AI技术未能在初级保健中立足，这是为什么？

尽管AI已进入许多医学专业，但该技术未能在初级保健中立足。这是为什么？

一位在该领域和人口健康科学领域都具有专业知识的医师与一位杰出的计算机科学教授共同努力，在五月版的《家庭医学年鉴》中发表了一篇观点文章，回答了这个问题。

初级保健人工智能“应致力于改善护理服务和健康结果;使用这个基准，它还没有产生影响。”休斯顿大学医学博士Winston Liaw和医学博士Ioannis Kakadiaris都在休斯敦大学任教。

作者指出，迄今为止，令人失望的主要表现是初级保健界缺乏参与，这表明广泛的沉默对现实世界产生了影响。

他们指出：“没有初级保健的投入，医疗保健AI研究人员“可能无法掌握初级保健数据收集的背景，其在卫生系统中的作用以及影响其发展的力量。”

然后，Liaw和Kakadiaris提出了七项AI挑战，如果该职业要赶上美国整体医疗保健水平，那么初级保健必须面对这些挑战。

1.低效的数据输入。

作者写道：“没有及时的数据，人工智能系统将无法获得决策所需的信息。”

2.处理不良的数据。

由于研究人员不信任在初级保健中输入的数据的准确性，因此可以理解的趋势是“根据任意或不适当的规则省略或修改数据，这可能导致人工智能系统吸取错误的教训。”

3.无法解释的（“黑匣子”）AI结果。

“要让用户信任人工智能系统，他们需要了解为什么要做出决定。”

4.放大现有的偏见。

“出现人口概率的系统性低估或过高预测是出于多种原因，其中包括训练数据有偏见以及受早期偏见决定影响的结果。”

5.孤立的数据。

“这导致工具在不同机构使用时表现更差。此外，接受该工具培训的人群可能会转移，从而导致其性能随着时间的流逝而受到损害。”

6.隐私问题。

随着数据的数字化，患者越来越无法确定何时，如何以及在何种程度上将与他们有关的信息传达给他人。违反和滥用会削弱对人工智能系统的信任，并可能使个人不愿获得医疗服务。”

Liaw和Kakadiaris总结道：“ ［W］不仅在基础医疗中需要应用人工智能，还需要开发针对基础医疗的广度，复杂性和纵向性而量身定制的新方法。”“ ［全科医生］被我们对人的压倒一切的兴趣区分开，这对于在医师与患者之间建立纽带至关重要。”

作者还补充说，EHR的激增，以及随之而来的AI的兴起，通过增加“越来越多的技术”来消除这种联系。

作者写道，为了防止这种威胁逐渐演变成危险，初级保健AI“需要通过促进初级保健研究人员与AI学术专家之间的联系的新机会来缩小这种鸿沟。”“如果我们希望恢复维持我们和我们患者的关系，就必须找到应对这一挑战的创造性解决方案。”