然而，根据布鲁金斯学会最近的一份报告打开了一个新的窗口，医疗行业在采用人工智能方面尤为谨慎。尽管谨慎对待新技术是很自然的，但在医疗保健领域尤其明显，因为为患者提供最佳护理涉及到巨大的责任。临床医生在采用人工智能时担心的因素有很多，包括害怕被边缘化，害怕人工智能引发的错误对患者健康造成负面影响(即死亡)，以及害怕基于黑盒人工智能的结论理解不到位。
在探讨这些问题之前，重要的是要了解医疗保健提供者将从人工智能中获得什么，特别是在工作条件方面。
人工智能能为医疗保健做些什么?
人工智能有可能通过增强临床医生识别和治疗疾病的能力来彻底改变医疗保健。人工智能系统可以分析来自电子健康记录、成像研究和其他来源的大量数据，以发现人类难以发现的模式。这些分析可以导致更早、更准确的诊断、更好的治疗结果和更个性化的护理。
人工智能可以产生重大影响的一个领域是减少临床医生的职业倦怠。特别是护士，由于其工作的高要求，他们面临着倦怠的风险。人工智能可以根据ICU警报的频率、患者的敏锐度以及干预的频率和复杂性，提供客观的工作量衡量指标，从而帮助缓解这一问题。使医院管理者和管理人员了解临床医生的工作量和倦怠的可能性，可以促进数据驱动的机会，使工作场所更健康，临床医生希望留在那里，并遵循他们对治疗的热情。
除了减少倦怠，人工智能还可以通过整合实时数据来提供可操作的见解和预测分析，帮助临床医生做出更明智的决策。例如，人工智能算法可以分析患者数据，以识别有并发症风险的患者，并提醒临床医生采取预防措施。这可以通过避免更严重的并发症来改善患者的治疗效果并降低医疗成本。
总的来说，人工智能有可能通过增强临床医生分析大量数据和识别人类难以检测的模式的能力来改变医疗保健。通过减少倦怠，提供实时数据和预测分析，人工智能可以帮助临床医生做出更明智的决策，改善患者的治疗效果，并降低医疗成本。
人工智能广泛应用的常见障碍
人工智能似乎是让医护人员的生活变得更轻松的关键。然而，将复杂和不熟悉的技术引入这样一个重要的行业有几个风险。事实上，许多医护人员担心人工智能对提供者和患者来说弊大于利。
以下是医疗服务提供商可能抵制人工智能的几个原因:
1. 可解释性
也许在医疗保健领域采用人工智能的最大障碍是围绕人工智能机制的谜团。这些算法是如何工作的?上述数据点是如何产生的?“黑箱”人工智能已经成为过去，临床医生(和监管机构)希望在涉及到基于人工智能的解决方案时能够解释。
“可解释性”是指机器学习模型及其输出可以在人类可接受的水平上以一种“有意义”的方式进行解释的概念。为了放心地将人工智能应用到他们的操作中，医疗从业者必须证明它将遵守希波克拉底誓言，即“不伤害”。如果不彻底了解人工智能是如何做出决策的，从业者将很难把重要的责任交给机器。
2.偏见和歧视
许多医疗保健系统正在稳步加大努力，解决种族差异问题，并扩大少数民族和服务不足社区的服务可及性。不幸的是，医学有着悠久的偏见历史。在某些情况下，人工智能被用来加剧这一问题。
从业者可能会担心，在特定数据集上训练的人工智能算法会系统性地忽视公司范围内改善健康公平的举措，从而使歧视性做法永久化。当今医疗保健领域的任何基于人工智能的技术，在开发更全面、更强大的解决方案以改善每个人的医疗服务时，都必须考虑这些动态。
3.风险与舒适
技术永远不会是完美的。医疗服务提供者追求完美，因为任何不完美的地方都可能意味着生命受到影响。医疗保健的风险很高，对任何新医疗技术的期望也很高。基于人工智能的产品非常准确，但并不完美。因此，基于人工智能的新技术仍然可能导致一些错误或失败，可能导致误诊或虐待危重患者。这种期望并不是人工智能所独有的，但它确实创造了一个很高的，有时甚至是不切实际的门槛，减缓了采用速度。此外，遗留系统也面临着持续的挑战。
不同的组织有自己的病人护理系统和方法。供应商通常认为熟悉度和一致性比先进性和准确性更重要。一项技术不够好或准确，但考虑临床医生使用和理解这项技术的舒适度同样重要。
4.缺乏监管
尽管FDA已经批准了数百种人工智能医疗设备，但对于医疗保健领域的非商业人工智能算法，还没有相关规定。制定这些法规的挑战很大程度上源于人工智能的发展速度。这种表面上缺乏监督和问责制的情况，对医护人员来说是可以理解的，他们更希望知道这项新技术已经得到监管机构的批准，并遵守一定的标准，尤其是在隐私和匿名方面。
如何将人工智能引入医疗保健
尽管临床医生持保留意见，但人工智能能够而且将会改变医疗保健的面貌。然而，为了成功实施基于人工智能的工具，临床医生必须站在设计、测试和培训新医疗技术的最前沿。
设计
为了给人工智能系统以信任，医疗从业者必须直接参与其设计和实施。你不能责怪临床医生，因为他们希望人工智能开发人员能够分享他们的目标，并充分意识到他们的担忧。
医院是具有关键工作流程的复杂生态系统。将人工智能成功地集成到医疗保健系统中，需要全面查看现有的工作流程，以改进它们，而不是增加更多的工作。将卫生工作者纳入设计阶段对于确保人工智能优先考虑可用性并无缝融入日常工作流程至关重要。
透明度
人工智能系统的开发人员必须为从业者提供人工智能决策过程的充分可见性和透明度。不仅要向用户提供过程的最终结果，还要向用户提供支持决策的数据。如果没有这一基本要求，人工智能在重症监护功能中的应用前景似乎很遥远。临床医生必须觉得他们同意算法的设计以及人工智能处理的数据，以提供预期的结果。
用户测试
为此，医护人员应该有足够的机会在临床环境中测试人工智能。这些真实世界的交互最终将揭示哪些用例支持从业者和患者的护理交付，而哪些用例会产生不必要的并发症。
简单地将人工智能技术投入医院病房，而不向临床医生提供用户测试，将加剧临床医生对不熟悉、偏见和故障风险的担忧。让临床医生从一开始就习惯使用这项技术，将减轻他们的担忧，并改善整合。此外，来自医护人员的反馈最终将帮助人工智能公司不断提高其技术能力，以简化日常任务，满足从业者最紧迫的需求。
临床证据
有一件事可以保证获得医疗服务提供者的认可:证明。许多医疗保健遵循临床循证方法。临床循证医学(EBM)是一种医学实践方法，强调使用现有的最佳研究证据来指导临床决策。EBM的目标是通过确保治疗和干预是基于最新和最可靠的科学证据来提高病人护理的质量。这里的关键词是证据。
虽然这需要花费更多的时间，并且可能看起来像一个巨大的不便和采用障碍，但这通常是确保安全和可持续解决方案的必要步骤。需要明确的是，存在不同程度的证据，医疗保健行业(包括监管机构)必须适应条件、场景和例外情况，提供适当的灵活性，以加速技术的使用。把证据放在技术背后，不仅可以改善患者护理，还可以灌输临床医生推动采用所需的信心。
医疗保健提供商：人工智能的目的是增强你的能力
医疗行业对人工智能的保留无疑是合理的，值得认真对待。首先要承认人工智能带来的变化，并消除人工智能的引入将立即使行业现代化的观念。
对于医护人员来说，重要的是要知道，没有他们的投入，人工智能就不会被采用，任何人工智能计划都将有明确定义的目标、价值观和证据。临床医生可以、应该而且必须在设计、测试和实施人工智能技术方面拥有发言权。没有临床医生就没有医疗保健。随着越来越多的医护人员有机会成为医疗人工智能增强技术的组成部分，从而使他们更加了解自己的新能力:减轻压力、改善工作条件和改善患者预后，广泛采用人工智能的障碍将逐渐消失。
