JMIR人工智能

新兴的人工智能(AI)应用有改善健康的潜力，但它们也可能延续或加剧不平等。

卫生保健资源分配不平衡一直是世界各地卫生结果不平等和政治紧张局势的核心。人工智能(AI)已成为促进资源分配的一种有前途的工具，特别是在紧急情况下。然而，关于人工智能在医疗资源分配中的应用和伦理问题，目前还没有全面的综述。

鉴于机器学习(ML)技术在医疗保健领域的应用越来越广泛，监管机构在管理其临床使用方面面临着独特的挑战。在美国食品和药物管理局的监管框架下，已批准的ML算法实际上是被锁定的，阻止了它们在不断变化的临床环境中的适应，挫败了ML技术从现实世界反馈中学习的独特自适应特性。与此同时，法规必须严格执行患者安全水平，以降低系统层面的风险。鉴于ML算法通常支持或有时取代医疗专业人员的角色，我们提出了一种类似于医疗专业人员监管的新型监管途径，包括算法从初始、开发到临床实施以及持续的临床适应的生命周期。然后，我们将深入讨论其实施的技术和非技术挑战，并提供潜在的解决方案，以释放ML技术在医疗保健中的全部潜力，同时确保质量、公平和安全。本文的参考文献是通过PubMed搜索“人工智能”、“机器学习”和“监管”确定的，时间从2017年6月25日到2022年6月25日。文章还通过搜索文章的参考列表来确定。只有用英文发表的论文被审查。最终的参考文献列表是基于本文的原创性和广泛范围的相关性而生成的。

公共卫生监测依赖于数据收集，通常是近乎实时的数据收集。自然语言处理的最新进展使人们有可能设想一个从电子健康记录中提取信息的自动化系统。

慢性疾病管理是世界范围内的一个主要健康问题。随着范式向预防医学的转变，使用机器学习的疾病预测建模对于精确和准确的医疗判断越来越重要。

机器学习技术已被证明在识别健康错误信息方面是有效的，但除非它们能以一种可以理解的方式得到证明，否则结果可能不可信。

青少年是预防和治疗心理健康问题出现的关键发育时期。基于智能手机的对话代理可以提供心理驱动的干预和支持，从而随着时间的推移增加心理健康。

随着新的人工智能工具被引入临床实践，人工智能(AI)改变医疗保健的前景受到了一系列挑战的威胁。高精度的人工智能工具，特别是那些检测无症状病例的人工智能工具，可能会受到使用障碍的阻碍。了解提供者的需求和担忧对于制定实施战略至关重要，这些战略可以提高提供者在医学中对人工智能工具的接受和采用。

JMIR AI是一本专注于发表应用人工智能和机器学习研究的新期刊。这篇社论概述了期刊的主要目标、重点领域以及范围内的文章类型。

前交叉韧带(ACL)损伤在运动中很常见，是严重的膝关节损伤，需要及时诊断。磁共振成像(MRI)是检测前交叉韧带撕裂的一种强大的、非侵入性的工具，需要经过训练才能准确读取。对于前交叉韧带撕裂的诊断，具有不同阅读MR图像经验的临床医生需要不同的信息。人工智能图像处理在前交叉韧带撕裂的诊断中具有广阔的应用前景。