作者：迈克·马吉
在他的书中， “期望降低的时代” （麻省理工学院出版社/1994），诺贝尔奖得主保罗·克鲁格曼（Paul Krugman）有句名言：“生产力并不是一切，但从长远来看，它几乎就是一切。”
一年前，密歇根大学的心理学家 Karl E. Weich 提出了这个术语 “意义建构” 基于他的信念，即人类思维实际上是生产力的引擎，并且像生物计算机一样“接收输入、处理信息并提供输出”。
但在当时，将人脑与计算机进行比较并不完全是互补的。 例如，1994 年 1 月，克鲁格曼在麻省理工学院的同事、经济学家埃里克·布林约尔松 (Erik Brynjolfsson) 创造了“生产力悖论”指出“近十年来一直争论的一个重要问题是计算机是否有助于生产力增长。”
三十年后的今天，克鲁格曼（从麻省理工学院到普林斯顿大学，再到 CCNY）和布林约尔松（从哈佛大学到麻省理工学院，再到斯坦福以人为中心的人工智能研究所）仍然处于生成式人工智能辩论的中心，因为他们一起担任生成式人工智能辩论的中心。美国国家经济研究局 (NBER) 并试图“理解”我们最新的科学技术突破。
毫不奇怪，医疗人工智能 (mAI) 一直处于前沿和中心位置。 2023 年 11 月，Brynjolfsson 与西海岸同胞 Robert M. Wachter 合作，开发了一项 JAMA 评论文章 题为“生成人工智能能否兑现其在医疗保健领域的承诺？”
加州大学旧金山分校医学系主任 Wachter 博士于 1996 年创造了自己的开创性术语——“hospitalist”。 他被认为是该领域之父，长期以来一直对计算机和医疗保健机构之间的接口感兴趣。
在他的 2014 年《纽约时报》畅销书中， “数字医生：医学计算机时代初期的希望、炒作和危害” 他写道：“我们需要认识到，医疗保健领域的计算机不仅仅用 Helvetica 12 取代医生的潦草字迹。相反，它们改变了工作、工作人员以及他们之间以及与患者之间的关系。”
Brynjolfsson 和 Wachter 的共同点是，当谈到技术和医疗保健领域系统性表现不佳的历史时，他们都表现出谦逊和现实主义的态度。
他们开始他们的 2023 年 JAMA 评论 这样，“历史表明，通用技术多年来往往无法兑现其承诺的好处（‘信息技术的生产力悖论’）。 医疗保健有几个属性，使得新技术的成功部署比其他行业更加困难； 这些对之前实施人工智能和电子健康记录的努力提出了挑战。”
然而，这一次他们很乐观。
为什么？ 主要是因为生成式人工智能的速度和自我纠正能力。 他们的结论是，“genAI 能够比以前的技术更快地在医疗保健方面提供有意义的改进。”
然而，“生产力悖论”仍然是一座需要攀登的陡坡。 从历史上看，它是早期新技术缺陷和企业层级“流程、结构和文化”中嵌入的现状阻力的副产品。 当谈到保护权力和利润时，变革就是一种威胁。
正如 Brynjolfsson 和 Wachter 外交地指出的那样，“不幸的是，人类通常无法理解或实施充分利用新技术所需的组织结构、领导力、劳动力和工作流程方面的深刻变革……克服生产力悖论需要在以下领域进行互补性创新：工作的执行方式，有时被称为“重新想象工作”。”
mAI 能在多远和多快的程度上推动美国医疗保健转型？ 这次有利于快速转型的三个因素是就绪性的提高、易用性和表现出色的机会。
准备程度体现在从过去二十年与 EHR 相关的错误和纠正措施中获得的知识。 脚手架基础设施已经存在，医生、护士、患者以及他们聚集的机构也有一定程度的采用。
易用性主要是 mAI 本地化到软件的功能，而不是需要昂贵的、受监管的硬件设备。 新工具“非常易于使用”，“需要相对较少的专业知识”，并且在出错时可以近乎实时地“冷静和自我纠正”。
一段时间以来，在一个效率极低、不公平、往往难以接近且无效的体系中脱颖而出的机会是显而易见的。 少数民族、妇女、婴儿、农村人口、没有保险和保险不足的人以及穷人和残疾人都明显得不到充分的服务。
与权力精英不同 美国医疗产业综合体，mAI 思想开放，并不天生抵制变革。
多模式、大语言、自学习 mAI 只受到一件事的限制：数据。 我们确实是这些数据的来源。 我们所缺少的是接触到我们——我们每个人和我们所有人——的机会。
作为美国 3.33 亿美国公民中的一员，您希望提供什么来换取全民健康保险和可靠的高质量基本医疗保健服务？
您是否愿意提供对您所有生命体征、实验室结果、诊断、外部和内部图像、治疗计划、后续检查、临床记录和基因组学的完整、完整的去识别化访问？
以下是 mAI 根据我们的集体数据可能得出的结论：
- 支付全民保险费用比支付未参保者的紧急护理费用要便宜得多。
- 先前的算法充满了偏见和不平等。
- 结果的不可接受的差异，尤其是对妇女和婴儿而言，困扰着该国的一些地理区域。
- 非临床医疗保健人员的人员配备表不必要地庞大，并且可以通过简化和自动化客户服务界面和计费标准轻松将其削减一半。
- 直接面向消费者的药品和医疗器械营销既浪费又混乱，而且不再必要或有益。
- 大多数健康预防和维护现在可能是个性化的、基于社区的和以家庭为中心的。
- 大量的新发现及其对社会的价值将在很大程度上能够被实时验证是否值得投资（或不值得）。
- 欺诈性和无效的做法和疗法，以及不透明的利润分享和回扣，现在都可以被揭露和解决。
- 现在，医学教育将是连续的，需要越来越好奇和灵活的领导者熟悉机器学习技术。
- 所有人都可以实时看到美国在多项指标上相对于其他发达国家的表现。
对国家经济的集体影响将是积极且可衡量的。 作为 保罗·克鲁格曼 三十年前写道：“一个国家随着时间的推移提高其生活水平的能力几乎完全取决于其提高人均产出的能力。”
事实证明，健康覆盖的健康数据“很有意义”，并且对所有美国人来说都是一笔相当划算的交易。
Mike Magee 医学博士是一位医学历史学家，也是 THCB 的定期撰稿人。 他是 蓝色代码：美国医疗工业园区内部 （格罗夫/2020）。
1713498230
#人工智能AI会引发美国全民医疗保健吗 #专家学者怎么说 #医疗保健博客
2024-04-18 07:14:00
