眼下，人工智能在医疗保健领域的应用范围十分广泛，其范围涵盖从解答患者问题到协助完成手术和开发新药。

根据 Statista 的数据，人工智能 (AI) 医疗保健市场在 2021 年的市场价值达到 110 亿美元，到 2030 年则预计将达 1,870 亿美元。这一大幅增长意味着，未来我们可能会继续发现医疗服务提供方、医院、制药与生物技术公司以及医疗保健行业其他公司的运营方式出现巨大变化。

更优的机器学习 (ML) 算法、更频繁的数据访问、更低廉的硬件以及 5G 的运用，都将促进 AI 在医疗保健行业的日益普及，加快变革步伐。AI 和 ML 技术可对大量健康数据（涵盖健康记录、临床研究和遗传信息）进行筛选，并以远超人类的速度对其进行分析。

医疗保健组织正在利用 AI 来提高从后台任务到病人护理等各种流程的效率。将 AI 用于造福员工和患者的部分示例如下：

• 行政管理工作流程：医护人员需花费大量时间来处理文书工作和其他行政任务。AI 和自动化有助于执行众多日常任务，以便为员工腾出时间来从事其他活动，并使其有更多时间与患者开展面对面交流。例如，生成式 AI 可帮助临床医生记录笔记和汇总内容，以便尽可能完整地保存医疗记录。此外，AI 还有助于在不同部门与计费系统之间实现信息的准确编码和共享。
• 虚拟护理助手：一项研究发现，64% 的患者愿意使用 AI 来全天候获取支持护士所提供服务的解答。AI 虚拟护理助手（即人工智能驱动式聊天机器人、应用程序或其他界面）可用于协助解答有关药物的问题、将报告转发给医生或外科医生，以及帮助患者安排与医生的就诊。此类日常任务有助于减轻临床工作人员的工作负担，以便他们将更多时间直接花在患者护理上；因为在此方面，人工判断和互动最为重要。
• 减少剂量错误：AI 可用于帮助识别病人自我给药过程中出现的错误。例如，《自然医学》的一项研究发现，高达 70% 的患者未按规定服用胰岛素。位于患者后台的人工智能驱动式工具（很像一台 Wi-Fi 路由器）可用于标记患者在使用胰岛素笔或吸入器时出现的错误。
• 低侵入性手术：支持 AI 的机器人可用于在敏感器官和组织周围进行作业，从而帮助减少失血、感染风险和术后疼痛等问题。
• 预防欺诈：医疗保健行业欺诈行为的数额巨大（每年高达 3,800 亿美元），且会抬高消费者的医疗保费和自付费用。通过实施 AI，可帮助识别保险索赔中出现的异常或可疑模式，例如对未执行的昂贵服务或程序进行计费、拆分计费（即，对某一程序的单个步骤进行计费，仿佛它们是单独的程序），以及执行不必要的测试来骗用保险支付。

近期的一项研究发现，83％ 的患者报告称沟通不畅是其个人体验中最为糟糕的一个部分，从而表明患者与提供方之间迫切需实现更为清晰的沟通。自然语言处理(NLP)、预测分析和语音识别等 AI 技术有助于医疗保健提供方与患者开展更有效的沟通。例如，AI 可提供有关患者治疗方案的更具体信息，以便医疗保健提供方与患者开展更有意义的对话，从而共同做出决策。

根据哈佛大学公共卫生学院的说法，虽然此用途目前仍处于早期阶段，但使用 AI 进行诊断可能会将治疗成本降低多达 50%，并将健康结果改善幅度提高 40%。

根据夏威夷大学的一个用例，某一研究小组发现：部署深度学习 AI 技术可改善乳腺癌风险预测。对此，虽然还需更多研究来予以证实，但首席研究员指出：AI 算法可在比放射科医生所能提供的更大放射学图像集基础上进行训练，其数量高达一百万张或更多。此外，该算法可免费进行复制，但硬件除外。

麻省理工学院的一个小组开发了一种 ML 算法来确定何时需要人类专家。某些情况下（例如，识别胸部 X 光片中呈现的心脏肿大问题），他们发现人类与 AI 的混合模型可带来最佳结果。

另一项已发表的研究则发现，AI 比经验丰富的医生更能识别皮肤癌。美国、德国和法国的研究人员在 10 多万张图像上利用深度学习来识别皮肤癌。通过将 AI 产生的结果与 58 名国际皮肤科医生得出的结果进行比较，他们发现 AI 的表现更为出色。

健康与健身监控日趋流行，越来越多的人群会使用应用程序来跟踪和分析有关其健康状况的详细信息。他们可与医生共享这些实时数据集，从而监控健康问题并在出现问题时发出警报。

AI 解决方案（例如，大数据应用、机器学习算法和深度学习算法）也可能有助于人类分析大型数据集，从而协助完成临床决策和其他决策。此外，AI 还可用于帮助检测和跟踪传染病，如新冠疫情、结核病和疟疾。

AI 给医疗系统带来的一个优点在于，它可简化信息的收集和共享。AI 可帮助服务提供方更有效地跟踪患者数据。

糖尿病便是其中一例。根据美国疾病控制与预防中心的数据，美国有 10％ 的人口患有糖尿病。如今，患者可使用可穿戴设备和其他监控设备向自己和医疗团队提供有关其血糖水平的反馈。AI 可帮助提供方收集、存储和分析这些信息，并提供来自大量人员的数据驱动型洞察。通过使用这些信息，便可帮助医疗保健专业人员确定如何更好地治疗和管理相关疾病。

此外，各大组织也开始使用 AI 来帮助提高药品安全性。例如，SELTA SQUARE 公司正在改良其药物警戒 (PV) 流程。该流程为一项法律规定的强制措施，它旨在检测和报告药物产生的不良反应，然后评估、研究和预防此类影响。PV 要求制药商付出巨大的努力和勤奋，因为执行 PV 会覆盖从临床试验阶段一直到药物的终身可用性的整个流程。SELTA SQUARE 通过结合使用 AI 与自动化，使得 PV 流程速度更快、准确性更高，从而有助于为全球民众提供更安全的药品。

有时，AI 可降低对潜在药物化合物进行物理测试的要求，从而节省大量成本。高保真分子模拟可在计算机上运行，不存在传统发现方法所固有的高成本。

此外，在帮助人类预测分子的毒性、生物活性和其他特征或是从头开始生成前所未知的药物分子方面，AI 也颇具潜力。

随着 AI 在医疗保健服务中变得越发重要，且有更多 AI 医疗应用应运而生，伦理与监管治理也须同步到位。其中值得关注的问题包括可能出现偏见、缺乏透明度、用于训练 AI 模型的数据的隐私问题，以及安全与责任问题。

Gartner 副总裁兼分析师 Laura Craft 表示：“人工智能治理是不可或缺的，尤其是对该技术的临床应用。但是，由于新兴 AI 技术对于大多数 [医疗服务组织] 来说基本上都是一个全新领域，因此缺乏共同的规则、流程和指南，渴望创业的企业家们在设计其试点项目时无从遵循。”

世界卫生组织 (WHO) 耗费 18 个月时间与伦理、数字技术、法律和人权方面的顶尖专家以及卫生部的各个成员开展了广泛讨论，编写出名为《卫生健康领域人工智能伦理与治理指南》的报告。该报告确定了在医疗保健领域使用 AI 所带来的伦理挑战，同时识别了相关风险，并概述了六项共识原则，确保 AI 能造福于广大民众：

1. 保护自主权
2. 促进人类安全和福祉
3. 确保透明度
4. 促进问责制
5. 确保公平
6. 推广响应及时且可持续发展的工具

该 WHO 报告还提出了一些建议，以确保医疗保健领域的 AI 治理既能最大限度兑现该技术的承诺，又能使医护人员对与之合作的社区和人员负起相应责任并给予响应。

AI 可提供各种机会来帮助减少人为错误、协助医疗专业人员和工作人员开展工作，以及提供全天候的患者服务。随着 AI 工具的持续发展，读取医学图像、X 射线和扫描结果、诊断医疗问题和制定治疗计划方面有可能会加大对 AI 的使用。

AI 应用将继续帮助简化各种任务，其范围涵盖从接听电话到分析人口健康趋势（甚至还可能有其他尚未虑及的应用）。例如，未来的 AI 工具可自动执行或增强临床医生与工作人员的更多工作。如此一来，人类便可腾出更多时间来提供更有效、更体贴的面对面专业护理。

当患者需要帮助时，他们不想（或无法）等待太长时间。医疗机构的资源十分有限，因此并不总能即时或全天候提供帮助；而另一方面，即便是轻微的延迟也可能会造成挫败感和孤立感，或导致某些情况的恶化。

IBM watsonx Assistant AI 医疗保健聊天机器人可帮助提供方完成两项任务：将他们的时间集中于所需的事务上，以及让致电寻求帮助的患者能获得针对简单问题的快速解答。

IBM watsonx Assistant 基于深度学习、机器学习和自然语言处理 (NLP) 模型而构建，它可使用会话式 AI 来理解问题、搜索最佳答案并完成事务。