人工智能(AI)具有显著改善医疗保健服务的潜力。由于人工智能能够从非常大的数据集中解锁见解和模式，因此为创新，高价值，增强功能奠定了基础，例如患者退化预测，针对特定条件的适当干预建议，以及并行的许多生命体征的高频分析和见解。CalmWave创始人兼首席执行官OphirRonen讨论了采用人工智能的障碍以及医疗行业如何克服这些障碍。
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:
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。
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。
技術永遠不會是完美的。醫療服務提供者追求完美，因為任何不完美的地方都可能意味著生命受到影響。醫療保健的風險很高，對任何新醫療技術的期望也很高。基於人工智慧的產品非常準確，但並不完美。因此，基於人工智慧的新技術仍然可能導致一些錯誤或失敗，可能導致誤診或虐待重症患者。這種期望並不是人工智慧所獨有的，但它確實創造了一個很高的，有時甚至是不切實際的門檻，減緩了採用速度。此外，遺留系統也面臨持續的挑戰。
不同的組織有自己的病人照護系統和方法。供應商通常認為熟悉度和一致性比先進性和準確性更重要。一項技術不夠好或準確，但考慮臨床醫生使用和理解這項技術的舒適度同樣重要。
儘管FDA已經批准了數百種人工智慧醫療設備，但對於醫療保健領域的非商業人工智慧演算法，還沒有相關規定。制定這些法規的挑戰很大程度源自於人工智慧的發展速度。這種表面上缺乏監督和問責制的情況，對醫護人員來說是可以理解的，他們更希望知道這項新技術已經得到監管機構的批准，並遵守一定的標準，尤其是在隱私和匿名方面。
儘管臨床醫生持保留意見，但人工智慧能夠而且將會改變醫療保健的面貌。然而，為了成功實施以人工智慧為基礎的工具，臨床醫生必須站在設計、測試和培訓新醫療技術的最前線。
為了給予人工智慧系統以信任，醫療從業人員必須直接參與其設計和實施。你不能責怪臨床醫生，因為他們希望人工智慧開發人員能夠分享他們的目標，並充分意識到他們的擔憂。
醫院是具有關鍵工作流程的複雜生態系統。將人工智慧成功地整合到醫療保健系統中，需要全面查看現有的工作流程，以改善它們，而不是增加更多的工作。將衛生工作者納入設計階段對於確保人工智慧優先考慮可用性並無縫融入日常工作流程至關重要。
人工智慧系統的開發人員必須為從業者提供人工智慧決策過程的充分可見性和透明度。不僅要提供使用者過程的最終結果，還要提供使用者支援決策的數據。如果沒有這項基本要求，人工智慧在重症監護功能中的應用前景似乎很遙遠。臨床醫生必須覺得他們同意演算法的設計以及人工智慧處理的數據，以提供預期的結果。
為此，醫護人員應該有足夠的機會在臨床環境中測試人工智慧。這些真實世界的互動最終將揭示哪些用例支援從業者和患者的護理交付，而哪些用例會產生不必要的併發症。
簡單地將人工智慧技術投入醫院病房，而不向臨床醫生提供使用者測試，將加劇臨床醫生對不熟悉、偏見和故障風險的擔憂。讓臨床醫生從一開始就習慣使用這項技術，將減輕他們的擔憂，並改善整合。此外，來自醫護人員的回饋最終將幫助人工智慧公司不斷提高其技術能力，以簡化日常任務，滿足從業者最迫切的需求。
有一件事可以保證獲得醫療服務提供者的認可:證明。許多醫療保健遵循臨床實證方法。臨床實證醫學(EBM)是一種醫學實踐方法，強調使用現有的最佳研究證據來指導臨床決策。 EBM的目標是透過確保治療和介入是基於最新和最可靠的科學證據來提高病人護理的品質。這裡的關鍵字是證據。
雖然這需要花費更多的時間，並且可能看起來像一個巨大的不便和採用障礙，但這通常是確保安全和永續解決方案的必要步驟。需要明確的是，有不同程度的證據，醫療保健產業(包括監管機構)必須適應條件、場景和例外情況，提供適當的靈活性，以加速技術的使用。把證據放在技術背後，不僅可以改善患者護理，還可以灌輸臨床醫生推動採用所需的信心。
醫療產業對人工智慧的保留無疑是合理的，值得認真對待。首先要承認人工智慧帶來的變化，並消除人工智慧的引入將立即使行業現代化的觀念。
對於醫護人員來說，重要的是要知道，沒有他們的投入，人工智慧就不會被採用，任何人工智慧計畫都將有明確定義的目標、價值觀和證據。臨床醫生可以、應該而且必須在設計、測試和實施人工智慧技術方面擁有發言權。沒有臨床醫生就沒有醫療保健。隨著越來越多的醫護人員有機會成為醫療人工智慧增強技術的組成部分，從而使他們更加了解自己的新能力：減輕壓力、改善工作條件和改善患者預後，廣泛採用人工智慧的障礙將逐漸消失。
以上是在醫療保健行業廣泛採用人工智慧的障礙的詳細內容。更多資訊請關注PHP中文網其他相關文章！
