这份白皮书探讨了生成式人工智能在中低收入国家医疗保健领域的应用，特别是生成式人工智能在促进健康相关行为改变方面的潜力和挑战。 报告基于对生成式人工智能加速器项目的分析、专家访谈和问卷调查，并结合五个案例研究，对生成式人工智能在中低收入国家医疗保健中的应用现状、机遇、风险和最佳实践进行了全面的分析。
研究背景和动机:
中低收入国家面临着严重的医疗保健挑战，包括医疗资源匮乏、医疗服务可及性差以及健康相关行为难以改变等。生成式人工智能，特别是大语言模型(LLM)，具有处理海量数据、个性化信息传递和进行多语言沟通的能力，为解决这些挑战提供了新的途径。 然而，生成式人工智能技术在中低收入国家的应用也面临着诸多挑战，例如数字鸿沟、数据隐私、模型偏差以及缺乏针对中低收入国家语境和需求的评估框架等。本研究旨在评估生成式人工智能在中低收入国家医疗保健中的应用现状，识别其潜力和风险，并提出相应的建议。
研究方法:
研究团队采用多种研究方法，包括：
●范围界定分析: 分析了14个生成式人工智能加速器项目资助的279个项目，涵盖了中低收入国家的各种医疗保健领域和应用场景。这些项目按使用案例（面向消费者、面向医生或医疗机构和系统级）和健康领域（传染病、非传染病、伤害相关疾病、孕产妇和儿童健康、性与生殖健康、精神健康、环境健康和医疗机构效率提升）进行了分类。
●问卷调查: 对145位来自研究、资助和实施领域的专业人士进行了问卷调查，了解他们对生成式人工智能在中低收入国家医疗保健中的优先使用案例、关键因素和障碍的看法。
●深度访谈: 对生成式人工智能和数字健康领域的24位专家进行了深度访谈，收集了来自学术界、资助机构、实施者和医疗机构负责人的观点。
●案例研究: 对五个生成式人工智能项目进行了深入的案例分析，重点关注其在中低收入国家中促进健康相关行为改变方面的应用。
研究结果:
研究发现，生成式人工智能在中低收入国家医疗保健中的应用主要集中在以下几个方面：
●面向消费者: 个性化健康咨询（例如，艾滋病毒检测、性和生殖健康）、健康教育和宣传。
●面向医务人员: 改进医护人员与患者的沟通、临床决策支持、疾病预测和风险建模。
●系统级: 公共卫生监测、远程医疗、工作流程优化和医疗体系效率提升、医学科研支持。
虽然许多项目处于试点阶段，但一些项目已经达到了数万甚至数百万的月活跃用户。然而，截至2024年底，只有少数生成式人工智能应用在中低收入国家的健康相关行为改变方面实现了大规模部署(月活跃用户超过10万)。
问卷调查结果显示，受访者认为生成式人工智能在中低收入国家医疗保健中的优先应用领域包括：健康教育和宣传、临床决策支持以及健康相关行为改变。主要的障碍包括：大语言模型缺乏对当地语言的支持、缺乏必要的数字基础设施、对生成式人工智能输出准确性的担忧以及数字素养不足等。成功的关键因素包括：医护人员的培训、技术基础设施、数据安全和隐私保护以及文化可接受性。
框架、原则和建议:
报告提出了一个框架，指导生成式人工智能在中低收入国家医疗保健中的应用，并强调了四个关键原则：以用户为中心的设计、制定和实施评估框架、平衡安全性和潜在益处以及促进协作、透明度和知识共享。同时，也指出了四个关键风险：模型不准确性、成本和环境影响、数据安全和隐私以及训练数据的局限性。
报告提出了多项建议，包括：
●以用户为中心的设计: 生成式人工智能解决方案必须满足最终用户的需求，并与当地文化背景相适应。
●稳健的错误防护措施: 需要制定可接受的错误率，并采取措施（如检索增强生成技术）来提高输出的准确性，并进行人工监督。
●可操作的衡量方法: 需要建立标准化的评估框架，以衡量生成式人工智能干预措施的效益、成本和风险，并及时提供数据以指导决策。
●改进数字化和基本医疗基础设施: 需要加大对基础医疗卫生系统和数字基础设施的投资，以确保生成式人工智能工具的公平部署。
●改进语言和本地化: 需要开发高质量的当地语言数据集，并建立标准化的模型性能评估指标。
●加强技术能力和共享基础设施: 需要集中技术资源和专业知识，以支持资助者、医疗机构负责人和实施者。
●当地利益相关各方和政府的支持: 需要与当地组织和政府机构合作，确保生成式人工智能工具与当地医疗卫生政策和服务体系相协调。
案例研究:
报告提供了五个案例分析，这些案例展示了生成式人工智能在促进健康相关行为改变方面的潜力和挑战，并提供了宝贵的实践经验。案例研究涵盖了不同的应用场景、技术方法和评估指标，并探讨了如何平衡生成式人工智能的益处和风险。
结论:
生成式人工智能在中低收入国家医疗保健领域具有巨大的潜力，但要实现这一潜力，需要来自整个生态系统（包括资助者、实施者、研究人员和政策制定者）的持续合作、投资和战略行动。未来需要加强生成式人工智能在健康领域的投资论证，建立标准化的测量框架，加强技术能力建设，解决数字鸿沟问题，并关注伦理和社会公平问题。通过解决这些挑战，生成式人工智能可以为全球的医疗保健带来创新、有效和公平的解决方案。
