对于其所服务的部分区域而言，North Country HealthCare是“唯一的医疗服务提供者”，该联邦合格医疗中心的质量与人群健康医务官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地区的5.5万人提供医疗服务。

Cortes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项挑战。

这正是人工智能可能发挥作用的领域之一。她表示，采用AI医疗记录员（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。

“当ChatGPT刚问世时，我心想，‘天哪，这可能会让我们这些从事这一领域的人的工作变得好得多，’”Cortes说。“我只是希望我的工作不要总是那么具有挑战性。如果这能奏效，那就太棒了。”

但对于安全网医疗机构而言，开展AI项目并非易事。专家表示，该技术的实施需要投入大量人力，且需要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（通常负责照护病情最复杂的患者）无法实现AI的益处，它们可能会进一步落后于规模更大或更富裕的医疗机构。

“如果你看看目前积极部署AI的医疗系统类型，那些能够负担得起的机构正是更积极推动AI应用的机构，”医疗保健AI联盟（一个制定医疗领域负责任AI使用指南的行业组织）首席执行官Brian Anderson表示。“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领域已被强化的一个例证。”

“大量人力投入”

专家称，在医疗系统中采用AI产品可能需要专业人力和技术资源才能安全实施，这为资金紧张的安全网医疗机构设置了重大障碍。

“人们倾向于把它说得或想象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Paige Nong说。“实际上并非如此。这些工具和系统需要大量的人力投入。”

鉴于安全网医疗机构对医疗补助计划的依赖程度更高（随着该保险计划面临联邦资金削减，这一挑战日益紧迫），且未获补偿的医疗服务需求更高，它们很可能以微薄利润运营。

例如，根据健康政策研究机构KFF的数据，为服务不足人群提供初级保健的社区健康中心2023年的净利润率仅为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。根据联邦基金的数据，去年超过70%的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而言是一项重大开支。

而实施AI将需要大量管理工作。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性。此外，专家表示，医疗机构应持续监控其AI工具，因为模型的底层假设（如患者特征）可能随时间变化，从而可能导致其性能下降。

“手术刀生锈时很明显，你知道需要更换或清洁它，”CHAI的Anderson说。“但对于许多AI工具，我们未必能及时发现。因此，医疗系统如何长期负担得起对这类模型的监控和管理，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，这对资金紧张且难以吸引人才的农村机构来说尤其具有挑战性。

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Mark Sendak说。他补充说，鉴于这些人员可能要求高薪且不直接通过患者护理创收，某些护理机构可能也不适合雇佣他们。

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提供商及咨询机构OCHIN的首席对外事务官Jennifer Stoll表示。

“使社区健康组织面临的挑战更加复杂的是，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他们唯一能获得的，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可能位于IT团队待办事项清单的底部。例如，在North Country，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，因此该机构将不得不迁移到新系统。

“我们连基础的东西都缺失，”Cortes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模型的美国医院已使用自己的数据对其准确性进行了评估，而只有44%的医院对工具进行了本地偏见评估——这是帮助医疗系统确定工具是否能在其患者群体中良好运行的重要过程。

开发自有预测模型、报告高营业利润率且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，有能设计模型或评估EHR供应商模型的数据科学家，”该研究的作者之一、明尼苏达大学的Nong说。“资源是能够持续开展评估以及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，Sendak说，招聘和留住员工对安全网环境来说已经是一项挑战。当一名刚毕业的住院医师寻找初级保健工作时，他们会更倾向于选择能提供AI文档助手（有助于缓解医生职业倦怠）的医疗系统，还是选择无法实施该技术的诊所？

此外，CHAI的Anderson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仅易于从沿海城市、高教育水平社区收集，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这一门槛，以便我们拥有的AI能够为阿巴拉契亚农村地区或堪萨斯州农业社区的个人提供服务，其效果不亚于为旧金山或波士顿的人们服务，”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——包括曾用于其他新兴技术的导师制和支持模式。

例如，2009年为促进电子健康记录使用而颁布的《HITECH法案》包括对区域推广中心的资助，这些中心为小型初级保健诊所、社区健康中心和关键准入医院提供实地技术支持。

同样，卫生资源与服务管理局资助了远程健康资源中心，该中心由12个区域中心和2个国家中心组成，为寻求实施虚拟护理的医疗机构提供教育和资源。

Nong表示，EHR供应商也应发挥作用。在她发表于《Health Affairs》的研究中，近80%的医院使用了通过其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有效切入点。

大型医疗系统和学术医疗中心也可以为规模较小、资源匮乏的同行提供帮助。健康AI合作伙伴关系（一个包括Duke Health和Mayo Clinic等医疗系统的联盟）运营着实操网络，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。

North Country是该网络的首批参与者之一。杜克大学的Sendak（他在HAIP领导委员会任职）表示，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。

尽管如此，他补充说，实操网络目前仅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。

“关于医疗领域AI的所有讨论，与许多实际提供医疗服务的人在采用和安全使用AI方面的能力之间，存在巨大差距，”North Country的Cortes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，但他们打算如何也把我们带上呢？”