生成式AI与公共卫生的转折点
内容提要
科学创新推动了公共卫生的重大进展，如疫苗和抗生素的发现。最近，公共卫生生态系统研发了COVID-19疫苗并实现了全球覆盖率。生成AI技术创新有潜力提高公共卫生组织的能力。Gen AI已在医疗保健领域得到应用。
延伸解读
从历史创新到生成式AI：公共卫生的演进逻辑
文章将生成式AI置于公共卫生创新史中审视：从1796年首支疫苗、1928年青霉素发现，到约300天研发出COVID-19疫苗并在两年内实现全球超70%覆盖率，科学创新始终是驱动力。生成式AI被视为延续这一脉络的新技术力量，其独特之处在于能处理公共卫生中大量存在的非结构化数据，从而在服务交付、疫情应对、产品研发和基础能力建设四大领域释放潜力。
效率提升的具体场景与量化参考
文章给出了生成式AI在公共卫生中的具体效率数据：制药与医疗产品研发预计提升15%至20%生产力，仅结核病全球研发可节省约1亿至2亿美元；公共参与内容生成可节省5%至15%支出，若应用于2021年美国联邦疫苗相关宣传，年节省可达8500万至3亿美元；开发者生产力可提升高达50%，使用Copilot的开发者完成任务快56%。这些数据为评估投资回报提供了参照。
落地路径：从灯塔用例到组织准备
文章建议公共卫生组织采取分步策略：首先识别1至3个高影响力“灯塔”用例，优先选择内部导向、风险较低的场景，而非直接面向公众或患者；其次评估数据、技术和人才准备度，包括提示工程培训；同时关注公平性、隐私、合规等独特风险，并建立人工审核机制。文章还强调与产业界和学术界合作，以设计、测试和扩展初步用例。
风险与治理：不可忽视的配套条件
生成式AI在公共卫生中的应用伴随模型偏见、隐私泄露、知识产权侵权、监管合规、可解释性不足以及幻觉导致错误信息等风险。文章指出，WHO已提出六项核心原则，欧盟AI法案和美国HHS透明度规则也提供了监管框架。组织需在推进用例的同时，投资于风险管理、变更管理和技能建设，并持续监测 evolving 的指南，以确保可持续价值。
Q&A
生成式AI在公共卫生领域有哪些主要应用场景？
生成式AI在公共卫生领域的主要应用场景包括：服务交付与运营（如与患者和社区互动、优化供应链、减少行政负担）、韧性、准备与疫情响应（如分析流行病数据、预测疫情、合成数据增强模型）、产品研发（如加速临床试验文档生成、识别适应症）、以及公共卫生行动基础（如加速代码开发、自动化行政任务）。
生成式AI如何帮助公共卫生组织提高效率？
生成式AI可以通过以下方式提高效率：自动化生成临床研究报告等文档，预计在制药和医疗产品研发中带来15%到20%的生产力提升；通过更高效的内容生成，节省5%到15%的公众参与支出；帮助开发者加速代码编写和更新，生产力提升可达50%；减少行政负担，优化服务交付和运营。
公共卫生组织在采用生成式AI时需要考虑哪些风险？
公共卫生组织需要考虑的风险包括：模型的公平性和偏见、隐私和知识产权侵权、监管合规问题、模型的可解释性和可用性、需要人工监督和问责以覆盖错误建议、以及由于错误信息或幻觉导致的性能不准确。此外，还需关注公平性、隐私和合规性等公共卫生特有的风险。
公共卫生组织如何开始实施生成式AI？
公共卫生组织可以采取五个步骤：1. 识别能推进现有战略优先事项的高影响力用例；2. 评估组织在数据、技术和人才方面的准备情况；3. 考虑公共卫生特有的风险并制定缓解策略；4. 关注政策、健康公平和安全影响，遵循WHO等机构的指南；5. 投资于与行业和学术界的合作伙伴关系，以设计、测试和扩展初步用例。
生成式AI在加速产品研发方面有哪些具体用例？
具体用例包括：自动生成提交文档的草稿（如临床研究报告中80%正确的内容）、帮助临床试验管理者快速解决运营瓶颈、帮助医学写作者根据监管指南起草更高质量的健康评估问卷回复、支持现有和新型作用机制的适应症识别和优先级排序。这些应用可以加速针对HIV、疟疾和结核病等高负担疾病的研发。
生成式AI如何帮助公共卫生组织应对疫情爆发？
生成式AI可以支持疫情响应，例如：使用GPT-4分析流行病学数据、临床记录和研究文献以预测爆发或加速医疗响应；合成每日疫苗接种点事后回顾报告中的非结构化文本；生成合成数据以增强流行病学模型的训练；处理多源图像（如热图和卫星图像）以标记异常并生成模拟，增强废水监测以预测未来疾病。
