通过提升本地能力来消除人工智能带来的数字鸿沟

《PLOS Digital Health》：Eliminating the AI digital divide by building local capacity

人工智能医疗在提升服务质量与效率方面的应用存在资源分配不均的数字鸿沟，需借鉴EHR和远程医疗推广经验，构建由技术企业、支付方、专业机构等组成的枢纽- spokes网络，通过联邦和州政府投资支持基层医疗机构的AI产品全生命周期管理能力建设，并建立跨机构协调机制。

　　近年来，人工智能（AI）在医疗健康领域的应用迅速扩展，为实现医疗的“五重目标”（即提升群体健康、改善患者体验、降低成本、减少医生倦怠以及推动医疗公平）提供了新的可能性。医疗健康组织（HDOs）正积极采用和整合各类AI工具，包括用于临床任务的风险预测工具和用于运营任务的临床文档管理、排班及收入周期管理工具。然而，这种技术变革带来的好处往往集中在学术医疗中心等资源丰富的机构，而资源较少的医疗机构则难以充分利用AI工具，从而加剧了不同机构之间的数字鸿沟。

在之前的医疗技术变革中，例如电子健康记录（EHR）和远程医疗的推广，也出现了类似的资源分配不均问题。但政府通过设立“卓越中心”来提供技术支持，有效缓解了这些差距。当前，AI工具的普及同样面临资源和能力的挑战，因此建立一种“枢纽-辐条”（hub-and-spoke）网络模式，将医疗健康组织与供应商、律师事务所、具备更多AI能力的HDOs等连接起来，是推动AI在各类医疗环境中广泛且有效应用的关键。这种模式不仅能提供技术支持，还能促进知识共享，使资源匮乏的机构能够获得必要的帮助，从而实现AI的正确使用。

AI的引入为医疗行业带来了新的机遇，但也伴随着复杂的风险和挑战。一方面，AI工具的使用有助于提高效率和质量，如通过智能记录系统减少医生的文书负担，提升患者互动质量；另一方面，如果缺乏适当的评估和管理，AI的实施可能会导致错误预测、增加医生责任、恶化医疗不平等。因此，建立AI能力的本地化建设体系至关重要，这一体系应涵盖AI产品的全生命周期管理，包括采购、开发、整合和监控。通过这样的体系，医疗健康组织可以在确保AI安全有效使用的同时，充分发挥其在提升医疗服务质量中的潜力。

“数字鸿沟”不仅体现在互联网接入的差异上，更体现在医疗健康组织在采用AI工具时所面临的资源和技术能力差距。许多医疗组织，尤其是资源有限的机构，缺乏必要的专业知识、资金支持、数据基础设施以及流程管理能力，这使得他们难以有效评估和管理AI工具的使用。这种差距可能导致AI工具的不当应用，从而对患者和医生造成负面影响，甚至加剧现有的不平等现象。因此，政府和相关机构需要采取措施，确保所有医疗健康组织都能获得足够的支持，以实现AI的公平和有效应用。

从历史经验来看，政府在推动医疗技术变革方面发挥了重要作用。例如，2009年通过的《健康信息技术促进法案》（HITECH Act）为医疗组织提供了资金激励，以促进EHR系统的采用。这一政策的实施显著提高了EHR的普及率，但也暴露出一些资源匮乏机构在采用过程中面临的困难。为此，政府设立了区域扩展中心（RECs），为这些机构提供技术支持、法律援助和培训服务，帮助其顺利实现EHR的“有意义使用”。这种“枢纽-辐条”模式在推动EHR普及方面取得了显著成效，表明在技术变革过程中，单纯依赖资金激励是不够的，还需要配套的专业支持服务。

同样地，远程医疗的推广也受益于政府和非政府组织的协同努力。通过设立“远程医疗卓越中心”（COEs）和“远程医疗资源中心”（TRCs），政府为农村和欠发达地区的医疗组织提供了必要的技术支持和培训，从而加速了远程医疗的采用。这些中心不仅帮助医疗组织克服技术障碍，还通过基础设施投资和报销政策的调整，提升了远程医疗的可及性和可持续性。这一经验表明，在推动新技术应用时，多方面的支持是不可或缺的，包括专业服务、基础设施建设和政策调整。

当前，政府和相关机构正在通过多种方式应对AI在医疗领域的挑战。例如，各州正在加强与患者隐私、知情同意、透明度和非歧视相关的监管措施，以确保AI工具的安全和公平使用。然而，这些措施大多采取“一刀切”的合规方式，忽略了不同医疗组织在资源和技术能力上的差异。这种做法可能对资源匮乏的机构造成额外负担，使其难以评估和管理AI工具的性能。因此，推动“能力优先”而非“合规优先”的策略，将有助于资源有限的机构更好地理解和应用AI工具。

在AI能力的建设过程中，需要建立一个多层次的“枢纽-辐条”网络。枢纽机构可以是具备丰富AI经验的医疗组织、技术公司、大学和专业协会等，他们可以提供技术支持、合规指导和教育服务。而辐条机构则是资源相对有限的医疗组织，它们需要通过与枢纽机构的合作，获得必要的帮助，以实现AI工具的本地化应用。这种模式不仅能够促进知识的传播，还能确保不同机构在实施AI工具时的协调一致，从而减少技术差距。

为了实现这一目标，需要建立一个协调实体，负责整合不同枢纽机构的能力，确保资源的有效分配和利用。协调实体可以是联邦或州政府设立的机构，也可以是独立的组织，它们需要具备足够的权威和资源，以支持“枢纽-辐条”网络的运作。这些协调实体不仅要与医疗组织进行沟通，了解其具体需求，还要评估枢纽机构提供的支持效果，确保所有参与方都能从中受益。

目前，一项由非政府组织资助的试点项目正在测试AI能力的建设模式。该项目名为“健康AI合作计划”（HAIP Practice Network），支持美国多个地区的医疗组织，包括社区卫生中心和医院，探索AI工具的本地化应用。试点项目不仅关注AI工具的使用，还注重其在整个产品生命周期中的管理，包括采购、开发、整合和监控。通过这种方式，试点项目能够为不同医疗组织提供实际的支持，同时积累经验，为未来的推广提供参考。

然而，试点项目的成功只是第一步，要实现全国范围内的AI能力建设，仍需大量的公共投资。美国有大量医疗组织，如社区健康中心和医院，它们在AI能力方面存在显著的差距，亟需获得支持。因此，联邦和州政府应考虑设立区域性或特定用途的AI能力建设项目，通过公开征集方案、提供资金支持，推动AI工具的广泛采用。这些项目应注重评估AI工具在提升效率和质量方面的效果，确保不同机构都能从中受益。

此外，非政府组织在推动AI能力建设方面也发挥着重要作用。它们可以为医疗组织提供技术支持、评估和培训，帮助其识别高价值的AI应用案例，并推动AI工具的正确使用。例如，HAIP正在与一些非营利组织合作，为特定地区的医疗组织提供技术支持，这表明在推动AI能力建设时，政府与非政府组织的协同合作是必要的。

总的来说，AI在医疗健康领域的应用是一个复杂而多维的过程，需要政府、医疗机构、技术公司和非政府组织的共同努力。通过建立“枢纽-辐条”网络，提供技术支持和教育服务，可以有效缩小不同医疗组织之间的资源差距，推动AI工具的公平和有效应用。这一模式不仅有助于提升医疗服务质量，还能促进医疗公平，减少医生倦怠，提高效率。因此，推动AI能力的建设，应成为当前医疗技术变革的重要方向。