缺工解方？你的AI醫師已上線

AI系統靠處理大量數據來學習，而醫療服務提供者掌握了非常多的數據。但醫療數據高度分散，使用上受到嚴格規範。政府認可患者希望醫療隱私受到保護。但患者也希望得到更好、更客製化的照護。每年大約有8萬名美國人因為糟糕的醫療決策而受苦。

如果要提升AI工具的精確度，並減少系統的偏頗度，需要讓它們使用完全反映患者多樣性的大型資料集接受訓練。找到安全的方法，讓健康數據更自由流動會有所幫助，患者也會受益。

另一個問題是，如何管理和規範創新服務。

在許多國家，AI在健康領域的監理就和其他領域一樣，難以跟上創新的腳步。監理單位可能在批准新的AI工具上進展緩慢，或是缺乏能力和專業知識。

政府需要確保監理單位具備評估新AI工具的能力，還需要填補不良事件監測與演算法持續監測這兩個面向上的監理空白，以確保演算法保持準確、安全、有效且透明。

廣告

這並非易事。其中一個解方是各國共同努力，相互學習並制定出最低限度的全球標準。相對單純的國際監管體系，有助於創造一個小公司也能創新的市場。醫療基礎建設不完善的貧窮國家，可以靠引入新工具，獲得幫助。

遭到患者和員工抵制？

最後一個問題，涉及制度和誘因機制。

AI有望藉由協助或取代人工，提高生產力、減少錯誤，或降低支出，並同時改善照護品質。這些都是迫切需要的轉變。

到2030年，世界可能會短缺1000萬名醫療工作者，約佔目前人力的15%。

與其他國家相比，2022年行政管理費用，約佔美國超額醫療保健成本的三成。

然而，利用創新來節省經費有點棘手。

醫療體系的建立是為了改善照護，而不是削減成本。新技術可能會佔醫療支出年成長的一半。在新系統上進一步將服務分級將增加成本和複雜度。但是重新設計流程以有效利用AI，很可能受到患者和醫療人員的抵制。

廣告

更糟糕的是，包括美國在內的許多醫療體系，在設計上都獎勵工作量大的人員，因此他們沒有理由採用減少就診次數、檢驗或治療流程的技術。可能缺乏採用新科技來削減成本的動機，因為節省支出可能會導致明年的預算減少。除非政府能夠改變這些誘因設計，否則創新將墊高成本。

在醫療領域推廣AI的重擔，大部份落到了政府和監理單位頭上，但企業也有該做的事。

現在有些保險公司用AI工具拒絕支付診療項目，對患者不公平，也有公司誇大或錯誤推銷健康照護AI工具，演算法也曾出錯。企業有責任確保自家產品安全、可靠且負責任，並且無論人類有多少缺陷，還是要握有最終控制權。

上述障礙都難以跨越，但在醫療領域使用AI的潛在好處，大到值得去克服難題。（李立心譯）

廣告