很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于使用技术和AI使医疗保健负担得起且可访问的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对使用技术和AI使医疗保健负担得起且可访问这篇文章感兴趣的小伙伴可以一起来看看
Babylon Health的首席用户研究员Anna Zawilska最近在布拉格的Webexpo 2019上展示了通过结合技术和人工智能(AI)提供远程医疗服务的经验教训。巴比伦健康来调整支撑产品开辟的三个关键假设。
Zawilska在演讲中提到了世界卫生组织的一项研究，根据该研究，世界上至少50%的人口无法获得基本的医疗服务。在这种情况下，将移动设备的普及性与人工智能的诊断能力相结合，有可能扩大医疗保健服务的访问范围。巴比伦的工程师，医生和科学家开辟了一个AI系统，该系统可以接收有关某人所患症状的数据，将该信息与已知状况和疾病的数据库进行比较，以找到可能的匹配项，然后确定行动方案和相关的风险因素。
在巴比伦移动应用程序中，典型的用户流程将从该应用程序开始，要求用户(患者)描述他或她正在经历的症状。在第二阶段，根据所宣布的症状，将询问其他问题以进一步完善影响患者的可能状况。在第三阶段，将提出建议。
巴比伦团队做出的第一个假设是，患者对聊天机器人(患者输入症状的信任程度)与对医生的信任程度一样高。但是，从实际经验中得出的主要观察结果表明，人类医生与基于机器的技术在用户行为方面存在重大差异。
患者通常相信医生是知识渊博且合格的医生。这种信任没有转化为聊天机器人。此外，尽管患者很少会起床并在结束之前不去咨询医生，但Chatbot用户更有可能尽早结束咨询。最后，虽然患者通常认为应该遵循医生的建议，但Chatbot用户倾向于信任Chatbot的建议并遵循给定的处方。
Babylon Health得出结论，不能假定用户信任，因此，他们需要进行设计以提高信任度。Zawilska提供了一个对用户界面进行更改的示例：当询问一个假设的用户：“您的脖子动起来有问题吗?”，该应用程序还将提供一个为什么会提出问题的解释。例如，在这种情况下，应用程序将显示如下消息：“我之所以问这个，是因为我试图消除紧张的头痛。对于您个人而言，颈部问题和头痛是紧张性头痛的有力预测指标。”
信任问题在医疗保健行业中特殊盛行。Zawilska引用了最近的争议(涉及Theranos或DNA测序)，这削弱了人们对医疗技术最新创新的信任。
第二个假设是，临床安全性是评估巴比伦预测性AI成功与否的唯一标准。通常会使用大量数据来训练AI，并使用一些评估标准针对测试集对生成的AI模型进行测试。Zawilska解释说，使用临床安全性作为验证AI模型的唯一标准会带来更高的风险，从而给用户体验带来不利影响。
实际上，针对关键安全性进行优化可能意味着AI在某些情况下会建议患者去急诊室(ER)，而患者的病情不一定需要他们去急诊室。这些事件的很大一部分可能导致患者将较低的值归因于应用程序。
