长久以来,公共卫生机构一直身处维护和促进社会福祉的最前沿。近年来,公卫机构已经开始采用人工智能(AI)和高级分析等变革性技术,力求增强自身能力并提高工作效率。此类尖端工具的集成为数据驱动型决策、疾病监测与疫情应对开辟了新的路径,彻底重塑了公共卫生事业的基本面貌。
公共卫生领域的AI与高级分析
AI与高级分析对于公卫组织产生重大影响的关键领域之一,是利用数据改善结果并更好地为决策者提供信息。政府机构本身掌握着海量数据,但庞大的数据总量已经超出了人类所能分析和理解的极限。通过AI和高级分析方法对数据进行分析与分类,公卫组织能够以更高的准确性和速度开展工作。
疾病控制中心(CDC)总部剪影
在2023年5月在华盛顿特区乔治梅森大学(GMU)举办的GovFuture论坛上,来自疾控中心国家职业安全与健康研究所(NIOSH)的专家们在小组讨论中分析了自己对于高级分析技术的观点。研究所首席健康信息学科学家Stacey Marovich与Jennifer Cornell就AI与高级分析如何影响机构内的工作方式做出说明。在后续活动中,Stacey和Jennifer又接受了GovFuture播客的采访,进一步分享了AI与分析技术在该研究所行业与职业计算机化编码系统(NIOCCS)中的应用、数据与透明度问题,以及技术如何以预想之外的更多方式发挥作用。
科技——让一切更简单
NIOSH行业与职业计算机编码系统(NIOCCS)已经拥有10余年历史,目前已经来到第四个主要版本。Stacey表示,从宏观层面来看,该系统“将行业与职业文本数据转换为标准化编码,进而用于研究和分析目的。这套系统免费且在网络上公开发布,可供任何人随意使用。”
经过10年的磨砺,该系统已经让编码更加准确和精简。Jennifer具体解释道,“自从NIOCCS的最新版本发布以来,我们看到工作数据收集和编码方面迎来了重大进步。正如Stacey所言,NIOCCS的编码速度和容量显著提高。我将分享我们公卫部门合作伙伴的几个例子。有司法管辖区报告称,他们在应对COVID-19疫情期间就广泛使用到NIOCCS Web API。”
根据工作场所疫情爆发信息和调查数据,该组织持续对每周获取的死亡人数等健康数据进行编码,据此快速指导COVID-19抗疫行动。Stacey分享称,“NIOCCS缩短了新员工的培训周期,让更多新人能够参与到吞吐量更高、质量更优的现代化数据处理和实现流程当中。另一管辖区报告称,他们将NIOCCS与各类传染病访谈表格上的实时编码数据相结合,进而向地方一级卫生部门快速交付基本工作场所防护措施。我们预计各司法管辖区会将API按设计直接集成至防疫监控系统当中。该API延伸自新冠病毒监控,可持续收集其他传染病及用例的健康数据,我们也很高兴看到这类应用。除此之外,还有其他一些我们没有预见到的积极应用方式,例如用户对编码的交叉检查。我们的测试规模有限、仅能访问内部数据,所以与外部验证的结合极具现实价值。另外,私营实体和非营利组织也使用此API收集雇员薪酬数据的标准化编码。我们期待看到NIOCCS在公共卫生以外的其他场景中得到广泛应用,也乐于拥抱它展现出的更多发展方向。”
在透明度与隐私保护间求取平衡
随着公卫部门逐渐掌握AI与高级分析的力量,透明度与个人信息保护之间的平衡把控也变得至关重要。透明度能确保公众随时了解健康风险与缓解策略,从而促进信任与合作。但与此同时,也必须解决隐私问题以保护敏感数据、充分维护个人自主权。
围绕在高级分析与AI应用中平衡透明度与敏感信息保护方面的需求,Stacey评论称“这对我们来说无疑是个挑战,因为我们处理的大部分数据属于健康数据,其中必然涉及数据敏感性问题。在许多项目中,我们制定了相当严格的数据使用协议,用以限制我们处理数据的具体方式、数据的留存周期等。因此,我们的机器学习模型和训练数据必须要在满足约束的前提下,发挥其应有的作用。”
尽管如此,通过项目建设,我们更多提取其中的行业与职业数据元素,相对回避其他个人身份信息(PII)。这样我们就尽量减少了对敏感人口统计数据的触及,例如姓名、年龄、种族等。不过必须承认,虽然已经大大降低了PII接触量,但数据中仍具有一定敏感性,因为行业和职业信息本身也可能在独立或与其他人口统计数据配合使用时,成为某种形式的PII。例如,将职务“市长”同所处行业中的“城市名称”相结合,就构成了一对PII信息。因此,在向公众发布数据时,我们会保证任何数据单元均不可被解释为PII。我们努力将数据聚合为更高级别,而非直接发布收集到的具体原始数据。
谈到NIOCCS系统,两位专家分享道:“NIOCCS是一款用于数据编码的工具。因此,我们并不是要对某人能否获得贷款审批、或者为对方提供诊疗建议这类关键决策场景提供支持。虽然这套系统目前还达不到这样的水平,但在未来,我们相信随着NIOCCS被扩展到越来越多的领域,相应风险同样有可能同步提升。例如,我们研究所一直在推动将工作信息纳入电子病历当中。从这个角度看,职业是影响健康状态的一项关键性因素,二者之间的关联者已经在社会上有着普遍共识。所以,确实有必要在电子病历中高亮显示用户的职业信息,但目前还没有将这部分信息以标准化方式统一纳入医疗记录的方案。这正是我们研究所希望推动的工作,相信在成果落地并全面普及之后,职业数据编码将影响未来的临床决策、临床护理等更为广泛的领域。”
推动创新方法
AI与高级分析在公卫部门的集成,不仅代表着“后台”业务流程的显著进步,同时也标志着疾病预防、监测与响应正迈向新的时代。这些变革性技术将带来更快、更准确的决策能力,从而提高应对速度和效率。当然,随着技术的不断进步,我们也需要在透明度和隐私保护之间保持微妙的平衡。配合强有力的隐私保护措施和开展公开对话,公共卫生部门完全能够以负责任的态度发挥技术优势、用好数据资源,进而塑造出健康水平更高、信息透明度更优的未来社会。
好文章,需要你的鼓励
Fiverr宣布裁员30%并转型为AI优先组织,CEO表示这是战略重置而非财务困境。公司计划通过AI工具提升效率,小团队配合AI即可完成原本需要整个部门的工作。Fiverr已部署Neo项目匹配工具、个性化AI创作助手等AI应用,客服响应时间缩短,市场完整性和欺诈检测能力增强。公司重申财务指导并预计2026年调整后EBITDA利润率达25%。这一转型反映了AI如何重塑平台经济和自由职业市场。
腾讯混元团队推出P3-SAM系统,这是首个能够自动精确分割任意3D物体的AI模型。该系统采用原生3D处理方式,摆脱了传统方法对2D投影的依赖,在近370万个3D模型上训练而成。P3-SAM支持完全自动分割和交互式分割两种模式,在多个标准测试中达到领先性能,为游戏开发、工业设计等领域提供了强大的3D理解工具。
硅谷科技巨头多年来一直宣扬AI智能体能够自主使用软件完成任务的愿景,但现有的消费级AI智能体技术仍然十分有限。为了让AI智能体更加强大,业界正在探索新技术,其中包括模拟工作空间的强化学习环境。这些环境可以训练智能体执行多步骤任务,正成为智能体开发的关键要素。目前主要AI实验室都在内部构建强化学习环境,同时寻求第三方供应商提供高质量环境。
NVIDIA Research推出了革命性的UDR系统,让用户可以完全自定义AI研究助手的工作策略。该系统解决了传统研究工具固化、难以专业化定制的问题,支持任意语言模型,用户可用自然语言编写研究策略,系统自动转换为可执行代码。提供三种示例策略和直观界面,实现了AI工具的民主化定制,为专业研究和个人调研提供了前所未有的灵活性。