北国医疗保健中心（North Country HealthCare）是其所服务部分地区中“唯一的医疗服务提供者”，该联邦合格健康中心的医疗质量与人群健康医务官詹妮弗·科尔特斯（Jennifer Cortes）博士表示。该机构运营着13家初级保健诊所和两个流动医疗单元，为亚利桑那州北部农村的5.5万人提供医疗服务。

科尔特斯指出，部分社区地处偏远，患者可能需要花费数小时才能获得专科护理，这使得招募医务人员成为一大挑战。

这正是人工智能可能发挥作用的领域之一。采用AI记录员（通常记录医患对话并起草临床文档）可以减轻临床医生的行政工作负担，并有助于降低职业倦怠，她表示。

“当ChatGPT刚出现时，我想，‘天哪，这可能让我们这些从事这一领域的人的工作变得好很多，’”科尔特斯说，“我只是希望我的工作不要总是那么艰难。如果这能奏效，那就太棒了。”

但对安全网医疗机构而言，开展AI项目并非易事。专家表示，该技术的实施需要大量人力，并要求具备技术专长和监管能力，而许多机构可能难以轻易获得这些资源。

如果资源最匮乏的医疗系统（往往负责病情最复杂的患者）无法实现AI的益处，它们可能进一步落后于规模更大或更富裕的医疗机构。

“如果你看看目前积极部署AI的医疗系统，那些有能力负担的机构正在更积极地推进，”健康AI联盟（Coalition for Health AI）首席执行官布莱恩·安德森（Brian Anderson）表示。该行业组织正在制定医疗领域负责任AI使用的指南。“例如，那些位于农村社区、缺乏IT人员来部署和配置各类AI工具的机构，则无法做到这一点。这就是数字鸿沟在AI领域已经被加剧的一个例子。”

“大量人力投入”

专家指出，在医疗系统中采用AI产品可能需要专门的人力和技术资源来安全实施，这对资金紧张的安全网医疗机构构成了重大障碍。

“人们倾向于把它说得像打开电灯开关一样简单，”明尼苏达大学公共卫生学院助理教授佩奇·农（Paige Nong）表示，“但实际上并非如此。这些工具和系统需要大量的人力投入。”

安全网医疗机构很可能利润率微薄，因为它们更依赖医疗补助计划（Medicaid）——随着该保险计划面临联邦资金削减，这一挑战日益严峻——并且承担更高的无补偿医疗需求。

例如，根据健康政策研究机构KFF的数据，为弱势群体提供初级保健的社区健康中心，2023年的净利率仅为1.6%。这一数字较2022年的4.5%有所下降，原因是通货膨胀和疫情期间资金的到期。

许多社区健康中心还面临劳动力问题。根据联邦基金（Commonwealth Fund）的数据，去年超过70%的社区健康中心报告存在初级保健医生、护士或心理健康专业人员短缺。与此同时，劳动力成本对许多医疗机构来说是一项重大开支。

而实施AI需要大量管理工作。例如，医疗系统需要建立AI治理结构，以评估产品的安全性和有效性，并保持监管和法律合规。此外，专家表示，医疗机构应持续监控其AI工具，因为模型背后的假设（如患者特征）可能随时间变化，从而可能导致性能下降。

“手术刀生锈时很明显，你知道需要更换或清洁它，”CHAI的安德森说，“但对于许多AI工具，我们不一定知道这一点。因此，医疗系统如何承担长期监控和管理这些模型的成本，是一个真正令人担忧的问题。”

技术支持

此外，专家表示，医疗机构需要具备技术专长的IT人员来处理采用AI工具所需的工作，这对资金紧张和农村设施来说尤其具有挑战性，因为它们可能难以吸引人才。

例如，许多安全网医疗机构没有数据科学家，杜克健康创新研究所的人群健康与数据科学负责人马克·森达克（Mark Sendak）表示。他补充说，这些护理环境可能也不适合雇佣他们，因为这类人员可能要求高薪，却无法从患者护理中产生收入。

财务挑战也可能使投资于采用AI工具所需的IT基础设施变得困难，健康IT提供商和咨询公司OCHIN的首席对外事务官詹妮弗·斯托尔（Jennifer Stoll）表示。

“社区健康组织面临的挑战更加复杂，因为许多组织别无选择，只能依赖过时、低效的技术系统，”她通过电子邮件表示，“这些过时的系统不仅无法获得更好的选择，有些甚至无法集成AI工具——这只会加剧技术鸿沟。”

与此同时，AI可能排在IT团队待办事项清单的底部。例如，在北国医疗保健中心，诊所的Wi-Fi并不总是运行良好。而且其遗留的电子健康记录系统将在几年内不再获得供应商支持，因此该机构必须过渡到新系统。

“我们连基础的东西都缺失，”科尔特斯说，“即使不谈AI，我们也已经落后了。”

错失AI机遇

专家表示，这些限制可能已经影响了低资源医疗机构实施AI的方式。

例如，今年早些时候发表在《Health Affairs》上的一项研究发现，61%使用预测性AI模型的美国医院使用自己的数据评估了模型的准确性，而只有44%的医院对工具进行了本地偏差评估——这是帮助医疗系统确定工具是否适用于其患者群体的重要过程。

开发自有预测模型、报告高运营利润率并隶属于医疗系统的医院更有可能对其AI产品进行本地评估。

“你有资源，有IT人员，有数据科学家可以设计模型或评估EHR供应商的模型，”明尼苏达大学的农（该研究的作者之一）说，“资源是能够持续进行评估并设计定制模型的关键必要组成部分。”

专家表示，如果没有援助，缺乏资金和技术能力实施AI的医疗机构可能会错失该技术的潜在益处，或者在缺乏必要保障的情况下采用AI。这可能扩大高资源和低资源医疗机构及其患者之间现有的差距。

例如，森达克表示，招聘和留住员工对安全网环境来说已经是一个挑战。当一位刚从住院医师培训毕业的新医生寻找初级保健工作时，他们会选择一家能提供AI文档助手（可能有助于缓解职业倦怠）的医疗系统，还是一家无法实施该技术的诊所？

此外，CHAI的安德森表示，将AI应用限制在最富有的医疗机构可能会强化这些工具中无意包含的偏见。如果用于训练算法的数据仍然只容易从沿海城市、高教育水平的社区收集，AI工具将错过从其他群体收集的信息。

“我认为我们作为社会的责任是确保我们尽可能让这变得容易，这样我们就能拥有既能为阿巴拉契亚农村或堪萨斯农场社区的个人服务，也能为旧金山或波士顿的人们服务的AI，”他说。

寻求帮助

尽管如此，专家表示，仍有一些方法可以帮助小型和低资源医疗机构采用AI产品——包括用于其他新兴技术的指导和支持模式。

例如，2009年颁布的《HITECH法案》旨在促进电子健康记录的使用，其中包括对区域推广中心（Regional Extension Centers）的资助，这些中心为小型初级保健诊所、社区健康中心和关键接入医院提供现场技术支持。

同样，卫生资源与服务管理局（HRSA）资助了远程健康资源中心（Telehealth Resource Centers），该中心由12个区域中心和2个国家中心组成，为希望实施远程医疗的医疗机构提供教育和资源。

农表示，EHR供应商也可以发挥作用。在她发表在《Health Affairs》上的研究中，近80%的医院使用通过其EHR开发商获得的预测模型，因此这可能是帮助医疗机构安全部署模型的一个有效切入点。

大型医疗系统和学术医疗中心也可以帮助规模较小、资源匮乏的同行。健康AI合作伙伴关系（Health AI Partnership）是一个包括杜克健康（Duke Health）和梅奥诊所（Mayo Clinic）等医疗系统的联盟，其运行着实践网络（Practice Network），该网络通过一对一支持与安全网机构合作，采用AI最佳实践。

北国医疗保健中心是该网络的首批参与者之一。该项目为安全网组织提供技术支持，帮助它们完成AI采购、评估和实施，杜克大学的森达克（担任HAIP领导委员会成员）表示。

不过，他补充说，实践网络目前与五家安全网机构合作，而全国有数百家联邦合格健康中心可能需要支持。

“关于医疗AI的讨论与许多实际提供医疗服务的人的能力之间存在巨大差距，”北国医疗保健中心的科尔特斯说，“当他们谈论所有这些投入AI的巨额投资时，很好，这令人兴奋，但他们如何也将我们带进来呢？”