人工智能可以改变医疗保健，但它能像宣传的那样吗？

美国的医疗保健系统充满了问题——许多美国人都亲身经历过。获得优质护理的机会参差不齐，而医疗费用可能会让人们因治疗并不总是有效而终身负债。对系统失败的沮丧和愤怒是总统选举中的一个热点，也可能是去年 12 月联合医疗保健首席执行官被谋杀的原因之一。

医疗保健转型的真正进展需要政治、科学和医疗部门的解决方案。但新形式的人工智能有可能提供帮助。创新者正在竞相部署人工智能技术，以使医疗保健更加有效、公平和人性化。

人工智能可以及早发现癌症、设计救生药物、协助医生进行手术，甚至可以洞察人们的未来来预测和预防疾病。帮助人们活得更长久、更健康的潜力是巨大的。但医生和研究人员必须克服众多挑战才能发挥人工智能的潜力。

医生如何确保人工智能准确、所有患者均可使用、没有偏见、尊重患者隐私且不被用于邪恶目的？– 它在任何地方都适用吗？它对每个人都适用吗？——去年 8 月，人工智能专家 Rama Chellappa 在约翰·霍普金斯大学彭博中心的一次研讨会上问道。

我们与数十位科学家和医生讨论了人工智能在医学中的地位。研究人员一次又一次地告诉我们，在大多数医疗领域，人工智能仍处于起步阶段，或者充其量只是蹒跚学步。但该领域正在快速发展。虽然支持人工智能的医疗设备自 20 世纪 90 年代以来一直在使用，最近几年人们的兴趣、投资和技术水平猛增。

现在有些诊所使用人工智能分析乳房X光照片和其他医学图像，检查心跳和诊断眼部疾病，但还有更多改善护理的机会。人工智能不太可能取代医生， 尽管。相反，在许多情况下，它将成为与人类的双手、心灵和思想一起使用的工具。

赌注很高。如果努力失败，就意味着数十亿美元被浪费，并被转移到其他本来可以挽救生命的干预措施上。但一些研究人员、临床医生和工程师表示，人工智能让生活变得更美好的潜力如此之大，我们必须尝试。

为了了解其重要性，我们设想了患者可能遇到人工智能的六种场景。六个虚构人物在人生的六个阶段，对人工智能可能改善健康的多种方式的六次一瞥，以及研究人员在此过程中可能面临的一大堆障碍。

人工智能的承诺会兑现吗？时间会证明一切。

数字孪生可以预测未来的健康状况

当米兰达出生时，她的数字双胞胎米拉贝拉也出生了。随着米兰达的成长，她的双胞胎也长大了。米拉贝拉的计算机代码对女孩生活的方方面面进行了数字化和分析。

医生从头到尾阅读米兰达的基因指导书或基因组。从她的脐带中取出的细胞被重新编程为干细胞，然后被重新编程为类器官和组织，并注入了数千种药物和化学物质。这些数据被输入米拉贝拉，这样医生就可以运行计算机模拟，看看米兰达在以后的生活中对药物或意外接触化学物质的反应如何。

定期粪便样本和皮肤拭子追踪米兰达体内和表面生活的细菌、病毒、真菌和其他微生物。这些数据形成了米拉贝拉的数字微生物收集，并帮助预测米兰达的肠道发育、皮肤状况、食物敏感性，甚至她的身体状况。大脑健康。

成年后，米兰达患上了胰腺癌。对米拉贝拉进行的模拟预测了这种可能性，米兰达的医生很早就发现了肿瘤。医生检查了肿瘤基因组以及癌细胞对治疗的反应。米拉贝拉得了一个数字复制肿瘤。米拉贝拉和虚拟肿瘤参与了测试前瞻性治疗的模拟临床试验。研究结果帮助医生选择了消除米兰达癌症的疗法。

由于虚拟实验提出的衰老干预措施，米兰达享受了健康的晚年。当米兰达 (Miranda) 102 岁去世时，米拉贝拉 (Mirabella) 继续作为临床试验的永久参与者，帮助改善他人的健康。

创建如此完整的数字孪生的能力还不存在，至少现在还不存在。构建这样的虚拟人类需要合并和分析截然不同类型的数据，以制作真正个性化的患者表征。但研究人员正在努力解决这个问题。今天的数字双胞胎并不是全身代表。有些代表单个器官，例如心。这些双胞胎可能有助于设计定制医疗设备、计划复杂的心脏手术或了解性激素如何影响心律。其他仍然是实验双胞胎模型的免疫或神经系统。

马萨诸塞州列克星敦麻省理工学院林肯实验室的电气工程师兼计算机科学家 Roozbeh Jafari 表示，可能永远不可能精确复制一个人。但数字孪生可以帮助医生更好地个性化医疗保健。医生——拥有大量数据，但他们从您那里获取数据时所应用的知识是基于对群体、社区进行的研究。最好的情况是，这些群体将代表你，”他说。但研究小组的数据通常不能代表患者，即使可以代表患者，汇总的数据仍然不能真正个性化。

斯坦福大学医学信息学家蒂娜·埃尔南德斯·布萨尔 (Tina Hernandez-Boussard) 表示，数字孪生将不仅仅是个人数据存储库。他们应该以多方面模拟预测飓风路径的方式来预测健康状况。他们将超越基于基因数据的精准医疗，迈向精准护理。这种类型的护理考虑了也可能影响健康的社会和环境因素，例如生活在食物荒漠中的因素。

斯坦福大学心脏病专家 Joseph Wu 表示，这种整体观点很重要。“人类的思想是人类健康的主要参与者，”他说。我们的心态决定了我们吃什么食物和吃多少，我们与谁交往以及这些关系的质量，我们的锻炼模式，工作，压力水平，我们是否会接种疫苗和服用处方药物等等更多。DNA 和干细胞数据无法预测一个人将出生在什么类型的社会或他们可能会接触到哪些传染病。吴说，真正的数字孪生将整合这些因素，并随着个人环境的变化而变化。

对于弱势群体来说，包括没有保险的人和来自边缘化或服务不足社区的人，很难获得此类数据。有些人可能不愿意分享他们的数据。“虚拟的你、数字的你的概念可能很可怕，”埃尔南德斯-布萨尔说。其他人缺乏全面的数据，因为他们无法请假、搭车去预约或承担保险未涵盖的额外测试。

Hernandez-Boussard 表示，人工智能使用哪些数据以及原因的透明度也很重要。例如，西班牙裔或黑人是妊娠不良结果的预测因素。但仅用种族来解释这种联系是错误的数据点。“没有遗传或祖先因素可以解释为什么它们之间存在联系，”她说。– 当我们开始分解它时，我们发现，好吧，等等，它与营养有关。它与慢性高血压有关。它与产前护理有关。她说，向临床医生和患者解释这些模型中包含哪些信息以及它们是如何构建的，对于建立信任非常重要。——蒂娜·赫斯曼·赛伊

人工智能化学家可以发现新型抗生素 

摔跤比赛结束后，一位名叫埃斯特班的高中生注意到他肩膀上的一处擦伤没有愈合。皮肤又热又红又硬。医生诊断他患有细菌性皮肤感染，并开了抗生素。这些药物没有作用。

这些细菌是可怕的“超级细菌”，对甲氧西林具有抗药性金黄色葡萄球菌或 MRSA，它们对常用的抗生素没有反应。如果医生找不到有效的药物，细菌可能会扩散到血液中，这可能是致命的。幸运的是，人工智能发现了一种新的抗生素可以抑制感染。埃斯特万很快就痊愈了，他回到了垫子上。

人工智能已经在包含数百万种化合物的数据库中搜索可以治疗各种疾病（包括超级细菌感染）的药物。CARB-X 是一家支持新抗生素开发的全球非营利组织，其研发主管艾琳·达菲 (Erin Duffy) 表示，自 20 世纪 90 年代以来，计算机算法一直被用来预测化学结构及其功能。

但我们迫切需要寻找新的抗病毒药物、抗真菌药物和杀菌抗生素的工具。对抗生素产生耐药性的细菌队伍正在不断壮大，而且它们2019年全球死亡人数超过100万人。尽管如此，大多数人还是很少考虑这些药物。“抗生素几乎被认为就像水一样，”达菲说。“除非你没有它们，否则没人会考虑它。”

许多制药公司已退出抗生素开发业务，理由是药物开发费用高且缺乏盈利能力。但达菲表示，人工智能可能会简化发现、开发和设计，足以让大型制药公司重新参与进来。

麻省理工学院的生物工程师吉姆·柯林斯 (Jim Collins) 表示，在过去十年左右的时间里，基于人工神经网络的深度学习一直是许多药物猎人选择的人工智能方法。他和同事最近测试了大量的化合物，以找到可以杀死特定类型细菌的化合物，并根据这些数据训练图形神经网络。这些工具用于处理可以用图表描述的数据，擅长识别图像和化合物中的联系。然后，研究人员要求人工智能梳理数百万种它以前从未见过的化学物质，并标记哪些可能是好的抗生素。

经过训练寻找针对不同细菌的抗生素的人工智能模型发现了两类新的抗生素。Halicin——以电影中的流氓人工智能命名2001：太空漫游～～～可以杀死多种细菌，柯林斯和同事报道细胞2020 年。还有 abaucin可以杀死鲍曼不动杆菌研究人员在 2017 年报告中指出，这是一种对多种药物产生耐药性的病原体自然化学生物学2023年。

一个问题是，没有人真正确切地知道任何给定的人工智能模型如何决定一种分子是否会成为一种好的抗生素。研究人员可能会犹豫是否相信他们无法探究和理解的东西。“今天的人工智能——是一个黑匣子，”计算机和生物工程师、约翰·霍普金斯大学数据科学和人工智能研究所临时联席主任 Rama Chellappa 说。– 您想知道它是如何做到的？如果出现错误，您希望能够做出解释。”

柯林斯，该非营利组织的联合创始人法尔生物总部位于波士顿，想要了解人工智能看到的模式。揭开这一过程的神秘面纱可能会让研究人员发现并改进新类别的抗生素。这可能会让科学家们对黑匣子预测保持警惕。“我的许多同事对没有机械解释或没有理由证明该数字的简单数字感到不满意，”柯林斯说。

为了让人工智能展示它的工作，他和同事们制作了一种新的图算法。人工智能接受了有关可以杀死细菌的化学物质库的数据，并且人工智能预测这些化学物质不会伤害人体细胞。它为每种化学物质内部的原子和键的排列分配了值，绘制了它们的结构。一旦了解了抗生素的外观，研究人员就让人工智能筛选超过 1200 万种它以前从未见过的化合物。

它发现了一些潜在的抗生素，其中含有已知可以杀死细菌的环状结构。它还发现了其他化学结构，科学家们以前不知道有抗菌活性，柯林斯和同事报道自然2024 年。其中包括两种导致死亡的化合物金黄色葡萄球菌和枯草芽孢杆菌几乎与强效抗生素万古霉素一样。在其他实验中，这种新型抗生素还杀死了耐甲氧西林金黄色葡萄球菌（MRSA）和其他一些对抗生素具有抗药性的细菌。

柯林斯说，人工智能有望寻找新的抗生素并预测这些药物是否会与细菌一起毒害人类，但毒性预测器会带来伦理问题。“这些工具可能会让我们更容易地识别具有新作用机制的有毒化合物，而我们没有解毒剂。”

但他认为这不应该限制人工智能工具的使用。“让它们开放并广泛使用是非常重要的，这样它们才能被世界各地的团体永久使用。”同时，科学家应该针对人们可能想象的事情制定对策。邪恶的人工智能以及天然毒素。柯林斯已经在研究用于海洋毒素解毒剂的人工智能。——蒂娜·赫斯曼·赛伊

聊天机器人可以让心理健康护理变得更容易

艾玛今年 21 岁，有饮食失调史。她的医生已将她转介至厌食症住院治疗，但预计等待时间为一个月。为了帮助弥合差距，艾玛下载了一个心理健康人工智能聊天机器人。但聊天机器人并没有帮助她改变对食物的令人不安的想法和行为，而是为她提供了饮食建议。

这个故事中的女人是虚构的，但场景却直接来自现实。2023 年，国家饮食失调协会关闭了其聊天机器人 Tessa，因为该机器人向用户提供了不适当的饮食建议。

澳大利亚布里斯班昆士兰大学饮食失调研究员兼临床心理学家杰玛·夏普 (Gemma Sharp) 表示，这是使用聊天机器人解决心理健康问题的一个担忧。“聊天机器人的好坏取决于它所训练的数据，”她说。如果机器人从未学会如何回答某些问题，它可能会给出错误的答案，甚至是危险的答案。

夏普和该领域的其他人可以列出人工智能聊天机器人的一系列其他潜在问题，包括如何保护人们的隐私、聊天机器人是否能够识别迫在眉睫的危机并提供适当的帮助，以及对人们作出不自然反应的可能性。的查询。

但这些不太完美的助手确实有一些内在的好处。它们可广泛访问，24/7 可用，可以帮助人们轻松地讨论敏感信息。

如今，用户可以从一长串心理健康聊天机器人应用程序中进行选择，其中包括 Woebot、Mello 和 Earkick。可爱的化身往往是复杂的计算的结果。人工智能聊天机器人使用自然语言处理，这是一种人工智能，可以让计算机使用人类语言进行交流。许多语言模型使用像 ChatGPT 这样的大型语言模型，科学家们对这些模型进行了海量数据存储的训练，这些数据包括网页上的文本、互联网上的文章和书籍。

另外，像夏普这样的研究人员可以根据治疗师和患者之间的实际对话来训练人工智能，这样它就能以比脚本反应更自然的方式做出反应。夏普最新的机器人旨在为人们提供支持正在等待进食障碍治疗。她于 12 月完成了一项临床试验，并计划在今年年初推出该机器人。

聊天机器人也被应用于心理健康的其他领域。加拿大新不伦瑞克大学的数字健康研究员 Luke MacNeill 对关节炎和糖尿病患者测试了心理健康聊天机器人 Wysa。在一项 68 人参与的试验中，那些使用 Wysa 四个星期的人感到较少的焦虑和抑郁麦克尼尔和同事在报告中称，与开始使用该应用程序之前相比JMIR 形成性研究2024 年。那些没有使用 Wysa 的人没有看到任何变化。

麦克尼尔说，人们喜欢机器人的便利性，而且“事实上，他们基本上可以对聊天机器人说任何话，而不必担心被评判。”但是 Wysa 的答案可能会重复，并且用户有时会觉得聊天机器人似乎听不懂他们在说什么。

这些发现与计算机科学家 Sabirat Rubya 在分析 10 个心理健康聊天机器人应用程序的 6,000 多个用户评论时发现的结果相呼应。但总体而言，用户喜欢机器人类似人类的交互方式，密尔沃基马凯特大学 Rubya 团队于 2023 年报道。

这些应用程序距离完美仍然“很远”，Ruby 说。这些反应让人感觉非常一刀切。例如，大多数聊天机器人往往会忽视人们是否有身体残疾，这对于无法进行机器人推荐的某些锻炼的用户来说可能会令人沮丧。机器人倾向于以相同的方式与人交谈，无论年龄、性别或文化差异如何。

鲁比亚说，要求用户在聊天前填写一份调查问卷可以帮助机器人了解他们正在与谁交谈。未来，更多的聊天机器人可能会依赖 ChatGPT，这可以使对话更加人性化。但目前这些聊天机器人生成的对话是容易产生偏见并且可能包含错误。

麦克尼尔表示，他不会相信聊天机器人会处理心理健康紧急情况。可能会出问题。相反，“你或许应该去找一位真正的心理健康专家，”他说。

夏普的团队训练其等候名单聊天机器人，如果检测到用户有心理健康紧急情况，就会向适当的服务机构发送警报。但即使在这里，人类的帮助也可以提供机器人无法提供的帮助。如果她办公室里的病人遇到危机，夏普可以开车送他们去医院。她说，聊天机器人永远无法做到这一点。

混合人类和人工智能服务可能是最好的。患者可以在需要时（或临床医生有空时）获得临床医生的个人支持，并在其间获得人工智能机器人的电子支持。“我很高兴我们拥有这项技术，”夏普说。但是“人与人之间的接触有一些非常特别的东西，我认为这是很难取代的。”——梅根·罗森

AI机器人可以独立完成手术

2049 年，一小群宇航员正在前往火星的途中，这是人类第一次踏上这颗红色星球的任务。在航天飞机的内部深处，40 岁的工程师艾娃注意到她的下腹部一阵疼痛。一开始这种情况时有时无，但当她走路时，情况会变得更糟。阑尾炎。如果不进行手术，艾娃可能会死亡。但船上没有人类外科医生。相反，她的生活依赖于人工智能。

一个能够在没有人类监督的情况下进行阑尾切除术的人工智能机器人听起来像是科幻小说。特别是考虑到目前可用的内容。使用最广泛的手术机器人称为达芬奇，依赖于人类操作员。约翰·霍普金斯大学的医疗机器人专家阿克塞尔·克里格 (Axel Krieger) 表示，完全自主的机器人可以自行切割、缝合并做出决定，这“肯定还有很长的路要走”。但他和其他科学家和医生正在为这样一个系统奠定基础。

世界各地的团队正在试验人工智能在手术过程中提供协助的方式。其中许多技术辅助都依赖于计算机视觉，这是一种解释视觉信息的人工智能，例如腹腔镜手术的视频输入。科学家最近测试了一种这样的系统，SurgFlow，切除病人胆囊的手术。Pietro Mascagni 及其同事在 2017 年的概念验证演示中报告称，SurgFlow 可以识别手术中的步骤、跟踪手术工具、识别解剖结构并评估外科医生是否完成了关键步骤。英国外科杂志2024年。

法国斯特拉斯堡 IHU 的外科数据科学家马斯卡尼表示，有一天，这样的系统可能会成为“帮助外科医生的额外眼睛”。

再往前走就是鲟鱼，现在在脑部手术中常规使用荷兰乌得勒支马克西玛公主儿科肿瘤中心。斯特金并没有提供第二双眼睛，而是为外科医生提供了一种超能力：快速浏览肿瘤 DNA 并找出其亚型的能力。这些信息可以帮助外科医生确定手术期间需要切除多少组织。

病理学家通常通过在显微镜下检查样本来识别肿瘤亚型，但这可能是不确定的。Sturgeon 可以实时分析 DNA 数据并做出诊断。整个过程大约需要 90 分钟或更短的时间，速度足够外科医生在手术期间获取和使用信息，该公司的生物信息学家 Jeroen de Ridder 说。
UMC Utrecht 和 Oncode 研究所。

de Ridder 的团队在 2017 年报告中报告称，在 25 例手术中，斯特金在 18 例中给出了正确的诊断。自然2023 年。在其余 7 起案件中，大赦国际投了弃权票。德里德说，这很重要，因为做出错误的诊断是“可能发生的最糟糕的事情”。这可能会导致外科医生切除过多的脑组织或留下一些侵袭性肿瘤。

但德里德对人工智能的风险持开放态度。当像 Sturgeon 这样的算法给出答案时，它可能看起来是非黑即白，没有任何不确定性。“很容易假装它完美无缺，但事实显然并非如此，”他说。

这些缺陷很难提前查明，这是人工智能黑匣子问题的一部分。马斯卡尼说，如果我们不知道系统如何工作，就很难预测它可能会如何失败。设计人工智能来告诉我们何时不确定是一种解决方案。德里德说，另一个是严格的验证。无论人工智能帮助外科医生做出决策还是自行做出决策，这都是必要的。

克里格一直在研究一项支持人工智能的外科医生，智能组织自主机器人，十年了。2022 年，Krieger 及其同事报告称STAR可以缝合活猪体内的伤口，在没有人类帮助的情况下将小肠的管状半部缝合在一起。

Krieger 的团队通过将手术任务分解为步骤来训练 STAR，然后教人工智能在每个步骤中正确操作机器人。但如今，他对一种不同的方法感到兴奋，该方法将 ChatGPT 底层的神经网络架构与依赖专家演示的人工智能训练类型相结合。这称为模仿学习，它让人工智能模型可以直接从视频数据中学习。研究人员给达芬奇机器人的模型视频喂食Krieger 的团队去年 11 月在机器人学习会议上报告称，举起一块组织或打一个缝线结，模型就会自己弄清楚如何执行这些任务。

现在，该团队正在更复杂的手术任务上测试其系统。克里格很乐观。“我真的相信这是我们领域最有前途的未来方向，”他说。尽管已经有具有一定自主性的外科手术（想想用于改善视力的 LASIK），但也许有一天，克里格的方法可以使自主机器能够执行复杂的手术——甚至在不同的星球上。——梅根·罗森

可穿戴设备可以预测即将发生的症状和疾病

琳达 60 多岁了，退休了，刚刚开始早上打泡菜球。

当她走向法庭时，植入衣服中的传感器会追踪体温、血压、汗液中的化学物质以及胃部的咕噜声。这项技术几乎是看不见的。琳达甚至没有注意到她胸罩中内置的扫描仪。

六个月前，医生对她的乳房进行了活检。它是良性的，但随后的扫描显示附近还有另一个肿块。从那时起，琳达就一直佩戴 UltraBra 来监测新肿块的生长情况。这款胸罩会定期拍摄她乳房的超声波图像，并且集成的人工智能会标记任何相关的信息。到目前为止，一切看起来都很好。胸罩节省了她的时间（减少了去医生办公室的次数）并让她安心（如果人工智能发现任何可疑的情况，她会尽快从医生那里找到答案）。现在，琳达可以专注于她的丁克，而不是担心癌症。

这个虚构的场景（和胸罩）听起来像是漫威电影中的东西，就像人工智能贾维斯（J.A.R.V.I.S.）一样。监测托尼·斯塔克的生命体征并诊断焦虑症。“我们还远远没有达到这样的技术水平，”洛杉矶南加州大学的计算机科学家埃米利奥·费拉拉 (Emilio Ferrara) 说。但我们正在朝着可提供此类个性化健康见解的可穿戴设备的方向前进。

费拉拉说，在不久的将来，人工智能设备可以像虚拟生活教练一样，从人体涌出的数据中获取见解，并将其打包成给用户的建议。有一天，人工智能可以利用个人的实时数据来预测，如果他们改变饮食、活动或睡眠习惯，他们的健康在六个月或一年后可能会发生怎样的变化。

科学家们正在实验室中试验这些想法。AI 已经集成到数百万人每天使用的 Fitbits、Apple Watch 和 Pixel 手表中。这些设备可以跟踪心率，判断您何时睡着或醒着，并识别身体活动。“这些都是人工智能模型，”西雅图的谷歌研究科学家刘鑫说。

例如，根据人体运动数据训练的人工智能算法可以让设备将人们的活动分类，例如跑步、骑自行车或步行。其他算法有助于将设备试图检测的信号（例如某人的心跳）与传入的其他噪音分开。

刘正在研究更先进的基于人工智能的系统。他正在探索利用大型语言模型的力量的方法。Ferrara 说，它们“是用于学习数据模式的极其强大的架构”。Liu 和同事最近报道了 Google Gemini 的一个版本，它可以查看某人的可穿戴数据并提供有关睡眠和健身的建议。

他的团队还在开发一个将 Gemini 与其他计算工具结合起来的系统回答现实生活中有关健康的开放式问题，例如“我在不同季节的睡眠模式是什么？”以及“告诉我上个月步数的异常情况。”在此类请求的测试中，回答的准确率超过 80%刘和同事去年报道的时间。但他表示，这项研究仍处于早期阶段。

刘说，与许多健康问题一样，挑战之一是“没有单一的答案”。– 有 10 种不同的可能解决方案，而且它们都是合理的。 –

其他团队正在探索用于医疗应用的人工智能驱动的可穿戴设备。胃肠病学家 Robert Hirten 正在研究一种模型，该模型使用来自 Fitbits、Apple Watch 和 Oura Rings 的数据来预测一个人的炎症性肠病何时可能爆发。Hirten 的团队在 2024 年消化疾病周会议上报告说，这些设备为科学家收集了足够的数据来识别患有该疾病的人的炎症。

随着时间的推移监控可穿戴数据的人工智能可以在症状出现前几周向患者发出警告。“我们不必等到某人出现腹泻、出血或疼痛，而是可以提前采取行动，”纽约市西奈山伊坎医学院的希尔滕说。

Hirten 指出，任何医学人工智能工具的现实验证都至关重要。“我们需要非常确定它是可靠的，并且它向医生或患者提供的信息是准确的，”他说。

加拿大卡尔加里大学生物医学工程师乌坦达拉曼·桑达拉杰 (Uttaraman Sundararaj) 表示，由于我们的数字设备中存在如此多的健康数据，隐私是另一个需要谨慎的领域。个人健康数据有可能被黑客入侵。Sundararaj 说，对数据进行加密或以其他方式保护数据非常重要。

他设想有一天，安全的人工智能系统将可穿戴数据流编织在一起，或许可以预测心脏病或中风何时可能发生。桑达拉杰说，这种分析能力“让我们能够真正预见未来。”——梅根·罗森

人工智能可以根据患者数据计算健康风险

一名退役海军老兵带着这个抽鼻子的小孩去宠物动物园后，他认为是他的曾孙感冒了。小家伙已经恢复过来了，但 GG-Pop 的感觉却越来越糟糕。他最终因咳嗽、发烧、肌肉疼痛和呼吸困难而被送往急诊室。胸部X光检查显示他患有肺炎。

用于分析他血液的人工智能显示，他有患败血症的风险，这是一种危及生命的疾病，其中免疫系统对感染反应过度。美国每年有超过 170 万成年人患败血症，如果不及时治疗，这种情况可能会导致组织或器官损伤、住院和死亡。大约 350,000 名住院期间患败血症的人死亡或被送往临终关怀中心。

医生将 GG-Pop 送进医院，并给他输液和抗生素。作为备份，他的医生还使用了另一个人工智能来整理他过去和现在的电子病历，并警告医生，尽管接受了治疗，该男子仍已接近败血症危险区。研究小组给他注射了类固醇，以帮助稳定他的免疫系统。GG-Pop 康复了，很快就和他的曾孙一起开始了其他冒险。

约翰霍普金斯大学怀廷工程学院的人工智能研究员 Suchi Saria 表示，一些基于人工智能的脓毒症风险预测器已经投入临床使用或即将上线。其中一款由总部位于芝加哥的 Prenosis 生产，去年四月获得了美国食品和药物管理局的授权。这种人工智能的帮助很重要，因为败血症很难发现。标准测试无法识别大多数肺炎病例中的传染性微生物。脓毒症和非脓毒症之间没有严格的界限。“由于人们对早期迹象的理解不够深入，因此很容易被忽视，”Saria 说。– 在这种情况下，每一个小时都很重要。 –

贝叶斯健康公司的创始人萨里亚帮助创建了一种人工智能，可以对电子健康记录进行分类，以检测败血症的早期迹象。人工智能，被称为 TREWS，即有针对性的实时预警系统，正确标记 82% 的败血症病例，Saria 和同事报道自然医学2022年。

脓毒症患者的医生及时响应人工智能的警报死亡的可能性较小，住院时间较短比那些医生花了三个多小时才做出反应的人

Inflammatix 联合创始人兼首席执行官蒂姆·斯威尼 (Tim Sweeney) 表示，许多脓毒症预测工具都会梳理电子健康数据。另外，他的公司开发了一种机器学习血液测试，正在接受 FDA 的审查，可测量白细胞中的 29 种信使 RNA（作为制造蛋白质的蓝图的分子）判断感染是细菌感染还是病毒感染并预测患者在下周是否会出现败血症。

斯威尼说，即使测试获得批准，公司也需要监控其性能并相应地更新测试。“如果没有一种机制可以用更多的数据以某种方式更新算法，那是不道德的，”他说。政府的批准可能取决于是否有正确的更新计划。FDA、加拿大卫生部和英国药品和保健品监管局已就医疗器械更新指南运行在机器学习或更先进的人工智能上。

纳什维尔范德比尔特大学医学中心的生物信息学家迈克尔·马西尼 (Michael Matheny) 表示，人工智能并不是一个一劳永逸的命题。Matheny 和同事构建了一个人工智能，可以评估医院的预防效果急性肾损伤– 肾脏从血液中过滤废物的能力突然下降 – 心导管插入术（通常用于发现和清除阻塞动脉的手术）后。一些研究表明，如果美国医院持续采用良好的预防策略，每年 14 万例急性肾损伤中大约有一半是可以避免的。

Matheny 和同事训练了人工智能并确保它在各种环境下都能正常工作。但随着时间的推移，“我们尝试使用这些模型，但它们不断出现故障，”马西尼说。这是因为人工智能训练的数据并不总是与现实生活中遇到的数据相同。现实世界的数据会随着时间的推移而变化或“漂移”，因此需要更新。

但马西尼的团队希望避免不必要的检修。研究人员使用另一个人工智能来监督第一个人工智能，并在结果可疑时发出警报。当 COVID-19 大流行爆发时，监管者的价值就变得显而易见，带来了最终的数据漂移。

在大流行之前，大多数心导管插入术都是选择性门诊手术，肾损伤的风险较低。但随后，在 2020 年 3 月，“数据变得疯狂”，马西尼说。– 所有选择性[导尿]均停止三四个月。之后被带回导管实验室的患者与典型的普通患者有很大不同。因此算法被破坏了。”但是主管指出了这个问题，科学家们纠正了它。

“如果我们采取固定策略，我们的模型就会在一段时间内完全崩溃，”马西尼说。

使用人工智能的医院的肾损伤率低于预期。但研究结束后，这些医院停止使用该系统。范德堡大学信息学家、马西尼的同事莎朗·戴维斯 (Sharon Davis) 表示，这表明人工智能开发人员需要确保他们的系统有用且值得信赖，并制定计划以保持其可靠性。“你可以制作世界上最准确的模型，但如果我们不能很好地交付它，并且它不能向提供商提供可操作的信息，”她说，“它”不会改变任何事情。 –——蒂娜·赫斯曼·赛伊