商傳媒｜康語柔／綜合外電報導
美國積極推動人工智慧（AI）在醫療領域的應用，但專家警告，美國醫療數據系統的碎片化問題，可能阻礙AI發展。若醫院及醫療系統未能改善基礎設施，將難以支援AI驅動的醫療照護。
根據《Healthcare IT Today》近期刊登的一篇評論文章指出，AI創新與美國醫療數據生態系統的基礎建設之間存在差距。該文章由喬治華盛頓大學健康政策與媒體參與中心教授兼執行主任 Richard Ricciardi，以及該中心的研究員 Michael Savas 共同撰寫。
文章指出，儘管科技公司和政策制定者積極推動AI應用於更快速的醫療診斷和更完善的治療方法，但美國的醫療數據仍然存在於各自獨立的系統中。作者表示，過去近二十年來，大量的病患數據被鎖在各自獨立的醫療系統、電子健康紀錄和研究資料庫中，這種碎片化現象導致系統「針對計費和市場佔有率進行優化，而非學習」。
這種結構性弱點，可能會限制醫院和診所利用AI工具的能力，因為這些工具仰賴大量整合、高品質的病患數據。
隨著聯邦政策制定者推動AI創新，對更強大數據系統的需求也變得更加迫切。近期一項名為「利用人工智慧解鎖兒童癌症療法」的行政命令，呼籲部署AI來改善兒童癌症的診斷和治療。然而，作者警告，若缺乏現代化的數據基礎設施，這類措施的潛在影響將受到限制。作者指出，AI依賴大量、高品質和多樣化的數據來檢測模式並改善預測，這在醫療保健領域尤其重要。
為了解決這些挑戰，許多醫療機構正轉向全球合作夥伴，尋求超出傳統外包範圍的專業支援。離岸團隊越來越多地提供AI模型數據管理、互操作性支援、人機協作臨床審查和全方位患者互動等協助。這些能力對於需要安全有效地擴展AI業務的醫療系統至關重要。
此外，這些服務有助於供應商準備用於聯邦學習等技術的數據。這種方法允許AI模型在醫院內儲存的病患數據上進行訓練，同時在機構間共享見解，而不會洩露敏感記錄。作者寫道：「聯邦學習不僅僅是一種技術解決方案，它還是從碎片化到集體洞察的橋樑。」對於醫療保健供應商而言，要搭建這座橋樑，可能需要結合臨床專業知識、技術整合和可擴展的營運支援的合作夥伴關係。
作者警告，若不解決AI背後的數據基礎問題，美國可能會錯失一個轉變醫療保健的重要機會。「若不將醫療保健系統從自身數據中學習的方式現代化，美國恐將錯失現代醫療保健領域最重大的機會之一，」作者總結道。
