该联邦合格健康中心的质量与人群健康医疗官詹妮弗·科尔特斯博士表示，在其服务的部分区域，North Country HealthCare 是当地提供医疗服务的“唯一选择”。该机构运营着13家初级保健诊所和两个移动单元，为亚利桑那州北部农村地区的5.5万人提供医疗服务。

科尔特斯表示，一些社区非常偏远——这意味着患者可能不得不长途跋涉数小时才能获得专科医疗服务——这使得招募医疗人员成为一项挑战。

这正是人工智能可以发挥作用的领域之一。采用AI记录助手——该工具通常记录医护人员与患者的对话并起草临床文档——可以减轻临床医生的一部分行政工作负担，并 减少职业倦怠，她说道。

“ChatGPT刚问世时，我的反应是，‘天哪，这可能会让我们这个领域的工作者日子好过很多，’”科尔特斯说。“我只是希望我的工作不要一直这么艰难。如果这能奏效，那就太好了。”

但对安全网医疗机构而言，开展AI项目并非易事。专家表示，这项技术的实施可能耗费大量人力，需要技术专长和监督管理能力，而许多机构不太可能轻易具备这些条件。

而如果资源最匮乏的医疗系统——它们往往照护的是病情最复杂的患者——无法实现AI的效益，它们可能会进一步落后于规模更大或更富裕的医疗机构。

“如果你看看目前正在积极部署AI的那些医疗系统，能够负担得起的机构正是那些更积极追求AI的机构，”健康AI联盟（Coalition for Health AI）首席执行官布莱恩·安德森表示。该行业组织正在制定医疗领域负责任使用AI的指南。“例如，那些位于农村社区、没有IT人员来部署和配置各类AI工具的机构就无法做到这一点。这就是数字鸿沟在AI领域已然加剧的一个例证。”

“大量人力投入”

专家表示，医疗系统采用AI产品可能需要专业人力和技术资源才能安全实施，这给资金紧张的安全网医疗机构造成了重大障碍。

“人们倾向于把它说得或者想得像是你按一下开关就行，”明尼苏达大学公共卫生学院助理教授佩奇·农表示。“实际上并没有那么简单。这些工具和系统需要大量人力投入。”

安全网医疗机构的利润率可能很低，因为它们 更依赖医疗补助 ——随着该保险计划 面临联邦资金削减 ——以及更高的无偿医疗需求，这构成了紧迫的挑战。

例如，为弱势群体提供初级保健服务的社区卫生中心，其2023年的净利润率仅为 1.6%，据健康政策研究机构KFF的数据。这一数字低于2022年的4.5%，原因是通货膨胀和疫情时期资金的到期。

许多社区卫生中心还面临劳动力方面的担忧，据联邦基金（Commonwealth Fund）的数据，去年有 超过70%报告称 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， 劳动力成本是许多医疗机构的一项重大开支 。

而且实施AI需要大量管理工作。例如，医疗系统需要建立 AI治理架构 ，以评估产品的安全性和有效性，并维持监管和法律合规。此外，医疗机构 应持续监测其AI工具，因为专家表示，模型背后的假设（如患者特征）可能随时间变化，从而可能降低其性能。

“手术刀生锈了很明显，你知道需要更换或清洁它，”健康AI联盟的安德森说。“而对于许多AI工具，我们还不一定知道这一点。因此，医疗系统如何负担得起对这些模型进行长期监测和管理，是一个真正的担忧。”

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，这对于资金紧张且可能难以吸引人才的农村机构来说尤其具有挑战性。

例如，杜克健康创新研究所人群健康与数据科学负责人马克·森达克表示，许多安全网医疗机构没有专职的数据科学家。他补充说，考虑到这类人员薪资高昂且不直接通过患者护理创造收入，其中一些医疗机构雇用他们可能也并不合理。

健康IT提供商兼咨询公司OCHIN的首席对外事务官詹妮弗·斯托尔表示，财务挑战也可能使机构难以投资于采用AI工具所需的IT基础设施。

“社区卫生组织面临的挑战雪上加霜的是，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是它们唯一能获得的，而且有些甚至无法集成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最末尾。例如，在North Country，诊所的Wi-Fi并不总是稳定。而且其遗留电子健康记录系统几年后将不再获得供应商支持，因此该机构将不得不迁移到新系统。

“我们连基础的东西都缺，”科尔特斯说。“即使不谈AI，我们也落后了。”

错失AI机遇

专家表示，这些限制很可能已经在影响低资源医疗机构实施AI的方式。

例如，一项 今年早些时候发表在《Health Affairs》上的研究 发现，在使用预测性AI模型的美国医院中，61%的医院使用自身数据评估了模型的准确性，而仅有44%的医院对工具进行了本地偏见评估——这是帮助医疗系统判断工具是否在其患者群体中有效的重要流程。

自行开发预测模型、报告高营业利润率且隶属于某个医疗系统的医院，更有可能对其AI产品进行本地评估。

“你有资源，有IT人员，有一些数据科学家可以设计模型或评估来自电子健康记录供应商的模型，”该研究的作者之一、明尼苏达大学的农表示。“资源是能够真正持续开展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的医疗机构可能错失该技术的潜在效益，或者在没有必要保障措施的情况下采用AI。这可能会扩大高资源与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医疗机构来说已经是一项挑战。当刚完成住院医师培训的毕业生寻找初级保健工作时，他们是更愿意选择能提供AI文档助手——这有助于 缓解医护人员职业倦怠 ——的医疗系统，还是选择无法实施该工具的诊所？

此外，健康AI联盟的安德森表示，将AI的应用局限于资源最丰富的医疗机构，可能会强化这些工具中无意间包含的偏见。如果用于训练算法的数据仍然只能从沿海城市高教育水平的社区轻易收集，AI工具将错失从其他群体收集的信息。

“我认为，我们作为社会的职责是确保尽可能降低门槛，这样我们的AI才能同样好地服务于阿巴拉契亚农村地区或堪萨斯州农业社区的个体，就像服务于旧金山或波士顿的人一样，”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——包括已在其他新兴技术中使用过的导师指导和支持模式。

例如，2009年颁布的旨在推广电子健康记录使用的《HITECH法案》，包含了为 区域扩展中心提供资金，这些中心为 实地技术援助 小型初级保健诊所、社区卫生中心和关键接入医院。

同样，美国卫生资源与服务管理局资助了远程医疗资源中心，该网络由12个区域中心和2个国家中心组成，为希望实施虚拟护理的医疗机构提供教育和资源。

农表示，电子健康记录供应商也可以发挥作用。在她那项《Health Affairs》研究中，近80%的医院使用了通过其电子健康记录开发商获得的预测模型，因此她补充说，这可能是一个帮助医疗机构安全部署模型的有效切入点。

大型医疗系统和学术医疗中心也可以帮助规模较小、资源紧张的同行。 健康AI伙伴关系是一个包括杜克健康、梅奥诊所等医疗系统在内的联盟，运营着 实践网络，该支持与安全网机构在采纳 AI 最佳实践方面的设置配合，并提供一对一支持。

North Country 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、评估和实施工作，担任 HAIP 领导委员会成员的杜克大学 Sendak 表示。

尽管如此，实践网络目前仅与五家安全网服务提供方合作，而全美却有 数百家联邦认证健康中心 可能需要支持，他补充道。

“关于 AI 在医疗保健领域的所有讨论，与许多实际提供医疗保健服务的人在安全采纳和使用 AI 方面的能力之间，存在巨大差距，”North Country 的 Cortes 表示。“当他们谈论投入 AI 的所有这些巨额投资时，很好，这很令人兴奋，但他们又将如何把我们一并带上呢？”