> **来源：[研报客](https://pc.yanbaoke.cn)** # 扩大健康领域的人工智能应用总结 ## 核心内容 本报告由经合组织（OECD）发布，旨在推动人工智能在健康领域的负责任、可扩展应用。报告强调，尽管AI在医疗系统中已广泛应用，但其规模化仍面临诸多挑战，包括数据治理、政策一致性、信任建立、伦理考量以及跨部门协作。通过制定一份政策清单，OECD希望为各国提供指导，以确保AI在健康领域的应用既有效又安全，并能够惠及所有人。 ## 主要观点 - **AI在医疗领域的潜力巨大**，但其实际应用仍处于早期阶段，主要集中在医学影像和自动化行政任务上。 - **AI的负责任扩展**是实现其最大效益的关键，需在市场力量、健康文化与覆盖范围之间取得平衡。 - **数据治理**是AI健康应用的基础，需确保数据的可查找性、可访问性、互操作性和可重用性（FAIR原则）。 - **伦理和透明度**是AI在医疗领域应用的核心，需在设计、部署、使用和管理过程中融入伦理考量。 - **信任建立**是AI规模化的重要前提，需通过公众参与、透明沟通、教育和政策一致性来实现。 - **国际合作**对于统一标准、减少碎片化和促进AI在健康领域的可扩展性至关重要。 ## 关键信息 ### 一、健康领域AI的挑战 - **数据碎片化**：各国在数据使用、隐私保护和安全方面存在差异，影响AI的跨系统应用。 - **政策不一致**：缺乏统一的AI治理框架，阻碍了AI在健康领域的标准化和规模化。 - **伦理与法律差异**：各国在AI伦理、生物伦理及法律框架上存在分歧，影响AI解决方案的全球部署。 - **信任缺失**：公众和医疗工作者对AI解决方案的接受度不一，影响其应用效果和推广速度。 ### 二、健康AI政策清单的四大支柱 1. **赋能者（Enablers）** - 支持AI在健康领域的数据使用和保护，确保数据的可发现性、可访问性、互操作性和质量。 - 建立模型卡和评估框架，以增强AI解决方案的透明度和可解释性。 - 推动AI采购和使用流程的标准化，以确保AI的合规性与效率。 2. **护栏（Guardrails）** - 确保AI解决方案在部署和使用过程中安全、可靠，并有适当的监督和评估机制。 - 建立AI生命周期中的责任机制，确保各利益相关方的明确角色和问责。 3. **参与（Engagement）** - 鼓励公众、医疗工作者和行业参与AI解决方案的设计、部署和评估。 - 通过教育和透明沟通，提高公众对AI的信任与接受度。 - 确保AI解决方案的公平性和包容性，特别是对原住民等群体。 4. **可信度（Trustworthiness）** - 伦理和生物伦理原则应贯穿AI解决方案的整个生命周期。 - 建立伦理影响评估机制，确保AI解决方案符合社会价值观和法律框架。 - 鼓励各国制定AI伦理治理机制，如新西兰的国家AI与算法专家咨询小组。 ### 三、各国进展与实践 - **数据治理**：部分国家已建立健康数据管理机构（如欧洲），以促进数据的共享与安全使用。 - **监管与沙盒**：一些国家正在探索监管沙盒机制，以加速AI在健康领域的创新和合规性。 - **能力与能力建设**：多个国家正在推动医疗工作者和公众的AI培训与能力提升，如英国和芬兰。 - **伦理与透明度**：韩国、新西兰等国家正在将伦理考量纳入国家AI治理框架。 ### 四、政策清单内容 政策清单围绕以下九个关键领域展开： 1. **健康数据的使用与保护** 2. **AI解决方案的风险管理与评估** 3. **AI的采购与审批流程** 4. **AI的公平性与可解释性** 5. **AI的伦理与生物伦理考量** 6. **AI的临床采用与信任建立** 7. **AI的能源使用与环境影响** 8. **AI的治理与责任分配** 9. **AI的跨境合作与兼容性** ### 五、未来方向 - **加强数据治理与共享**：通过国际合作和标准化，提升数据的可用性和互操作性。 - **推动伦理与透明机制**：各国需在AI治理中明确伦理框架，确保其符合全球标准。 - **促进公众和医疗工作者的参与**：通过教育和协作，提高AI解决方案的接受度和公平性。 - **推动政策一致性**：制定跨境兼容的政策框架，以支持AI的快速、安全扩展。 ## 附件与参考资料 - **附件A**：列出OECD人工智能在健康领域专家小组成员。 - **参考文献**：包括OECD的AI原则、健康数据治理建议、GDHP和CHAI的指南，以及相关研究和案例。 ## 总结 本报告为OECD成员国提供了系统性的政策指导，以实现AI在健康领域的负责任、可扩展应用。通过强化数据治理、推动伦理与透明度、促进公众和医疗工作者的参与以及加强国际合作，各国可以更好地利用AI提升医疗质量、效率和公平性。政策清单的制定有助于识别盲点、优化实施流程，并确保AI在医疗领域的应用符合社会期望和法律要求。