人工智能的治愈能力

Source details

Canonical URL

人工智能的治愈能力

Other formats

• Markdown version
• Structured JSON version
• Bundle manifest

Bibliographic details

• Authors: KERRY DOOLEY YOUNG
• Published: December 20, 2023

概览

• 作者：凯瑞 • 杜利 • 杨（KERRY DOOLEY YOUNG）
• 出版物：金融与发展，2023年12月
• 核心论点：人工智能在医疗领域展现了良好的前景，但同时存在已知的缺陷和风险；在提高筛查效率、加速药物发现等方面有实证和理论支持，但也面临偏见、基础设施与治理挑战。

案例研究：LumineticsCore 在孟加拉国的应用

• 应用场景：奥比斯国际与当地医生合作，使用美国爱荷华州科拉尔维尔一家数字诊断公司的LumineticsCore系统，通过特殊相机采集眼睛图像并用人工智能评估，以筛查糖尿病视网膜病变。
• 监管与支付进展：
  • 2018年：LumineticsCore 成为第一款获得美国食品和药物管理局批准用于检查糖尿病视网膜病变的人工智能设备。
  • 2020年：美国联邦健康保险Medicare同意支付在基层医疗办公室使用该设备的费用。
• 实证结果（孟加拉国视网膜诊所随机分配试验）：
  • 使用人工智能工具时，每小时估计有 1.59 名患者被认为是高质量的就诊。
  • 对照组每小时为 1.14 名患者。
• 结论（研究作者与开发者观点）：
  • 证据显示，即使在发展中经济体，LumineticsCore 也可以帮助更多人接受糖尿病眼病的筛查。
  • 区分“有影响力的人工智能”（已被证明改善健康）与“引人注目的人工智能”（头条多但尚未显示确凿患者获益证据）。

利益：效率与药物发现

• 临床筛查效率：
  • AI工具能在基层扩大筛查覆盖并提高单位时段内高质量就诊人数（见上述 1.59 与 1.14 的对比）。
• 药物研发加速（FDA 药物评估与医疗政策研究办公室政策分析副主任塔拉 • 法库里观点）：
  • 在初始阶段更容易理解化合物在体内的作用，有助于减少后期试验中常见的副作用。
  • 研究人员现在可以快速分析过去需要数年才能合成的信息。
  • “如今，发现方面的效率成指数级增长”，“这些药物基本上都是使用人工智能技术开发的。我们将很快看到很多药物进入市场。”

风险与局限：偏见、基础设施与治疗落实

• 偏见与公平性问题：
  • 2019年《科学》报道：一种在大型卫生系统和保险公司广泛使用的算法低估了黑人病患疾病严重程度，导致许多黑人被拒绝提供医疗服务。
  • 担忧点：若用偏向相对富裕群体（通常是白人）数据开发AI工具，会导致对弱势群体的偏差。
  • 专家主张：训练数据和构建产品的团队需要更大的种族与文化多样性；“人工智能的好坏取决于其程序的编写情况。”
• 低收入与欠发达地区的实施挑战：
  • 医务人员密度差异（世界卫生组织数据）：
  • 在美国，每10,000人中约有 36 名医生。
  • 在英国，每10,000人中约有 32 名医生。
  • 在印度，每10,000人中约有 7 名医生。
  • 基础设施与制度性挑战：缺乏电力、计算机服务器以及将AI辅助诊断转化为有效治疗所需的足够工作人员和机构知识。
  • 专家评述：成功整合AI在不同国家可为“短跑冲刺”或“一场马拉松长跑”，取决于当地条件。

治理、监管与政策响应

• 国际与国家层面的工作：
  • 监管焦点主要集中在算法开发与训练方式的偏见问题上。
  • 2021年世界卫生组织发布的关于人工智能健康伦理和治理指导报告；报告的顾问之一为杰罗姆·辛格。
  • 今年10月（文章时间线内的“今年10月”）：世卫组织发布了一份新报告，概述了在医学中监管人工智能的挑战，特别关注快速部署源自大型语言模型的工具而未充分了解其对患者的利害。
  • 欧洲议会（去年）报告指出：公众担心缺乏透明度以及隐私和安全问题。
  • 美国食品和药物管理局：正在通过发布正式指引来完善监管医疗产品中人工智能的方法，向企业展示所需提供的证据以获得产品审批。
• 专家建议与政策取向：
  • 接受AI在医疗实践中不可避免的现实，同时建立制衡机制，确保AI不会做出不适当的预测和诊断。
  • 提高数据与開發團隊多样性、加强透明度、保障隐私与安全、并提升欠发达地区的基础设施与人员培训。

凯瑞 • 杜利 • 杨（KERRY DOOLEY YOUNG），2023年12月