人工智能（AI）已经成为改善医疗保健成果的强大工具。不仅彻底改变了个别患者的诊断和治疗方式，而且现在它也有潜力应对更广泛的公共卫生问题。
医疗机构越来越多地探索AI处理社会健康不平等的能力。这些决定因素，如经济稳定、教育获取、社区环境和社区关系在塑造个体健康结果方面起着重要作用。
通过利用AI，医疗机构可以分析大量数据，包括医生笔记和健康记录中的非结构化信息，以识别和解决影响健康结果的非医疗因素。将索赔数据与社会健康决定因素相结合的预测模型已经显示出在改善风险分层和为有风险人群提供有针对性干预方面的潜力。
### 什么是健康不平等？
健康差距是指不同人口统计学信息之间的健康结果差异，当这些差异是由系统性社会条件，如贫困和种族主义所驱动时，就形成了健康不平等。这些不平等可以映射到影响人们生活和衰老方式的各种社会健康决定因素上。
### 为什么筛查社会健康决定因素重要？
筛查社会健康决定因素使医疗保健提供者和机构能够识别造成患者健康问题的隐藏因素。通过了解这些社会决定因素，医疗提供者可以为满足特定需求定制护理方案，将患者与适当的社会服务联系起来，解决未满足的社会需求。成功倡议的例子包括医疗搭车项目为患者提供接送服务，以及在重度污染区提供免费HEPA过滤器。
### AI如何帮助？
AI模型是数学框架或算法，使计算机能够根据持续处理的数据执行复杂任务并做出决策。研究表明，AI模型可以有效地从基于文本的医生笔记中定位和组织社会健康决定因素的数据，超越了医生国际疾病分类（ICD）代码的捕捉能力。
AI模型还用于开发从各种来源（包括社会健康决定因素）获取数据的风险分层模型，以识别处于最高住院风险的患者。这种早期识别有助于有效配置护理管理资源。
### 是否存在风险？
虽然AI具有巨大潜力，但需要解决的风险和挑战也很大。其中一个主要关注点是AI算法中的人类偏见存在的情况。必须注意确保这些可能强化种族主义和阶级主义的偏见不会在医疗保健环境中得到加强。采取伦理程序和政策，包括就数据使用征得患者明确同意，有助于减轻这些偏见。
对AI技术的接入也是一个关键问题。低收入人群，无论是在美国还是全球范围内，很可能从AI模型中获益，但可能无法接触到它们。实施和维护成本以及技术基础设施要求可能对资金不足的医疗机构构成障碍。降低成本同时保持效果的创新对于确保公平获取AI医疗保健技术是必不可少的。
此外，AI模型必须是适应性的，能够考虑到地区、年龄、性别和医疗史的差异。在编程和培训阶段纳入多样化数据可以帮助解决数据转移风险，并提高模型在各种人群中的适用性。
总之，AI有潜力通过解决健康不平等问题和改善公共卫生成果来改变医疗保健。然而，必须要认识到与偏见、获取障碍和数据限制相关的风险，并加以处理，以确保AI惠及所有人，无论其社会经济地位或所在地点如何。
来源:
– U.S. Department of Health and Human Services, Office of Disease Prevention and Health Promotion
### 常见问题解答
#### 1. 什么是社会健康决定因素（SDOH）？
社会健康决定因素是指那些非医疗因素，包括经济稳定、教育获取、社区环境和社区关系等，它们对一个人的健康结果产生重要影响。
#### 2. AI模型如何有助于改善健康结果？
AI模型通过分析大数据，特别是来自医生笔记和健康记录的非结构化信息，能够帮助医疗机构识别和解决影响患者健康的隐性因素，从而改善风险分层和为有风险人群提供定向干预。
#### 3. AI技术在医疗保健中存在哪些风险？
AI技术存在人类偏见、获取障碍和数据限制等风险和挑战。重要的是要采取适当的措施来消除这些障碍，以确保AI技术的公平使用和效果。
这篇文章在探索医疗保健中AI的作用时提供了新的视角和深刻见解，希望能带给读者新的启发。
The source of the article is from the blog procarsrl.com.ar