中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

關(guān)于人工智能在醫(yī)療保健領(lǐng)域的潛在前景和風險已經(jīng)有很多報道，媒體和學術(shù)界都在為這一宣傳做出貢獻，包括預測某些專業(yè)將被機器所取代。一位ML技術(shù)的開發(fā)人員說，“我們應該停止培訓放射科醫(yī)生?！迸c所有引入臨床實踐的新技術(shù)一樣，在等待臨床持續(xù)成功和受益的嚴格證據(jù)時，對AI持懷疑態(tài)度是合適的。

AI并不是第一個承諾提供更高效和有效醫(yī)療服務的信息技術(shù)應用。從早期引入的電子健康記錄(EHRs)中可以吸取一些教訓。在聯(lián)邦激勵措施的部分推動下，2008年至2017年期間，美國擁有有效EHR的醫(yī)院不到10%，而沒有EHR系統(tǒng)的醫(yī)院也不到10%。EHR已經(jīng)兌現(xiàn)了一些承諾(例如，改善了患者的安全，尤其是在藥物使用方面的安全)，但人們對EHR對臨床醫(yī)生的福祉、職業(yè)滿意度和醫(yī)患關(guān)系的影響表示擔憂。雖然這些預料不到的后果本質(zhì)上是多因素的，但一個反復出現(xiàn)的主題是沒有仔細考慮EHR對最終用戶的影響。此外，據(jù)推測，缺乏一線臨床醫(yī)生的早期參與會對EHRs的實施產(chǎn)生不利影響。

在醫(yī)療保健從紙筆記錄系統(tǒng)轉(zhuǎn)變?yōu)榛贓HR的企業(yè)的十年之后，AI代表著進入了一個潛在實踐變革技術(shù)的新時代。數(shù)十億美元被投入到醫(yī)療保健和相關(guān)研究中。數(shù)百家基于人工智能的初創(chuàng)企業(yè)已經(jīng)成立，數(shù)字巨頭(如蘋果、微軟、谷歌和亞馬遜)也在大力投資。美國國家醫(yī)學院(National Academy of Medicine)預計，人工智能將成為醫(yī)療保健的主流，因此報告《醫(yī)療保健中的人工智能:希望、炒作、希望和危險》鼓勵并教育社區(qū)關(guān)注有關(guān)數(shù)據(jù)科學和人工智能的知識。

重要的是，為臨床醫(yī)生提供使用基于AI的技術(shù)所需的技能、資源和支持，現(xiàn)在被認為是AI在醫(yī)療保健中成功應用的關(guān)鍵。要做到這一點，臨床醫(yī)生需要現(xiàn)實地了解醫(yī)療保健的潛在用途和局限性，忽視這一事實可能會導致臨床醫(yī)生的憤世嫉俗和患者預后不佳。

雖然EHR的采用受到聯(lián)邦授權(quán)和激勵的推動，但AI不太可能出現(xiàn)類似這種情況。相反，其采用更可能受到傳統(tǒng)投資回報考慮的制約。然而,這些考慮并不一定意味著政府不會發(fā)揮作用:潛在的監(jiān)管問題、法律責任和社會偏見都將影響AI的采用，決策者也可能卷入這些問題。例如，考慮到人工智能算法可能產(chǎn)生的深遠影響和廣泛危害，國際、聯(lián)邦和州各級制定指導方針、政策和法律是有必要的。

盡管支持在常規(guī)臨床實踐醫(yī)療環(huán)境中使用AI的證據(jù)相對較弱，AI模型繼續(xù)被銷售和部署。最近的一個例子是Epic敗血癥模型。雖然該模型已在美國數(shù)百家醫(yī)院得到了廣泛應用，但最近的一項研究表明，與模型開發(fā)過程中觀察到的性能相比，該模型在正確識別早期敗血癥患者和改善臨床環(huán)境中的患者預后方面表現(xiàn)明顯更差。

這類研究強調(diào)了對AI產(chǎn)品規(guī)定嚴格的報告標準和審查的必要性。一個強大的聯(lián)邦批準流程，如用于藥品是必要的。在機構(gòu)層面，類似于《臨床實驗室改進修正案》的實驗室研究認證過程有助于確保不僅采用和實施算法的標準嚴格，而且對其適用性和準確性進行持續(xù)的評估。

然而，臨床醫(yī)生對于做出臨床實施決定所需的信息缺乏共識。因此，需要為AI臨床試驗和用于評估AI技術(shù)效用的相關(guān)研究指定標準化、可靠、循證的標準指南。如果沒有這樣的標準，臨床醫(yī)生對基于AI的技術(shù)的信任和適當使用將受到阻礙。

一線臨床醫(yī)生必須能夠自如地評估與臨床AI醫(yī)學相關(guān)的醫(yī)學文獻。一個類比就是循證醫(yī)學(EBM)運動，它創(chuàng)建了用戶指南，使臨床醫(yī)生具備閱讀的技能，并適當?shù)貙⒀芯繎糜诨颊咦o理。

在已證實的循證醫(yī)學框架的基礎(chǔ)上，Liu和他的同事開發(fā)了一個用戶指南來評估使用ML的文章。需要額外的指南來促進評估使用AI來幫助回答有關(guān)預后、傷害、治療和成本效益問題的研究。隨著臨床醫(yī)生在評估AI文獻方面越來越成熟，臨床試驗報告的嚴密性和透明度可能會隨之提高。制定和推廣適當?shù)挠脩糁改蠈⒂兄谥С诌@一轉(zhuǎn)變。

大約在EBM發(fā)起的時候，一場平行運動開始促進患者和臨床醫(yī)生之間的共同決策。隨著基于AI的預測和算法繼續(xù)為醫(yī)療決策提供信息，患者和臨床醫(yī)生必須重新考慮共享決策，因為現(xiàn)在的決策很可能涉及到團隊中的一個新成員——AI衍生算法。最終，臨床醫(yī)生將承擔起成功調(diào)解患者、計算機和他們自己三者之間關(guān)系的大部分責任。臨床醫(yī)生將需要解釋AI在他們的推理和建議中的作用。隨著時間的推移，這種關(guān)系很可能會改變，患者和家屬可能會直接根據(jù)AI的建議，繞過臨床醫(yī)生做出一些決定。在AI改革后的醫(yī)療體系中，駕馭這一轉(zhuǎn)變——并為有資質(zhì)的專家找到合適的角色——將是一個重大的挑戰(zhàn)。