AI有望变革医疗行业，安全网医疗机构能否跟上步伐？

在亚利桑那州北部的一些偏远地区，North Country HealthCare是当地唯一的医疗服务提供者。该联邦合格健康中心的质量与人群健康医疗官Jennifer Cortes博士表示，该机构运营着13家初级保健诊所和两个流动医疗单元，为55,000名农村居民提供医疗服务。

部分社区极为偏远，患者可能需要花费数小时才能获得专科护理，这也使得招聘医务人员成为一大挑战，Cortes指出。

人工智能或许能在这一领域提供帮助。Cortes认为，采用AI记录员（通常记录医患对话并生成临床文档）可以减轻临床医生的行政负担，并有助于降低职业倦怠。

“当ChatGPT刚问世时，我心想：‘天哪，这可能会让我们的工作变得好很多，’”Cortes说，“我只希望工作不要总是那么艰难。如果这能奏效，那就太棒了。”

然而，对于安全网医疗机构而言，启动AI项目并非易事。专家表示，AI技术的实施需要大量人力，且需要专业技术知识和监督能力，而这些资源往往是此类机构难以获得的。

如果资源最匮乏的医疗系统（通常负责照顾病情最复杂的患者）无法享受AI带来的益处，它们可能会进一步落后于规模更大或更富裕的医疗机构。

“看看目前积极部署AI的医疗系统，往往是那些有能力负担的机构在更积极地推进，”健康AI联盟（Coalition for Health AI，简称CHAI）首席执行官Brian Anderson表示，“例如，农村社区缺乏IT人员来部署和配置各类AI工具，因此无法做到这一点。这正是数字鸿沟在AI领域被进一步固化的一个例证。”

“大量人力投入”

专家指出，在医疗系统中采用AI产品需要专业人力和技术资源来确保安全实施，这对资金紧张的安全网医疗机构构成了重大障碍。

“人们往往把它想象成打开电灯开关那么简单，”明尼苏达大学公共卫生学院助理教授Paige Nong说，“但实际上并非如此。这些工具和系统需要大量人力投入。”

安全网医疗机构通常利润率微薄，因为它们更依赖医疗补助计划（Medicaid），而该计划正面临联邦资金削减的压力，同时它们还要承担更高的无补偿医疗费用。

例如，根据健康政策研究机构KFF的数据，为弱势群体提供初级保健的社区健康中心在2023年的净利率仅为1.6%，低于2022年的4.5%，原因是通货膨胀和疫情期间资金的到期。

许多社区健康中心还面临劳动力短缺问题。根据联邦基金（Commonwealth Fund）的数据，去年超过70%的社区健康中心报告缺乏初级保健医生、护士或心理健康专业人员。与此同时，劳动力成本是许多医疗机构的一项重大开支。

实施AI也需要大量管理工作。例如，医疗系统需要建立AI治理结构，以评估产品的安全性和有效性，并确保符合监管和法律要求。此外，专家表示，医疗机构应持续监控其AI工具，因为模型所依据的假设（如患者特征）可能随时间变化，从而可能导致性能下降。

“手术刀生锈了，很明显需要更换或清洁，”CHAI的Anderson说，“但对于许多AI工具，我们未必能及时发现。因此，医疗机构如何负担得起对模型进行长期监控和管理，确实是一个令人担忧的问题。”

技术支持

此外，专家指出，医疗机构需要具备技术专长的IT人员来处理采用AI工具所需的工作，这对资金紧张且地处农村的机构来说尤其困难，因为它们可能难以吸引人才。

例如，许多安全网医疗机构没有数据科学家，杜克健康创新研究所的人群健康与数据科学负责人Mark Sendak表示。他补充说，这些机构可能也不适合雇用数据科学家，因为他们的薪资较高，且不直接产生患者护理收入。

财务挑战也使得投资于采用AI工具所需的IT基础设施变得困难，健康IT提供商兼咨询公司OCHIN的首席对外事务官Jennifer Stoll表示。

“社区健康组织面临的挑战更加复杂，因为许多组织别无选择，只能依赖过时、低效的技术系统，”她通过电子邮件表示，“这些过时的系统不仅无法获得，而且有些甚至无法集成AI工具——这只会加剧技术鸿沟。”

与此同时，AI可能排在IT团队待办事项清单的末尾。例如，在North Country，诊所的Wi-Fi并不总是稳定，而其遗留的电子健康记录系统将在几年内不再获得供应商支持，因此该机构必须更换新系统。

“我们连基础设施都不完善，”Cortes说，“即使不谈AI，我们也已经落后了。”

错失AI机遇

专家表示，这些限制可能已经影响了资源匮乏的医疗机构实施AI的方式。

例如，今年早些时候发表在《Health Affairs》上的一项研究发现，在使用预测性AI模型的美国医院中，61%使用自己的数据评估了模型的准确性，而只有44%对工具进行了本地偏差评估——这是帮助医疗系统判断工具是否适用于其患者群体的重要过程。

开发自有预测模型、报告高运营利润率以及隶属于医疗系统的医院更有可能对其AI产品进行本地评估。

“如果你有资源、有IT人员、有数据科学家，他们可以设计模型或评估电子健康记录供应商的模型，”该研究的作者之一、明尼苏达大学的Nong说，“资源是能够持续进行评估和设计定制模型的关键必要条件。”

专家表示，如果没有援助，缺乏资金和技术能力的医疗机构可能会错失AI的潜在益处，或者在缺乏必要保障的情况下采用AI，这可能扩大高资源与低资源医疗机构及其患者之间的现有差距。

例如，安全网医疗机构在招聘和留住员工方面已经面临挑战，Sendak说。当一名刚毕业的住院医师寻找初级保健工作时，他们更愿意选择一家能提供AI文档助手（有助于缓解职业倦怠）的医疗系统，还是选择一家无法实施该技术的诊所？

此外，将AI应用限制在最富裕的医疗机构可能会强化这些工具中无意包含的偏见，CHAI的Anderson说。如果用于训练算法的数据仍然只容易从沿海城市、高教育水平的社区收集，那么AI工具将错过其他群体的信息。

“我认为，作为社会，我们的工作是尽可能让这一切变得容易，以便AI能够像服务旧金山或波士顿的人们一样，服务阿巴拉契亚农村或堪萨斯州农场社区的个人，”他说。

寻求帮助

尽管如此，专家表示，仍有一些方法可以帮助小型和低资源医疗机构采用AI产品，包括用于其他新兴技术的导师制和支持模式。

例如，2009年颁布的《HITECH法案》旨在促进电子健康记录的使用，其中包括为区域推广中心（Regional Extension Centers）提供资金，这些中心为小型初级保健诊所、社区健康中心和关键接入医院提供现场技术支持。

同样，卫生资源与服务管理局（HRSA）资助了远程健康资源中心（Telehealth Resource Centers），该中心由12个区域中心和2个国家中心组成，为希望实施远程医疗的医疗机构提供教育和资源。

Nong表示，电子健康记录供应商也可以发挥作用。在她的Health Affairs研究中，近80%的医院使用通过其EHR开发商获得的预测模型，因此这可能是帮助医疗机构安全部署模型的有效切入点。

大型医疗系统和学术医疗中心也可以帮助规模较小、资源匮乏的同行。健康AI合作伙伴关系（Health AI Partnership，简称HAIP）是一个包括Duke Health和Mayo Clinic等医疗系统的联盟，其运营的实践网络（Practice Network）与安全网医疗机构合作，通过一对一支持采用AI最佳实践。

North Country是该网络的首批参与者之一。该项目为安全网组织提供技术支持，帮助它们完成AI采购、评估和实施，杜克大学的Sendak表示，他是HAIP领导委员会的成员。

不过，Sendak补充说，实践网络目前仅与五家安全网医疗机构合作，而全国有数百家联邦合格健康中心可能需要支持。

“关于医疗AI的讨论与许多实际提供医疗服务的人之间的差距很大，尤其是在采用和安全使用能力方面，”North Country的Cortes说，“当他们谈论对AI的巨大投资时，很好，这令人兴奋，但他们如何也将我们带进来呢？”