编辑推荐：
巴西医疗面临疾病负担重等难题，研究人员开展 “人工智能（AI）在巴西医疗领域应用” 的研究。发现 AI 虽面临诸多障碍，但在多方面有应用潜力。这为改善巴西医疗现状、推动 AI 在医疗中合理应用提供依据，意义重大。
在当今数字化时代，人工智能（AI）正以前所未有的速度渗透到各个领域，医疗行业也不例外。全球范围内，AI 凭借其强大的数据处理能力，为医疗实践带来了创新的解决方案，从疾病诊断到治疗方案制定，再到患者管理，都展现出巨大的潜力。然而，不同国家在 AI 与医疗融合的道路上却面临着截然不同的境遇。
巴西，作为一个拥有独特医疗体系的发展中国家，正面临着严峻的健康挑战。其公共医疗服务覆盖约 75% 的人口，而私人医疗服务覆盖约 25% 的人口。同时，巴西面临着慢性疾病、传染病以及暴力问题带来的三重疾病负担，加之人口老龄化趋势加剧，现有的医疗资源愈发紧张。在这样的背景下，AI 技术成为了巴西提升医疗水平、缓解医疗压力的希望之光。但现实却困难重重，有限的数字基础设施、专业人才的匮乏以及复杂的监管环境，都如同重重巨石，阻碍着 AI 在巴西医疗领域的广泛应用。为了探索 AI 在巴西医疗体系中的应用前景与挑战，来自巴西圣保罗大学医学院（Ribeir?o Preto Medical School, University of S?o Paulo）、克利夫兰诊所科尔眼科研究所（Cole Eye Institute, Cleveland Clinic）、里约热内卢 D’Or 研究与教育学院（D’Or Institute for Research and Education）以及伦敦大学学院（University College London）的研究人员，Victor C. F. Bellanda、Aline S. Medeiros、Daniel A. Ferraz 等开展了深入研究。研究成果发表在《Discover Health Systems》杂志上。
研究人员在研究过程中，主要运用了机器学习、数据分析等技术方法。通过收集和分析大量的医疗数据，包括医院的临床数据、疾病监测数据等，以此来评估 AI 在巴西医疗不同场景下的应用效果。
一、AI 在巴西医疗中的应用现状
- 辅助医疗流程优化：生成式 AI 在巴西医疗行政和临床任务中具有潜在价值，它可以简化病历记录、回顾患者病史、建议治疗方案以及管理电子健康记录中的大量数据集。然而，在实际应用中，也存在一些问题。虽然理论上生成式 AI 可减轻临床医生的常规工作量，但在患者数量庞大的压力下，医疗机构可能会利用这些效率来增加患者流量，反而导致医生工作量不减反增，影响对每位患者的诊疗时间和护理质量。此外，医生还需对 AI 生成的文档进行验证，这进一步增加了监督负担 。
- 疾病诊断与预测：AI 在疾病诊断和预测方面取得了不少成果。在巴西贝洛奥里藏特的一家公立医院，研究人员利用机器学习优化急诊科资源规划，使医院设施性能提高了 26.6%，并缩短了患者住院时间。圣保罗大学放射学研究所的 Radvid - 19 计划，使用 AI 对胸部 X 光和 CT 扫描进行分析，为全国超过 25,000 例 COVID - 19 病例的诊断提供了支持，展现出较高的准确性和效率。同时，AI 在流行病学监测中也发挥了重要作用，机器学习模型能够高精度地预测登革热和流感的爆发，帮助公共卫生官员及时制定干预措施 。在重症监护病房（ICU），AI 模型可以预测患者预后并管理耐药性感染。巴西的两项研究表明，分析 ICU 数据的 AI 模型在预测住院时间和 30 天死亡率方面表现出色，有助于早期干预策略的制定。在 COVID - 19 危机期间，预测模型还被用于有效安排检测优先级，显著提高了阳性检测率 。
- 个性化医疗与患者管理：AI 通过连续监测技术正在改变个性化医疗。例如，用于糖尿病管理的 AI 驱动生物传感器能够实时监测血糖，改善疾病管理。AI 与远程医疗相结合，可以增强患者参与度和依从性，确保即使在巴西偏远地区，患者也能得到持续的医疗护理。此外，AI 还能帮助患者更好地遵守治疗计划，并识别那些需要更早临床干预的患者，从而减少住院次数，减轻医疗机构的压力。圣保罗大学（USP）的研究人员正在使用 AI 系统 SELENA +? 进行糖尿病筛查，而圣保罗联邦大学（UNIFESP）的研究小组则利用与手持设备 Eyer? 兼容的算法 PhelcomNet 捕获和分析眼底图像，这些系统能够检测出需要专科医生处理的糖尿病视网膜病变早期阶段，为广泛的筛查提供了可扩展的解决方案 。
二、AI 在巴西医疗应用中面临的挑战
- 基础设施与人才短缺：巴西在 AI 驱动的解决方案实施过程中，面临着数字基础设施不足的问题，尤其是在农村和服务不足的地区，这严重阻碍了 AI 技术在全国范围内的部署。同时，专业人才匮乏也是一大障碍，具备 AI 和数据科学知识的专业人员数量有限，减缓了这些技术的应用速度 。
- 成本问题：AI 技术的初始投资和持续维护成本高昂，包括硬件、软件以及专业人员的费用等。在资源有限的地区，传统医生工作的成本效益可能高于先进的 AI 技术，这使得在巴西平衡 AI 技术的成本与潜在长期效益成为关键问题。要实现 AI 解决方案在巴西广泛且经济可行的应用，需要创新的融资模式、公私合作以及政府的针对性补贴 。
- 伦理与监管困境：数据隐私是 AI 在医疗应用中面临的重大伦理挑战。患者医疗数据的收集、存储和分析存在潜在风险，如未经授权的访问、数据泄露和个人健康信息的滥用，这可能导致患者受到歧视、污名化或被拒绝服务。巴西的监管框架，主要基于《通用数据保护法》（LGPD），在应对 AI 的独特数据处理复杂性方面落后于全球标准，缺乏针对自动化决策和算法透明度等方面的具体规定 。此外，先进 AI 系统的 “黑箱” 性质也是一个问题。许多机器学习模型，特别是基于深度学习的模型，非常复杂，终端用户难以理解算法如何做出推荐。这种不透明性限制了用户信任，也使得 AI 驱动决策的问责变得复杂。如果模型做出错误预测并对患者护理产生负面影响，将引发严重问题。对于巴西的医疗专业人员和监管机构来说，缺乏透明度是一个重大的伦理困境，因为它挑战了医疗决策的知情性，可能阻碍临床对 AI 的接受 。不同类型的 AI 系统在伦理和监管方面也存在差异。一些简单的 AI 应用仅用于访问和组织患者数据，其行为可预测，伦理问题较少；而机器学习系统，尤其是采用自适应或动态学习的系统，在处理更多数据时会不断进化，其决策过程可能发生变化，这在提高预测准确性的同时，也带来了更大的伦理复杂性。巴西监管机构面临的挑战是制定框架，应对这些不同程度的复杂性，并确保自适应 AI 系统在持续学习新数据的过程中，定期进行验证，以保证其可靠性、安全性和伦理完整性 。
三、研究结论与讨论
研究表明，AI 在巴西医疗领域具有巨大的潜力，它可以改善疾病诊断、优化治疗方案、提高患者管理水平，为解决巴西复杂的健康问题提供新的途径。然而，要充分实现 AI 的价值，巴西需要克服诸多障碍。在基础设施方面，需要加大对数字基础设施的投资，缩小城乡差距，确保 AI 技术能够在全国范围内有效部署。在人才培养上，应加强 AI 和数据科学领域的教育与培训，培养更多专业人才，满足行业发展需求。针对成本问题，需要探索创新的融资模式，鼓励公私合作，合理分配资源，使 AI 技术在经济上更具可行性 。在伦理和监管方面，巴西政府需要进一步完善相关法规，加强对数据隐私的保护，提高 AI 系统的透明度和可解释性。同时，建立独立的监督机构，对 AI 在医疗领域的应用进行严格监督，确保 AI 的发展符合伦理标准，保障公众利益 。AI 在巴西医疗领域的发展前景广阔，但需要政府、学术界和私营部门的共同努力，通过战略协作，克服现有障碍，实现 AI 技术在巴西医疗体系中的优化应用，最终为巴西民众提供更公平、高效和优质的医疗服务，推动巴西医疗事业迈向新的高度。
