Health equity in the age of intelligent transformation: new mechanisms of AI-driven inequality and an inclusive governance paradigm for population health
本研究通过分析中国31个省份（2010–2022年）的数据，旨在证明尽管医疗保健领域的人工智能可以提高人口健康公平性，但其积极影响以超过特定的公共治理能力阈值并缓解数字鸿沟为前提条件，从而需要一种以算法问责制和公共利益数据原则为核心的包容性治理范式。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
健康是社会繁荣的基石，然而几十年来，技术改善福祉的承诺一直是一把双刃剑。人工智能——即能够从海量数据中学习的强大计算机系统——正以空前的速度进入医院和诊所。这些工具可以更快速地诊断疾病、预测疫情，并以卓越的精准度管理慢性病。然而，一个关键问题仍然存在：这种技术飞跃究竟是提升了所有人，还是让最脆弱的群体掉队了？答案在很大程度上取决于引导这些工具使用的规则和结构。如果这些系统在缺乏严密监管的情况下部署，它们就有可能放大富人与穷人、城市与农村、受教育者与未受教育者之间现有的差距。这不仅仅是关于谁拥有智能手机的问题，而是关于算法本身是否公平，以及它们所依赖的数据是否代表了全体人口。
来自杭州师范大学的一个研究小组着手调查人工智能究竟如何影响中国的健康公平性。他们研究了 2al 2010 年至 2022 年间，三十一个省级地区的统计数据。他们的目标是超越“技术会自动创造平等”这一简单假设。相反，他们寻找的是人工智能在何种特定条件下能真正改善全民健康状况，以及在何时可能适得其反。研究人员发现，这些技术的影响并非固定不变的；它会根据当地政府管理和监管技术的能力强弱而发生剧烈变化。
研究表明，人工智能扮演着一种强大的放大器角色。在政府具备强大能力来监督数字基础设施、确保公平获取并监管伦理标准的地区，该技术能显著提高健康公平性。在这些地区，人工智能带来的益处（如更好的疾病预测和更高效的医院管理）能更广泛地惠及大众。然而，在治理能力较弱的地区，同样的技术往往会扩大差距。如果没有强有力的监管，人工智能的优势将主要流向那些已经拥有获取资源的群体，而那些缺乏数字技能或可靠网络连接的人则会被进一步抛在身后。研究人员在数据中确定了一个特定的临界点：当一个政府的治理能力指数达到一定水平时，这项技术就会从潜在的分隔者转变为真正的平衡者。低于这一阈值时，对人工智能的投入对于公平性的收益微乎其微，甚至可能产生负面影响。
研究人员还发现了这些系统造成或加剧不平等的三个不同途径。首先是接入鸿沟，即偏远地区的人们或低收入人群可能根本负担不起使用健康类应用程序所需的设备或网络连接。其次是使用鸿沟；即使人们拥有接入条件，他们也可能缺乏理解或根据这些工具提供的健康信息采取行动的数字素养。第三个，或许也是最隐蔽的问题，是算法偏见。如果用于训练人工智能系统的模型数据主要来自富裕的城市医院，那么这些系统在面对农村地区或边缘化群体时表现就会很差，可能导致误诊或错失治疗机会。研究发现，这三个因素共同解释了健康结果中观察到的很大一部分不平等现象，其中无法获取健康信息是最大的驱动因素。
至关重要的是，研究显示这些影响并不会停留在某一个省份的边界内。当一个地区在医疗人工智能领域进行投资时，它会产生积极的涟涟效应，帮助邻近地区，但它也会扩散数字鸿沟带来的负面影响。这表明，卫生政策不能孤立地制定，而是需要跨区域的协调，以确保利益得到共享且风险得到控制。作者提出了一种新的技术治理方式，即将健康权置于纯粹的效率之上。这种方法将涉及公私各方利益相关者的合作，并辅以严格的规则，以确保算法公平，并将健康数据视为公共资源而非营利性商品。
研究结果为决策者提供了清晰的前行路径。在目前治理能力较弱的地区，重点应放在搭建基础之上：改善网络接入、普及数字技能，并确保弱势群体拥有所需的设备。在治理能力中等的地区，重点应转向建立省际联盟，以共享数据和标准。在最先进的地区，目标是将这些公平原则嵌入到医疗系统评估和运行的核心方式之中。研究结论指出，技术本身并不是解决方案；解决方案在于我们如何选择去治理它。如果没有深思熟虑且具包容性的领导力，智能医疗时代面临着变得更加分裂的风险；但若有正确的框架，它则蕴含着为所有人创造一个更健康、更公平未来的潜力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。