在健康领域使用 AI 扩展智能解决方案 ： 释放对高潜在用例的影响

与ZS合作 在健康领域使用AI扩展智能解决方案：解锁对 高潜力用例 INSIGHTREPORTJUNE2023 图片：盖蒂图片社 Contents 1公私加速的用例9 1.1 1.2 1.3 2更深入探索的其他用例21 2.1 2.2行政AII22 2.3 2.4 3阻止AI实现价值的四个障碍24 4AI加速原理26 5呼吁所有部门采取行动28 5.1 5.2 5.3 免责声明本文档由 世界经济论坛是对项目，见解领域或互动的贡献 。此处表达的发现，解释和结论是世界经济论坛促进和认可的合作过程的结果，但其结果不一定 代表世界经济论坛的观点，也不是其成员、合作伙伴或其他利益攸关方的整体观点。 ©2023年世界经济论坛。保留所有权利。本出版物的任何部分不得以任何形式或通过任何方式复制或传播，包括影印和记录，或通过任何信息存储和检索系统。 2023年6月 在健康领域使用AI扩展智能解决方案：解锁对高潜力用例的影响 前言 医疗保健面临着越来越多的工人短缺，不断扩大的健康差距和不可持续的支出。人工智能可以提供帮助-如果我们愿意的话。 ShyamBissen 世界经济论坛卫生和医疗保健中心主任 PratapKhedkarZS首席执行官 近年来，健康和医疗保健在各个方面都取得了显着进步和创新，包括科学发现，生物医学研究与开发，数字技术，流程和系统。然而，医疗保健面临着日益严峻的挑战，包括一线医护人员的严重短缺，富裕国家和低收入和中等收入国家的卫生差距不断扩大 ，以及历史上最高的卫生支出未能实现国家针对其公民的健康结果。 这些问题不一定是棘手的。由机器学习（ML）和深度学习（DL）技术提供支持的人工智能（AI）被誉为许多全球医疗保健挑战的潜在解决方案。如果在实施过程中充分考虑了负责任和道德的方法，那么当今存在的用例既可行又具有巨大的影响潜力。 履行人工智能的承诺，减轻医疗保健系统的压力，并做出更大的贡献， 更可持续和更公平的全球卫生将需要跨部门、跨界和企业间的合作。世界经济论坛和ZS的这份联合战略报告希望作为公共-私人合作加速影响的高优先级用例入门。它呼吁医疗保健及其他领域的利益相关者采取行动，围绕共同愿景和一系列切实行动团结起来，释放人工智能的全部潜力，为全球健康和医疗保健带来真正和持久的变化。 在本报告中，已经综合了400多个可实现的AI示例和应用，有可能改变全球卫生结果。此次合作涉及来自生物制药领导者 ，医疗保健提供商，保险公司，技术公司和创新者，政府 ，学术界和非政府组织的50多位专家 工作主体为医疗保健中的AI提供了有希望的用例，确定了实施障碍，并提供了加速的支持原则。 执行摘要 人工智能为早期疾病检测、抗击疫情和实现药物突破提供了希望。合作对于实现这一目标至关重要。 在过去的十年中，医疗保健和技术行业的领导者，公职人员和研究人员对利用人工智能（AI）和机器学习（ML）的进步来改变医疗保健寄予厚望。然而，目前缺乏的是多边利益相关者联盟的一种方式，即围绕一个共同愿景，为最可实现的解决方案团结起来，这些解决方案可以在提供者、患者、政策制定者和商业领袖中建立信任和信心。 为什么人工智能依赖于多边合作 当今的全球卫生和医疗保健利益相关者面临着系统性挑战的完美风暴。 医疗保健消费者生活在一个日益恶化的福祉和身体健康的时代 ，由于精神健康状况和慢性疾病的负担不断增加，给系统带来了严重的压力 以更大的需求。同时，医疗保健效率低下，工人短缺和医师倦怠给医疗供应带来压力，造成恶性循环，将成本推向新的高度 据估计，2022年全球医疗保健支出飙升至12万亿美元。 AI被世界经济论坛定义为“通过感知，解释数据，学习，推理和推荐最佳行动方案的系统”，代表了一个智能，可扩展的系统，以支持医疗保健领导者，决策者和从业者寻求解决这些挑战 然而，医疗保健在采用人工智能驱动的工具和解决方案方面相对缓慢，因为人工智能使令人难以置信的事情成为可能与使用它们所需的人类信任之间的紧张关系日益加剧。 因此，论坛已开始吸引来自健康和医疗保健中心的利益相关者，以探索变革力量 在健康和医疗保健数字化转型的背景下，包括通过培养公私合作来加速人工智能的负责任应用。 本报告旨在： -创建共享分类法，以表达正在使用AI的医疗保健应用程序的广度。 –确定现在可以实现的用例，并具有通过持续的公共-私人投资改善全球卫生结果的最大潜力 –定义对AI在医疗保健中负责任的广泛采用和扩展最关键的推动者。 关键要点 –三个因素正在推动人工智能在医疗保健中的采用 ： 医疗数据，医疗保健提供者的短缺(加剧了，但不是由COVID-19大流行造成的)，以及人工智能技术能力的进步。 –持续多边合作的主要用例是人工智能驱动的诊断和风险分层 、临床试验优化以及疫情智能和预测领域。 –其他几个领域，包括行政，工作流程和培训解决方案;自动分诊流程;供应链和制造;和药物发现也值得更多的探索，并可能持有同样的希望。 –为了最大限度地发挥人工智能在医疗保健领域的影响，数据必须丰富、有用且具有代表性 （以最大程度地减少偏见）；设计必须通过透明和包容来帮助采用，并且应用程序必须无缝且可扩展。 –即使有持续的公私投资、强大的数据基础和深思熟虑的道德人工智能政策，也必须以适当的方式建立信任并加速采用。 根据本报告的建议采取行动将需要公共和私营部门领导人之间的协调努力。在卫生和医疗保健方面实现变革需要在卫生系统、消费者、政府和民间社会之间建立多边伙伴关系。这些技术将改变护理的定义和交付方式，但前提是利益相关者可以通过数据基础解决潜在问题，重新将工作重点放在扩展而不是实验上，并使提供者，患者，政策制定者和商业领导者有信心使用它们。 AI在健康的转折点 智能健康风险通过成功的废料场。 不久前，驾驶员依靠简陋的打印地图从A点到达B点。GPS改变了一切。尽管公众可能还没有完全了解基于卫星的无线电导航，但它并不需要。这项技术并不完美，但它改善了现状，因此很快 一旦向消费者提供广泛采用。与之形成对比的是，自动驾驶技术的采用面临更大的阻力，因为它的复杂性、生死攸关的风险以及它在任何地方和任何条件下都能工作的先决条件。 从这个意义上说，医疗保健中的人工智能更类似于自动驾驶汽车，因为用于构建算法的数据和假设很复杂，而且往往晦涩难懂。不准确算法的后果可能是严重的，许多 必须实施新的流程和控制。此外，为了改变健康和医疗保健的解决方案，它们必须大规模工作。 虽然一些人工智能驱动的医疗保健解决方案已经证明了它们的价值，但许多其他解决方案却在努力实现其承诺的影响。虽然这些 失望有很多原因，它们可以被概括为过度的实验，而牺牲了如何扩大成功的实验。正如一家全球制药公司的技术领导者打趣的那样，医疗保健公司目前的“飞行员”比航空公司多。虽然测试和实验推动创新，但建议公司不要启动试点，除非他们认真考虑过如果成功将如何扩大规模。没有这个护栏，AI。 在医疗保健中，风险变成了一个小成功的废料场——一个杂乱无章的强大工具集合，加起来小于它们的部分的总和，因为，出于这样或那样的原因，使用它们的人太少了。 在2019年，Gartner预测，到2022年，只有一小部分AI项目会成功 跨部门。1快进到今天的医疗保健领域，随着对这份报告进行采访，证据不言而喻：虽然近三分之二的医疗保健领导者认为人工智能对实现他们的目标“非常重要” 在组织的目标中，不到三分之一的人表示他们的人工智能计划实现了他们的“预期价值”。 系统性变化推动AI在医疗保健领域的发展 为了摆脱比尔·盖茨的著名配方，医疗保健领导者倾向于在短期内高估了人工智能的前景，而从长远来看却低估了它。三种结构性趋势正在加速当今人工智能的采用速度；具有讽刺意味的是，它们同时在长期内提高了“正确”的风险，同时在短期内加大了难度。 1.数据泛滥：虽然很难确定确切的数字，但据估计，20世纪中叶医疗信息的倍增时间是几十年的问题。到2010年代至2020年代初，这一估计缩小到几年甚至几个月 。到2025年，全球医疗保健数据预计将超过10泽字节 ，相当于10万亿GB。2同时, ZS联合哈里斯民意调查进行的一项调查，由1000名医疗保健提供者组成 来自美国，英国，瑞典，德国，中国和日本的数据表明，超过70％的人表示他们对可用的患者数据量不知所措。3与此同时，科技公司正在发展 用于运行大规模模拟以帮助改善决策的新数据集。没有强大技术的帮助，人类无法使用这些数据来改善健康结果。 2.卫生系统的挣扎：COVID-19加剧了现有的医疗保健问题，加剧了一线医护人员的严重短缺，测试了许多医院和国家医疗保健系统的偿付能力等等。世界卫生组织（WHO）估计，全球医疗工作者短缺1000万到2030年。4与此同时，超过一半的美国 医院和卫生系统预计至少在2022年之前将处于亏损状态。5人工智能提供了双重承诺，即允许提供者用更少的钱做更多的事情，同时通过保持人们的健康来减少对医疗保健的需求。 3.技术进步：基于在大型数据集（例如数十亿条非结构化数据）上训练算法的技术的深度学习（DL）可以做出惊人的准确预测。它有可能通过三种广泛的途径来改变医疗保健：它可以预测人类生物学和药理学的科学方面，例如“蛋白质宇宙”的结构或其中的突变。 肿瘤样本使其可能复发。它可以对人类行为做出预测-例如，一个人是否以及何时可能停止服药，以及哪种特定的干预措施最有可能确保持续服药。它还可以对人类语言进行预测-所谓的生成AI，例如ChatGPT，可以在最少的提示下创建类似人类的文本。值得注意的是。 人工智能不是解决医疗保健问题的唯一方法。一些挑战可以通过简单的高级分析来解决，就像美国糖尿病协会正在使用诊断算法一样，这些算法依赖于“简单”的贝叶斯方法，而不是深度学习，来推动糖尿病的早期识别和治疗。 在健康领域使用AI扩展智能解决方案：释放对高潜力用例的影响6 不仅数据量呈指数级增长，可用数据类型也以惊人的速度增长。特别是，使用非结构化数据-无论是科学文献，自然语言还是从视频或音频转录的文本-都提供了一个跨越人类处理能力极限的机会，使用巨大的数据量以及强大的新兴AI技术。 DanNeil，BenevolentAI首席技术官 没有足够的医生来满足需要护理的人的需求，就这么简单。算法如何支持个人做出自己的健康决策，自动化临床医生的管理任务，并将专科护理的范围扩展到所有护理环境？这是关于解决临床专业知识的供需问题，人工智能具有巨大的潜力。 JenniferGoldsack，数字医学学会首席执行官 调查AI在医疗保健领域的用例 AI在医疗保健中的潜在使用案例如此之多，因此至关重要的是绘制广泛的可能用途并开发通用语言。这可以实现跨地域和上下文的共同理解，这将有助于医疗保健利益相关者做出明智的决定，决定在何处（何处）投入时间和AI中的资源。不幸的是，尽管许多分类法已经被提出来用于AI在医疗保健中的应用，但普遍接受的分类法还不存在。为了了解AI今天是如何在医疗保健中使用的，超过400 对2020年至2022年的例子进行了评估，并将其分为三大类，如图1所示。 重要的是要注意，可以在此分类法中的任何地方创建和交付价值。本报告不主张任何一个领域比其他领域拥有更多的承诺。某些类别， 例如第1章中提到的那些人，可能会在短期内从持续的公私合作中获益更多，这是世界经济论坛使命的核心。 Figure1供讨论的AI用例分类 患者 教育诊断治疗依从性 人口 护理信息学护理交付护理操作 Product 临床发展 药物发现和研究 AI医疗保健用例的建议分类法 以患者为中心：此类别中的用例包括具有AI功能的工具，可以更早或更准确地诊断病情，帮助患者教育或提高治疗依从性。包括非政府组织（NGO），制药公司和政府在内的各种利益相关者在这方面已经取得了重大进展。 –治疗：算法可以预测单个患者可能对具体的疗程，一个关键的例子 人工智能如何增强而不是取代医疗保健提供者。 –教育：使用对话式