人工智能视域下的健康治理：技术进步与治理困境

王晓斐 清华大学社会科学学院博士生

1 走向人工智能与健康的深度融合

健康一直是社会发展中的重要话题，随着城镇化进程的快速推进、人口老龄化程度的逐渐提高以及生活节奏的加快，公众对慢性病、养生、健康风险的关注度逐年提高，人工智能时代来临进一步导致社会治理结构的重大变革。健康问题不仅仅是民生问题，更是社会经济问题，许多国家将健康作为国家社会经济发展的重要战略目标，将其纳入政府公共政策议程，并作为评价国家社会治理现代化进程的重要指标。

人工智能是经济社会发展的战略性技术，作为第四次工业革命的核心驱动技术和集中代表，汇聚了大数据、云计算、区块链等一系列新兴科技，在智能决策、深度学习、模型构建等领域展示出独特优势。人工智能与健康领域正在呈现深度融合趋势，机器学习、专家系统和人机交互等对于提升健康治理具有重要意义。中国人口众多、市场广阔、技术应用场景丰富，是人工智能健康产业发展最为活跃区域，人工智能的广泛应用直接影响到公众健康观念、生活方式、社会结构以及社会治理方式的变革。2017年7月，国务院印发 《新一代人工智能发展规划》，提出 “加快人工智能深度应用”，促使 “社会治理智能化水平大幅提升”，利用人工智能助推健康产业发展，必然为健康治理提供新的技术手段。关注人工智能时代的健康治理议题，深入分析人工智能时代健康治理的特征、机遇及挑战，有助于提升公众健康素养，从而助推健康中国建设过程。

2015年十八届五中全会提出 “推进健康中国建设”的要求，在2016年的全国卫生与健康大会上，习近平总书记再次强调要 “积极推进健康中国建设”，同年国家发布了 《 “健康中国2030”规划纲要》，“健康中国”成为国家战略登上历史舞台。 “健康”是中国未来发展进程中的关键词， “健康中国”建设已经上升为国家战略，大力开展健康运动是实现 “健康中国”建设的重要战略支撑点。从国际上看，联合国 “千年发展目标”提出的8个总目标中有3个是卫生目标， 《2030 年可持续发展议程 (SDGs)》明确提出了 “确保各年龄人群享有健康生活、促进健康福祉”的发展目标，更加突出经济、社会和环境等部门与健康的相互联系和影响，更加凸显健康发展的全面性、公平性和协同性[1]。

我国在健康治理方面取得了很大进步，但仍存在较多问题，健康治理政策制定、法律法规等领域尚待完善，社会老龄化、慢病突发等问题还广受关注，食品药品安全等领域的服务水平与效率还亟待提高。

2 基于人工智能技术进步的健康治理发展

一个国家人民的生活质量、健康水平、享有的环境资源等都是衡量国家是否成功的重要标准。作为国家治理体系的组成部分，在一个由政府、医药市场、社会团体和公众等构成的健康治理体系中，行为者采用正式或非正式制度规范进行沟通，最终达到善治目标。在健康治理水平提升过程中，充足的技术供给无疑是健康治理现代化的重要支撑。人工智能所特有的信息采集与匹配、自动识别以及智能决策，对于解决健康问题具有重要价值。

从历史上看，早在20世纪70—80年代，世界卫生组织就开始关注治理与健康之间的关系，并在1978年提出了最早的健康治理模式：跨部门协调治理[2]。世界卫生组织在1986年和2010年又相继提出了健康的公共政策 (Healthy Public Policy)[3]和将健康融入所有政策 (Health in All Policies)的健康治理模式[4]。 “健康治理”的概念最早由Reinhardt在世界健康报告 《改善健康系统的表现》 (2000年)中首先提出，其中，健康治理、筹资、创造与管理资源、提供健康或卫生服务被视作构设国家健康系统的四项主要功能，其后国内外学者对健康治理的重要性进行了不少阐释，中国学界也发出建立科学的健康治理模式的倡议[5]。

2018年的政府工作报告指出，要加快人工智能、集成电路、生物制药、第五代移动通信等技术的研发和转化。人工智能对传统行业商业模式、产业链和价值链的全面颠覆，将为社会生活各个领域带来全景式变革；人工智能技术在健康领域的应用对于加快重大疾病防控技术突破、占据生物医学产业发展主导权、优化医疗服务体系等具有重要意义。人工智能能够优化健康医疗资源供给模式，形成集预防、保健、诊疗、康复功能等于一体的健康网络体系，通过 “互联网+”、医疗大数据建设，推进形成具有中国特色的智能化健康体系。人工智能能够带来健康治理领域的重大变革，具体如下:

第一，通过智能信息筛选有效化解信息超载、辅助健康决策。临床诊断辅助系统等医疗服务可应用于早期筛查、诊断、康复、手术风险评估场景。目前，国内由于医疗资源局限，医疗就诊环境中主治医生没有办法在问诊时全面细致了解患者症状和体征。人工智能辅助疾病诊断具有现实意义，人工智能可以通过较短的模型训练周期实现对大规模医疗数据精准化筛选，对某个疾病的诊断大数据进行精准化分析，从而辅助医生疾病诊断，有效降低疾病误诊率，同时提高医生工作效率。目前AI诊断辅助技术只能应用于单个疾病，对人体复杂系统无法实现全面诊断，未来AI辅助医疗诊断技术应关注不同科室、不同疾病之间的相互关联。

第二,人工智能助推健康治理从疾病治疗向疾病预防转移。我国医疗卫生工作重点应从疾病治疗转向疾病预防，使用包括可穿戴设备在内的手段监测用户个人健康数据预测和管控疾病风险。AI可以通过融合时间序列模型、深度学习模型等对人体健康情况数据进行跟踪，在人体亚健康状态时通过测量分析其个人的组学数据，对个体患病危险因素做出评估，通过疾病风险预测结果，及时为高风险个体提示调整生活习惯及体检就医等信息，从而增强对多种高致死率疾病的预测能力，有效提升全民健康水平。

第三,人工智能技术提高药物研发效率，有望帮助解决重大医学难题。通过AI计算机深度学习技术，可以在分子结构数据库中对治疗方法进行筛选，同时通过对大数据的超强计算能力，对治疗疾病的候选化合物进行有效评估，这将大大降低新药研发成本，同时缩短药物研发时间。例如，2015年，Atomwise公司利用AI技术在不到一天时间内就寻找出控制埃博拉病毒的两种候选药物。此外，基于海量数据信息，AI技术对药物的安全性、副作用、药物活性预测的有效性显著提高。癌症和阿尔兹海默症等疾病仍是人类面临的医学难题，这类疾病成因非常复杂，很难从少量数据及少量碎片化信息中找到通一规律及结论。人工智能通过深度学习，识别大量数据之间的潜在模式和细节，能够有效建立生物学内生的复杂因果关系模型。生物医学领域对深度学习在基因组关联分析中的应用抱有很大期待，有望解决人类重大医学难题。

第四，通过人工智能构建网络模型，预测健康事件发展，调整优化治理方案。人工智能在自动化信息处理方面的优势，为挖掘大数据中有价值的健康治理信息提供了有效路径。在人工智能和健康系统的融合发展体系中，可以借助智能搜索引擎，对健康关键信息、半结构化或非结构化健康数据进行自动分析。在健康危机事件处理中，可利用专家系统汇聚各种渠道信息的能力，建构网络模型预测健康事件走向，结合可视化工具实时呈现舆情发展趋势，精准识别相关群体地域分布、话题演变及风险扩散；可以将数据表达公式输入人工智能处理系统，观察各类方案的可行性与执行价值，调整优化健康治理方案，以取得最佳治理效果。

3 人工智能视阈下健康治理的现实困境及其应对

我国人工智能在健康医疗领域的整体发展水平与发达国家相比仍有较大差距，人工智能技术在基因组学、影像学、临床大数据等领域的采集、存储、分析挖掘、运算处理能力亟待提升，还没有构建起多学科、多机构协同研发的机制。人工智能在为健康治理提供技术性支撑的同时，与现有健康治理体制机制也存在着不相适应，产生治理主体、治理结构、治理能力和治理制度伦理等层面的现实挑战。

第一，人工智能应用于健康治理的技术路径尚存在诸多制约要素。我国医疗人工智能的应用领域相对集中，大多侧重于医疗健康产业链后端治疗阶段，大部分智能医疗企业均将医学影像作为现阶段AI技术产品化的重点方向，开发一批疾病筛查和诊断的AI辅助医学影响产品。如何突破现状，将AI的应用场景偏向产业链前端的疾病预测与健康管理，并注重在产业链各环节多点发力，十分重要。我国AI医疗企业的商业落地路径尚不明晰，与医院、政府、器械厂商、保险公司、科研机构等的合作模式仍处于初期探索阶段，合作效率较低。医疗数据严重碎片化，缺乏统一数据标注标准和数据汇集渠道。医院是我国医疗数据获得的主要场所，但医院的医疗信息化系统散乱，不同科室、不同医院之间数据标准不统一，这将影响深度学习模型训练效果。此外，我国医疗数据获取渠道十分有限，目前AI医疗企业的训练数据主要来自国外的开源医疗数据和与医疗机构的少量合作数据，这些对医疗人工智能技术发展十分不利。我国医疗人工智能发展缺少复合型人才。在医疗AI产品研发过程中，跨学科的复合型人才较少。通常情况下，懂产品研发的技术人员不懂医学信息和医疗数据，具有医学背景的人才又不懂技术研发。医疗人工智能行业的发展，离不开 “人工智能+医学知识”的复合型专业人才。

第二，多元健康治理主体 “功能性”缺位。在新技术革命背景下，理想型的健康治理格局仍与现实操作存在巨大差异，尤其表现在人工智能发展背景下，政府关于人工智能健康治理应用的法律法规缺失，科技市场逐利性、食品安全事故、侵犯患者数据隐私的案件时有发生。公众参与健康治理能力不足的现状实际上表明了现有治理模式的失衡，健康治理主体构成能否应对人工智能技术的发展与冲击值得深思。

第三，人工智能的快速发展与治理方式仓促变革之间的错位。垂直的治理结构存在先天的 “能动”不足，传统的健康治理思维认知与行动方式具有 “阻滞性”。健康治理能力现代化是国家治理能力现代化的基本保障。在健康治理体系框架下，应当综合运用各项法规制度提升健康治理水平，将制度优势逐渐转化为有效组织协调能力。以政府为 “单中心”的传统治理结构，与人工智能背景下的数据开放性、兼容性不相称。建立在因果联系上的传统健康管理思维，可能并不适用这种以算法和数据为支撑的智能环境。受到 “重管理、轻服务”的权威式管理方式影响，忽视与其他利益主体的协调互动及数据的开放共享，这与人工智能技术发展趋势下的关联互通和数据共享极不相称，必然因技术的膨胀而带来治理方式上的仓促。

第四，治理制度 “规制性”及伦理 “规范性”缺失。有效的制度供给是健康治理体系现代化的内在要求，也是决定健康治理体系现代化的关键变量。 《新一代人工智能发展规划》虽提出制定促进人工智能发展的法律法规及社会问题研究，但尚缺乏可操作执行的法律规范。人工智能通过深度学习和合并算法能够在极短时间内精确计算事件可能性，甚至做出超乎人们认知范畴的损害行为。人工智能系统的研发直接关乎道德伦理、人的权利和尊严等问题，在人工智能发展中亟待嵌入制度和伦理规约，目前这些尚超出现有健康治理逻辑框架，人工智能技术事实的快速发展正在紧急呼吁行动方案的出台。

总之，人工智能的快速发展带来了健康治理的新进步，也面临现实困境，必须尝试突破人工智能技术路径的制约因素、重新界定健康治理主体权限，提升健康治理思维水平及决策行为，注重人工智能技术发展的制度与伦理建设，从而消除健康治理现代化进程中的诸多困境。