为偏见影响的重要工具。最近的研究表明，人工智能可以非常有效地检测患者的疼痛，其模型对超过14万张疼痛和非疼痛患者的面部图像进行了训练，评估结果与专家医生的评估结果有88%的一致性，这证明了它可以成为快速评估疼痛的可扩展解决方案。
偏见还可能导致误诊重要疾病，影响治疗决策。在一项研究中，超声心动图显示主动脉狭窄迹象的黑人和亚洲患者的诊断率比白人患者低22%和25%。已有公司试点了一种旨在提高超声心动图诊断性能的人工智能工具，这在减少此类不平等方面具有巨大的潜力。它利用自然语言处理能力对超声心动图报告进行处理，与医生对相同报告的解释相比，主动脉瓣狭窄的诊断率提高了35%，从而能够迅速为患者提供适当的治疗。
增强临床试验的多样性
临床试验中缺乏多样性是导致健康不平等的关键原因之一。例如，当世界上开具处方最多的支气管扩张剂吸入剂药物沙丁胺醇（Albuterol）进入市场时，大约95%的肺病研究都是在有欧洲血统的人身上进行的。这种狭隘的测试并没有表明该药物在不同基因人群中的不同疗效。已知，与白人同龄人相比，非裔美国儿童对沙丁胺醇的反应较差。这种测试数据缺乏多样性可能部分解释了该群体中由哮喘相关原因导致的死亡率高出三倍的原因。
现在，制药公司正在利用人工智能来招募更多样化和更有代表性的患者群体。实验已证明，放宽原始试验的资格标准可以在不影响安全性或有效性的情况下增加研究群体的多样性。此外，基于人工智能的分析还可以使研究人员接触并招募更广泛、更多样化的患者参加临床试验。
将公平置于人工智能增长的核心
新的人工智能初创企业和产品进入市场的门槛正在不断降低，源源不断的资金投入推动人工智能呈爆发式增长。但要确保这些创新惠及面临医疗不平等现象的患者，需要各参与方将此目标置于优先地位。
例如，有一个支持人工智能的数字健康平台Wellth，利用行为经济学激励措施来提高患者对治疗计划的依从性，尤其是那些接受医疗补助的患者，这群患者较常经历医疗不公平处境，而且由于报销率低，从投资角度来看，他们一直没有吸引力。而使用Wellth平台患者的住院利用率平均降低了42%，用药依从性提高了16%（包括非医疗补助患者）。
利益相关者担心训练数据缺乏多样性，导致模型对这类群体产生偏见，因此，为弱势患者群体实施人工智能的进度正在放缓。为了消除潜在的偏见，有医疗公司通过帮助人工智能开发人员评估跨地域和人口统计数据的偏见来验证临床算法的性能和公平性。
将财务激励与公平相结合
另一种能够减少不平等的基于人工智能创新投资的方式是采用替代支付模式（APM），即向医疗系统提供预算以管理患者或人群护理周期。APM涉及医疗系统和支付方之间的财务风险分担。这些模式鼓励医疗系统投资于预防性护理，以避免更高的后续成本，在管理复杂病症的多学科团队之间进行有效协调，并为患者提供持续支持以避免治疗失败。因此，在APM基础上签订合同的医疗系统将看到投资基于人工智能的工具的价值，这些工具有助于开展减少医疗不平等的活动。
代际机遇
人工智能可以改善患者就医过程中各个环节的医疗状况，并解决许多导致医疗不平等的顽疾。要想将其转化为可推广的现实，就需要在融资模式和卫生系统的战略重点方面进行重大变革。必须制定深思熟虑的方法，以确保在设计工具时考虑到公平，并确保人工智能创新不会让处于弱势患者掉队。鉴于全球卫生系统都在努力应对医疗不平等带来的道德和财务成本，利用人工智能缩小差距的理由再合理不过了。最后，重要的是要记住，那些提高最弱势患者护理质量的人工智能工具通常也会改善所有人的护理条件。