编辑推荐：
美国医疗安全网面临资金有限、劳动力短缺等挑战，新兴 AI 技术或可应对。研究人员探讨 AI 在其中的应用，提出短期及长期用例，强调需解决算法偏见等问题，为推进健康公平提供路径，具重要现实意义。
医疗领域的公平性始终是全球关注的焦点，在美国，由 2 万余家联邦合格健康中心、农村健康诊所和免费诊所组成的医疗安全网，肩负着为 2600 多万无保险人群和 9500 多万医疗补助参保人群提供基本医疗服务的重任。然而，有限的资金、劳动力短缺以及慢性病负担过重等问题，如沉重的枷锁，让这些服务于弱势群体的机构举步维艰。与此同时，人工智能（AI）技术，尤其是大语言模型（LLMs）的兴起，如同一束曙光，为提升临床决策支持、行政效率和患者参与度带来了新希望。但值得警惕的是，新兴技术往往存在 “嫌贫爱富” 的风险，可能最后才惠及或完全无法惠及历史上被边缘化的人群，进而加剧健康 disparities。正是在这样矛盾又迫切的背景下，斯坦福大学医学院等机构的研究人员开展了相关研究，旨在探索如何在医疗安全网中合理利用 AI 技术推进健康公平，该研究成果发表在《Journal of General Internal Medicine》上。
为了实现研究目标，研究人员主要聚焦于 AI 技术在医疗安全网中的应用场景分析，结合实际面临的挑战，提出切实可行的解决方案，未涉及具体复杂的技术方法描述，但提及了 AI 工具如环境 AI（Ambient AI）、AI 聊天机器人、临床决策支持系统（CDSSs）等的应用设想。
短期应用场景
- 缓解医护人员倦怠：电子健康记录（EHR）文档处理占据医生超 50% 的工作时间，是导致倦怠的重要原因。环境 AI 工具如 Abridge，借助自然语言处理技术，可实现文档处理自动化，医生只需与患者交流，系统便能将诊疗过程总结并结构化生成电子记录。早期试点显示，该平台能减轻任务负担、缩短文档处理时间、降低医护人员倦怠感，同时提升文档质量。此外，基于 AI 的附加组件可自动化处理保险验证、预先授权审批等行政任务，减少员工工作时间，降低诊所支出，让患者更快安排随访，确保药物和治疗的持续覆盖。
- 改善语言和文化障碍：美国 8.3% 的人群英语水平有限，语言障碍严重影响医疗服务。LLMs 为医疗安全网提供者与不同语言背景的人群更好地互动提供了机会。但 AI 系统可能缺乏文化细微差别，存在误解习语表达等风险。因此，需在多语言临床环境中对 AI 翻译工具进行严格测试，并由双语员工或认证口译员进行有力监督。将基于 AI 的翻译器与提供者关于文化规范的教育相结合，可改善医患沟通，减少对历史上被边缘化群体影响较大的沟通误解。
- 解决院外医疗和社会需求：历史上被边缘化的人群在离开临床环境后，往往难以满足自身医疗或社会需求。医疗安全网诊所受资金限制，难以充分解决患者的健康社会决定因素。AI 聊天机器人可帮助患者找到现有服务，如低价药房选项或政府资助的住房项目。对于慢性病患者，AI 技术可提供关于积极行为和整体健康的自动化指导，且 ChatGPT 生成的患者问题回答被认为比医生的回答更具同理心和更高质量。当然，需要设置符合 HIPAA 标准的加密、透明的数据政策和明确的患者同意等防护措施，确保这些工具是对医生护理的补充而非替代。
长期应用场景
- 填补初级护理提供者短缺缺口：尽管有社区健康中心基金等联邦项目，初级护理提供者（PCP）短缺问题依然存在。随时在线的分诊 AI 工具允许患者向实时代理发送医疗问题文本，有助于缓解供需矛盾。历史上被边缘化的人群在获得常规护理时可能面临耻辱感、育儿责任、时间和成本支出等制度性障碍，这类工具对他们尤为重要。
- 改善专科服务可及性：医疗安全网中，由于医疗补助报销率低和患者 travel times 长等原因，获得专科医生服务的障碍比初级护理提供者短缺问题更为严重。电子咨询（eConsults）历来通过帮助初级护理提供者获得专家意见来解决这一障碍。未来，先进的临床决策支持系统（CDSSs）可能使初级护理提供者能够用更少的电子咨询高效管理患有复杂慢性病的患者。CDSSs 在通过药物监测、促使临床医生做出反应和提高指南依从性来改善护理方面已显示出潜力。
研究指出，部署先进的 AI 解决方案要跨越三道关键实施障碍：一是诊所必须构建强大的数字基础设施，包括可靠的宽带、更新的电子健康记录系统和安全的数据共享平台，确保没有可靠互联网接入或数字素养的患者不会被排除在基于 AI 的干预措施之外；二是医护人员需要全面的培训，以有效整合 AI 工作流程、解释 AI 生成的输出，并在确保持续进行算法偏见审计和与社区代表共同设计算法的同时，维护患者信任；三是必须建立可持续的资金模式，可能通过医疗补助第 1115 条豁免或基于价值的报销，来支持资源有限环境中这些技术的初始采用和持续维护。
缓解算法偏见对于确保 AI 工具不会加剧现有的健康差异至关重要，具体策略包括在多样化、有代表性的训练数据集上开发和验证算法、定期对算法结果进行审计，以及确保不同人口亚组患者的模型性能指标透明化。拜登政府的《人工智能权利法案蓝图》等联邦指导方针为保护患者数据和确保 AI 的公平使用提供了框架，但在医疗安全网环境中，这些必须辅之以本地测试和持续监测。
这项研究为 AI 技术在医疗安全网中的应用勾勒了清晰的蓝图，无论是短期对医护人员倦怠、语言文化障碍和院外需求等具体问题的解决，还是长期对初级和专科护理可及性等结构性难题的应对，都展现了 AI 在推进健康公平方面的巨大潜力。同时，研究强调的实施障碍和偏见缓解策略，为 AI 技术在医疗领域的合理、公平应用提供了重要的实践指导，有助于推动医疗安全网更好地服务于最脆弱的人群，让 AI 技术真正成为缩小健康差距的有力工具。
