人工智能（AI）的集成为医疗领域的不断发展提供了最有前途，也最棘手的进步之一。电子记录让医生更容易地访问患者信息。手机应用和基于网络的工具让用户可以在线预约和查看检测结果。新冠肺炎疫情表明，远程医疗可以成为连接患者和医生的重要工具。

Rema Padman，卡内基梅隆大学海因茨信息系统与公共政策学院的管理科学与医疗信息学信托教授，最近接受了采访，分享了她的一些研究，并讨论了AI在医疗领域的机遇和挑战。

通过数字解决方案赋能患者

AI在医疗领域的一个关键应用是开发数字解决方案，提高健康素养——这是医疗服务中一个重要但鲜有研究的挑战。

“一个有健康素养的患者其实就是一个参与度高的患者，而参与度高的患者有更好的治疗效果，”Padman解释道。“我们如何利用这些技术和分析来创建一些对人们有用且有吸引力的解决方案，同时提高他们对管理自己状况的知识？”

数字治疗——使用软件来构建数字解决方案，改变传统的治疗流程。当医生诊断出一个患者患有某种疾病时，治疗通常包括开药方。而使用数字治疗时，医生可能还会开出一个包含多媒体的视频，解释这种状况，以及另一个视频，帮助患者了解他们所服用的药物是什么，具体什么时候和怎么服用，以及可能出现的副作用。

Padman说，在视频网站上单单关于健康相关主题就有数百万个视频。虽然学术医学中心和像匹兹堡大学医学中心（UPMC）、梅奥诊所和约翰霍普金斯大学这样的大型医疗机构会创建可靠的内容，但也有一些由没有医学培训、对某种疾病或治疗有强烈、可能是错误的观点的普通人制作的视频。

一些视频，即使来自可信来源，也可能没有考虑到特定人群的特殊需求——比如饮食习惯、营养需求、年龄、种族或性别。要求一个已经过度劳累的医生为一个特定的患者从成千上万个视频中筛选出合适的内容是不现实的。

AI可以帮忙

“我们正在做的是使用AI、ML/DL（机器学习/深度学习）和自然语言处理来筛选这些视频，”Padman说。“我们在问一些问题：视频是否包含准确的医学信息？外行人能否理解？它是八年级还是五年级的阅读水平？它的布局是否合理？它是否清晰可听？它是否简短——在五分钟以内？它是否提供了一些可行的指导？它是否值得信赖？它是否公平和无偏见？它是否包容和有代表性？”

Padman正在帮助开发的AI模型可以过滤所有的视频内容，找出一个视频的简单列表。有了这个筛选过的列表，医疗机构可以对内容的准确性和及时性进行最终审核，并确定一些最适合他们患者群体的视频，并在需要时随手开出处方。

Padman是最近在国家医学院NAM Perspectives发表的一篇文章的作者之一，这篇文章由来自世界各地的25名医生、思想领袖和技术专家组成的咨询小组撰写，他们制定了评估非营利组织、营利组织和个人制作的健康相关社交媒体内容可信度的标准。这一成就值得注意，因为有了正式、公认的标准，就是建立可信度的关键一步。

识别可信来源是一个挑战。包容性和代表性也是同样重要的组成部分。

目前，大部分被认为可靠的内容都是由医疗机构的领域专家创建的。虽然女性已经进入了这些行列，但很少有健康相关视频是由女性或有色人种讲述的。Padman强调了这种差异对患者可能意味着什么，称之为“亲和力”问题。

作为一个南亚裔，考虑到一个可能被诊断出患有糖尿病的患者，Padman说，从一个糖尿病教育者那里听到信息，比如他熟悉南亚文化规范和饮食习惯，可能有助于提高对建议的遵从性。

“当我看到一些视频提到五大食物类别等等时，那并不符合我制作饭菜的方式，”Padman说。“而且研究表明，特别是在非洲裔美国人、拉丁裔美国人和其他人群中，亲和力对于指导、处方和治疗的接受程度非常重要。”

当某人的健康处于危险之中时，包容性和公平性可能是生死攸关的问题。视频处方是一个有用的工具，但不是完美的解药。

“我们不能盲目地应用AI/ML，并说生成的视频是完全筛选过的，当它并没有真正满足人群的健康教育需求时，”Padman解释道。显式地评估视频以提高包容性是Padman试图解决和减轻潜在偏见的一种方式。

数字疫苗：AI + 提高儿科健康素养游戏化

数字疗法对儿童和成人都有效。Padman和FriendsLearn（一家游戏化移动平台开发商）创建了一种数字疫苗，并与来自CMU、密歇根大学、约翰霍普金斯大学、霍夫斯特拉大学和印度志愿卫生服务机构的研究人员合作，评估这个移动健康游戏化平台，它结合了神经认知训练和隐性学习的科学和技术，通过AI启用的沉浸式游戏。

它目前针对儿童早期的营养素养、体育活动和健康卫生促进，以一种有趣和吸引人的方式进行；该项目有可能扩展到包括其他素养需求，如心理健康和健康护理。目标是提高健康生活方式的知识、行为和临床结果。像传统的疫苗一样，数字疫苗旨在预防疾病。不同之处在于，数字疫苗是通过使大脑倾向于健康行为，而不是刺激免疫系统的物理反应来起作用。

Padman的团队在2022年秋季与印度一所资源匮乏的学校进行了一项随机对照试验（RCT）。另一项RCT正在与匹兹堡儿童医院（UPMC Children’s Hospital of Pittsburgh）合作进行，重点关注患有1型糖尿病的儿童。结果是有希望的，这个项目已经引起了关注；该项目获得了2022年金融时报和世界银行国际金融公司颁发的转型解决方案-新前沿奖，该奖项表彰了使用数字疫苗的深度技术突破。

AI用于改善慢性病管理

AI有可能成为慢性病监测和管理中的一种无价之宝。风险评估模型使医疗提供者能够识别高风险患者，并根据情况制定相应的干预措施，但这些模型也涉及到与偏见相关的道德问题。有效、无偏见的模型依赖于大量的全面、无偏见的数据。如果数据来源——比如100万份电子健康记录——缺乏关于患有心脏病的黑人女性的信息，那么该模型可能会对这种疾病的风险产生不准确的预测。

有效的工具也取决于技术人员提出正确的问题，识别可能导致偏见的潜在盲点，并设计能够产生公平医疗解决方案的AI模型。卡内基梅隆大学技术与社会阻碍中心就是为了考虑这样的问题而成立的。例如，机器学习系和海因茨学院的杰出职业教授Rayid Ghani，曾经使用机器学习公平地预测儿童铅中毒风险。

准确的信息可以让医生在正确的时间为正确的个体做出正确的预测——最终导致患者有更好的治疗效果。

减少医生的认知工作流程是AI另一个潜在的好处。目前，在与患者进行15分钟的访问期间，医生通常试图同时进行笔记转录、完成保险清单、回顾过去的电子健康记录，并倾听患者的担忧。一个能够处理保险要求、总结患者的历史并突出显示医生在预约期间需要涵盖的关键方面的AI系统，将为医生提供更多时间和认知带宽，专注于患者。Padman和她的同事们致力于结合AI来最小化医生在医院信息系统中下订单时所经历的认知负荷。