《全科醫學服務中的人工智能：務實的、謹慎的、樂觀的觀點》摘譯

【關鍵詞】 人工智能；全科醫學；英國；醫療服務

◆ 務實的觀點

過去一年，人工智能（artificial intelligence，AI）突飛猛進地發展，人們既興奮又發愁。全科醫生對這種“闖入者”并不特別的陌生，畢竟“谷歌醫生”已經在全科診室存在了20多年。不過醫生可能想知道AI的最新發展將如何影響他們及其病人。

AI的開發者通常是醫學外行人，但他們特別關注AI在醫療保健領域的潛在應用前景。在醫療衛生技術人員日趨缺乏的當下，他們暗示“以AI替換醫生”的愿景似乎并不遙遠。這的確讓人興奮不已，因為AI開發者宣稱他們可以為“無力支付醫療費用的人提供AI的醫療顧問”。政府也在饒有興致地揣摩AI的助攻能力，是不是能通過數據和AI技術，讓政府雇用更少的醫療保健專業人員，并同時給廣大民眾提供更公平的醫療服務？

早在50多年前，英國全科醫生朱利安·哈特（Julian Hart），根據與理查德·多爾（Richard Doll）和阿奇·科克倫（Archie Cochrane）共同完成的流行病學研究，提出了著名的“反向服務定律”——優質醫療和社會服務的可獲得性往往與服務人群的需求成反比。AI的發展很可能進一步地證實這個定律的存在。目前AI的學習材料和過程通常缺乏對社會背景的考量，因此有可能忽視服務不足群體（弱勢群體、少數群體）的需求。

在全科醫生看來，高質量的全科醫學服務顯然很難通過自動化/計算機化來提供。全科醫學服務中的人文主義、溝通互動、倫理道德、公平無偏、社區歸屬、情感連接、同理關懷等，需要真實的人的情商和智能。正如愛因斯坦所說，可以運算的并非都是重要的，重要的事情可能是無法運算的。然而，AI科技行業不太可能完全意識到這一點，他們甚至以AI可以取代醫生服務為業內榮耀（類似于蘿卜快跑替換網約出租）。

我們已經到了一個關鍵時刻，醫療服務專業人員應該帶頭討論AI并提出建議。AI應該是醫學和健康服務的支持手段，而不是相反。AI不是全科醫生的競爭者，而是讓AI更像全科醫生的助手。醫護人員應該告訴AI開發者，好的醫療服務可以而且應該是什么樣子。

AI取決于巨大的算力和龐大的數據。在后疫情時代，我們每天都能感受到COVID-19對健康的影響，特別是這次疫情推動了數字醫療及應用程序的迅速發展。在疫情高峰期推動決策的那些數據驅動方法，已融入到當下的醫療服務中，在許多情況下為人們帶來了便利并改善了醫療服務。不過我們也注意到，這些數字醫療服務也存在設計選擇不當和數據缺口問題，可能會造成或加劇病人使用服務的不平等。

數字和AI技術可以實現諸如越來越準確的風險評分和精準醫療等可能性。但是同時，數字和AI技術也帶來了道德和經濟挑戰。例如，AI在基因組預測和精準醫療方面有潛在用途，這些用途本身并不涉及提供醫療服務，但可能需要新的臨床基礎設施才能實現更多好處。數字和AI可能會產生新的健康狀態的觀察結果，這些觀察可以在不知不覺中進行，病人或居民可能對此知之甚少，甚至一無所知，他們很有限地或根本不能提供知情同意。

我們還看到更多病人生成的數據（例如來自智能手表的數據），這改變了追蹤的方式，也改變了可跟蹤的內容。這改變了病人與機構之間的關系，將大型科技設計的數據產品帶入了診室。我們醫生不一定準備好了使用病人生成的這些數據，管理者也并不總是與病人建立足夠的信任，探討怎樣使用病人生成的數據。

目前，圍繞數字和AI技術的討論大多集中在生成式AI上（generative AI），它可以生成各種各樣的輸出，例如圖像、視頻、音頻或文本。在醫學領域，尤其大語言模型（LLM），如果設計合理和使用得當的話，LLM可能為醫療服務專業人員帶來實際好處。LLM是一種基于文本數據訓練的生成式AI，可以對輸入或提示生成自然語言響應。著名的例子包括Open AI的Chat GPT-4和谷歌的PaLM-E等工具。LLM非常擅長根據提示生成流暢的文本，它們可用于協助標準化任務，例如生成信件或總結現有的醫療記錄。

◆ 謹慎的觀點

然而，數字和AI新技術仍然受制于數據來源、數據質量和基礎設施等方面的“老”問題。而且它們還能制造出具有自身問題的新的“麻煩”數據。特別是LLM，它通常接受大量來自互聯網的文本訓練，雖然LLM輸出的文本可能非常流暢且令人信服，但LLM并不“知曉事理”，如果訓練它的數據有偏見和誤解或失德，那么它制造出來的漂亮文本也會美妙地呈現出錯誤，以及缺乏倫理道德的表達。我們都知道，互聯網上魚龍混雜，良莠不齊，在優質醫學信息傳播的同時，也充斥了大量偽醫學、假醫生、錯誤信息、偏見和誤解，甚至無中生有的編造。通過這些“學習材料”的訓練而生成的“醫學”建議和診斷，我們需要謹慎使用，因為醫療服務環境是高風險的、需要高度信任的、依據嚴謹科學證據的。

在全科醫學診所，病人可能會拿著ChatGPT等工具生成的診斷，來找全科醫生看病。在全科首診的地方，全科醫生可能是最先看到病人用ChatGPT生成醫學報告的第一人。此類工具會正式警告不要用其生成的文本當作醫療建議。不過全科醫生要意識到AI可以生成流暢的文本，但漂亮的文本并非可信和有說服力，警惕它可能包含的潛在偏見或錯誤。

全科醫生給病人提供數字健康素養教育，在與病人交流時，承認AI可以給病人提供的支持，并有即時的參與感，同時要告訴病人保持警惕，讓病人了解源數據的局限性，并理解AI的輸出可取和不可取的地方。雖然AI模型可以針對特定目的進行“微調”，或者在回答問題時指出引用的特定來源，但AI可能以“天然智能”不會（或至少不應該）的方式提供虛假信息，或制造幻覺。

◆ 樂觀的觀點

理想狀態下，從長期的愿景看，AI技術將增強全科醫生的服務。數字和AI技術將支持對病人基本觀察結果和重要數據的整合，并將其與最新的疾病治療證據、實際的實時證據聯系起來。數字和AI技術還將生成處方、提供病人教育信息資源、設計服務路徑，以及安排臨床輔助檢查。這會讓全科醫生有更多時間與病人相處，提供更連續的護理，使醫生與病人之間的互動更加有意義和有效，為看診過程中身體、心理、社會和精神因素的微妙、敏感的相互作用留出空間。此外，至關重要的是，對于那些無法與AI技術互動，或可能需要更密集的真人互動的人來說，醫生將有更多時間和能力為他們提供所需的個性化關注和支持。

要實現這一目標，我們還有很長的路要走。不過，由數字和AI技術支持的更高質量的全科醫學服務是完全有可能實現的。要實現這一目標，顯然需要先邁出第一步。在技術方面，我們已經反復地得到教訓：我們首先要充分了解要解決的問題，而不是把新技術視為靈丹妙藥。AI本身并不解決公平問題。

對于醫療數字和AI技術，可能要從更簡單的問題入手，比如那些不依賴臨床數據的，或者對病人影響不大的文書工作。讓醫護擺脫文書工作，以便讓醫護人員能騰出更多時間與病人溝通互動，還可以讓全科醫生和團隊致力于了解和滿足不同人群的需求和服務。從這個角度看，數字和AI技術是可以助力全科醫學服務的，它能幫助醫護回歸到與更多真實的人（而非與電腦和文書）的關系階段，這對于實現高效的、安全的、可及的全科醫學服務愿景是至關重要的。全科醫學的愿景是公平和公正地分配醫療資源和健康收益，而不是擴大“反向服務定律”。為了實現這一目標，全科醫生要對新技術進行微妙地調整，以糾正數字和AI帶來的潛在偏差。

當AI還不能療愈“垃圾進、垃圾出”的痼疾時，關鍵的還是要清潔、修復和維護高質量的醫學信息。建設良好的數據基礎設施、持續關注數據質量和完整性，對數字無法捕獲的必要內容的采集，都是新信息技術有效支持全科醫學服務的必不可少的基礎，沒有這些，其余的事情就無法實現。

除此之外，還有許多懸而未決的問題和值得關注的領域。只要有適當的資源和醫療服務的正確領導，就可以讓數字和AI發揮真正的潛力，改善醫療服務工作，也改善醫護人員的工作和生活滿意程度。

（摘自：STOKES-LAMPARD H，MACHIRORI M，BENNETT F. AI in general practice：a tale of pragmatism，caution，and optimism［J］. Br J Gen Pract，2024，74（744）：295-296. DOI：10.3399/bjgp24X738525.）

（摘譯：楊輝，澳大利亞Monash 大學）