我我信息网
几十年来，传统的病理学方法在疾病诊断、分类和评估中扮演着不可或缺的角色。然而，技术进步和向精准医学的转变催生了数字化方法的发展，如人工智能（AI），以改善健康护理中数据的使用，包括患者分层、诊断检测和个性化治疗方案。尽管尚未完全理解人工智能在卫生保健中的潜力，但研究人员一致认为，将机器学习与医生诊断结合起来可以大大提高诊断信心和系统性能。医学中AI的兴起令人期待，并暗示着更高效的患者护理。
AI改善诊断、具有预后和预测能力，并能生成信息。它在放射学和肿瘤学领域的临床实践中尤为普遍。癌症生物学的一些最重大进展在于筛查、靶向和免疫治疗、大数据以及计算方法，这些推动了个性化护理的步伐。例如，使用常规放射或病理扫描开发的自动化癌症检测软件，如通过计算机断层扫描（CT）诊断突发性肺癌，可以在临床预测中成为重要工具。
此外，基于AI的与传统组织基标志物相比，AI在癌症早期检测和诊断中起着重要作用，突显了这项技术的可靠性。在讨论AI在神经学中的应用时，宾夕法尼亚大学佩莱尔曼医学院的医学助理教授及医学伦理与健康政策助理教授Ravi B Parikh博士提到了FDA批准的可报销的基于AI的技术，这些技术有助于检测大血管中风，CT扫描能比常规扫描对放射科医生提供更充分的信息。
总体来说，FDA已经批准了22项独特的机器学习技术，这些技术可执行节省时间的任务，如分割，以辅助中风和颅内出血的管理。一些研究人员认为生成式AI（例如，ChatGPT）可能具有“变革性”，因为它有可能改变医疗教育、研究和临床实践。Parikh博士指出，在真实的临床环境中，“这种技术可能对生成与患者沟通的文本或自动化、个性化响应有用。”
此外，Parikh博士解释说，生成式AI可以用来“生成临床备注、文档或事先授权请求。”“这非常有前景，因为它提供了降低医生、护理人员和卫生工作者工作负载的可能性，使医生能够花更多的时间与他们的患者相处，”Parikh博士补充道。虽然在某些诊所后台使用AI（即管理文件或质量指标）是流行的，但许多专业以外的医生如皮肤科、放射科和病理科并不会频繁使用这项技术。
AI在学术机构与临床实践中的应用
虽然美国的数据保护和隐私法律对处理患者数据的AI系统施加了严格规定，但使用AI算法有可能缓解临床实践中的行政负担，比如提高账单和索赔处理的速度。这反过来也可以在患者满意度和管理上发挥作用。在发表在《美国放射学会杂志》2020年的一篇论文中，Nina Kottler博士描述了AI在放射学背景下主要由学术机构使用，而不是普通实践。
Kottler博士本人敦促私人诊所的放射科医生将AI纳入其中，以应对后勤挑战并提高效率。Parikh博士澄清了不同的观点，解释说：“在学术机构中，我们正在测试在实验室开发的AI诊断或数字治疗工具，或与其他行业合作伙伴合作帮助验证。而在诊所中，AI的使用多半是为了提高工作流程，关注点较少放在调查和临床试验上。”总体来说，学术和社区系统都在考虑或采用AI，尽管重点不同。
保险如何影响AI的使用
“近期证据表明，许多FDA批准的可报销AI工具往往被较大的学术健康系统主导，而不是较小的农村医院或诊所，”Parikh博士说。他继续说道：“这可能是因为它们通常涉及昂贵的合同或缺乏在较小中心中让AI发挥作用所需的必要数据。”另一个AI可能能解决的问题是临床人员的培训，Parikh博士认为这是“必要的”，因为它的使用可以“区分医疗机构的质量。”
“我们需要考虑不必经过FDA批准或有报销代码的解决方案。相反，我们应考虑可以增强处理患者访问能力、改进速度、从电子病历中收集信息并改进文档的解决方案。”应充分利用数据基础设施以服务更多患者并增加医疗保健的可及性。
利用AI改善效率、流程和患者护理
初级医学和远程医学已结合了AI驱动的诊断工具，这些工具能够帮助医疗专业人员根据患者报告的症状做出准确的诊断，这显示出在偏远和服务不足地区提供医疗护理的潜力。“由于COVID-19疫情，私人和学术界都对能够确保更高质量的远程监测技术进行了大量投资。大量数字健康公司、供应商和其他解决方案正在为此目的开发，”Parikh博士说。
AI在患者护理和监测环境中可能有用的三个关键领域包括AI驱动的可穿戴设备进行持续监测、虚拟护理助手以及远程医疗与病人互动。尽管临床医生可以通过远程管理监测心力衰竭和身体活动，但Parikh博士指出，患者和提供者的设备识别能力仍是一个障碍。AI对健康系统的好处
AI和机器学习可以在许多方面造福健康系统，提供更精确的免疫治疗；改善诊断、预后和预测性临床决策；最终实现理想的患者结果。
“在未来5到10年内，我们将看到AI的整合程度与电子健康记录曾经的整合程度相同，”Parikh博士总结道。
