学习健康系统为人工智能在健康领域的安全着陆提供了一条滑翔路径

科学领域:

• 医疗保健信息学 医疗保健信息学
• 人工智能在医学中的应用
• 卫生系统科学 卫生系统科学

背景情况:

• 人工智能 (AI) 在医疗保健方面显示出巨大的潜力,但在临床整合方面面临挑战.
• 当前的人工智能部署模式往往缺乏在复杂的医疗保健环境中持续适应性使用的基础设施.

研究的目的:

• 提出学习健康系统 (LHS) 作为安全和可持续地将AI整合到医疗保健中的社会技术框架.
• 概述LHS如何应对人工智能实施中的关键挑战,包括概括性,工作流集成和道德考虑.

主要方法:

• 基于国际研讨会 (2025) 的见解的概念框架开发.
• 在AI部署的背景下分析LHS原则 (共同创作,现实世界的评估,持续学习,治理).
• 讨论将人工智能开发与LHS框架协调的实际步骤.

主要成果:

• 通过使代开发,监控和重新校准成为可能,LHS为人工智能集成提供了一个"滑行路径".
• LHS 嵌入了人工智能治理的基本功能,包括问责制,数据来源和遵守 FAIR 原则.
• LHS促进了"人与人"的安全机制,并促进了围绕人工智能工具的持续学习文化.

结论:

• 将AI整合到LHS中将实施转化为持续的,基于证据的学习过程.
• 这种方法使人工智能创新与临床现实保持一致,增强患者护理,健康公平和系统弹性.
• LHS为人工智能在医疗保健中的未来提供了一个战略愿景,确保负责任和有效的采用.