综述：中低收入国家医疗人工智能工具数据共享的挑战与机遇：系统综述及泰国案例研究

这篇系统综述深入探讨了中低收入国家(LMICs)在医疗人工智能(AI)数据共享领域面临的7大维度障碍(技术性、动机性、经济性、政治法律政策、伦理性、社会性、组织管理性)，并以泰国为案例验证了框架适用性，为构建本土化数据共享生态提供了循证策略。

　　

背景

医疗人工智能(AI)在诊断、治疗和公共卫生监测等场景展现出变革潜力，但中低收入国家(LMICs)面临严峻的数据共享挑战。泰国作为典型案例，其碎片化的医疗服务体系与模糊的数据共享指南严重制约AI应用。全球AI准备度指数显示，泰国在东亚地区排名第9位，突显其在健康数据治理领域的改进需求。

方法

研究采用混合方法：第一阶段通过PubMed等5大数据库进行系统评价，纳入22项符合标准的研究(非洲占55%，亚洲27%)；第二阶段对泰国15位利益相关者(学术专家、技术开发者等)进行半结构化访谈，采用框架分析法提炼主题。

技术性障碍

基础设施薄弱是核心痛点：

• 非洲地区12项研究均报告网络连接不稳定、电力短缺导致数据备份困难
• 泰国访谈揭示公立与私立医疗机构数据架构不兼容，甚至同一机构内存在多套EHR系统
• 手工纸质记录仍占主流，特别是基层诊所将患者手写资料扫描为PDF上传

解决方案包括建立国家级统一数据输入平台，如泰国国家健康信息标准发展中心正在推进的术语标准化项目，可参照新加坡国家电子健康记录(NEHR)的互操作性实践。

动机与经济因素

• 医务人员数据录入动力不足：肯尼亚研究发现医护人员日均需多花费2小时处理电子记录
• 泰国私立医院将医疗数据视为商业资产，存在"数据囤积"现象
  创新激励措施如税收减免初见成效，某泰国技术开发商提到："药品采购APP通过会员体系形成数据共享正循环，药店因客户回流率提升而自愿共享销售数据"。

政策法律困局

泰国2017年颁布的《个人数据保护法》(PDPA)产生意外副作用：
"法规实施后出现数据全面冻结现象"(政策专家访谈)
建议借鉴新加坡PDPA配套指南，开发"监管沙盒"测试新型数据共享模式。巴西国家健康数据网络(RNDS)的经验表明，明确数据元素临床相关性可提升合规性。

伦理与社会维度

• 南非矿工医疗数据研究显示，68%患者因网络安全事件拒绝共享生物特征数据
• 泰国医院频发系统入侵事件，但80%公立机构无力部署防火墙
  区块链技术的去中心化同意管理系统被提议作为解决方案，允许患者动态控制数据访问权限。

组织管理挑战

人力资源短板显著：

• 肯尼亚县级医院平均仅1.2名IT支持人员
• 泰国乡村医院因官员频繁轮岗导致培训断层
  建立标准化操作流程(SOP)是关键突破点，如塞拉利昂通过电子集成疾病监测系统(eIDSR)实现跨机构数据自动同步。

结论

尽管存在多维障碍，LMICs可通过阶梯式策略推进：优先建设核心基础设施，制定兼顾灵活性与安全性的数据政策，并建立补偿性数据共享机制。泰国案例表明，将国家AI战略(2022-2027)与本土化解决方案结合，有望实现医疗AI的跨越式发展。