《International Journal of Medical Informatics》：Artificial intelligence in health systems of the WHO European region: implementation, applications, opportunities, and barriers
编辑推荐：
背景
人工智能（Artificial Intelligence，AI）正迅速成为医疗卫生领域的变革性力量，具有改善患者结局、提升卫生系统效率以及支持数据驱动决策的潜力。本研究概述了当前发展格局，探讨了各成员国如何针对卫生系统需求确定AI优先事项、如何吸纳关
背景
人工智能（Artificial Intelligence，AI）正迅速成为医疗卫生领域的变革性力量，具有改善患者结局、提升卫生系统效率以及支持数据驱动决策的潜力。本研究概述了当前发展格局，探讨了各成员国如何针对卫生系统需求确定AI优先事项、如何吸纳关键利益相关方，以及如何应对卫生人力技能提升与准备度等关键促进因素。
方法
本研究基于由世界卫生组织欧洲区域办事处制定并实施的一项横断面调查。该调查于2024年6月启动，并持续开放至2025年3月。所有回复均被整合至标准化数据库中，接受内部一致性审查，并采用探索性、描述性方法进行分析。结果以百分比和绝对值呈现，并在区域、次区域及EU27层面进行分层分析。
结果
调查应答率为94%，53个成员国中共有50个参与。成员国评定的AI在卫生领域应用的前三大机遇分别为：改善患者照护与健康结局（96%；48/50）、减轻卫生人力压力（92%；46/50）以及提升卫生系统效率（90%；45/50）。最常报告的AI应用包括AI辅助诊断（64%；32/50）以及对话平台或聊天机器人（50%；25/50）。对广泛采纳影响最大的障碍为法律不确定性（48%；24/50）和财政可负担性（46%；23/50）。在协作与参与方面，72%的成员国（36/50）报告开展了利益相关方参与，主要方式为焦点小组（46%；23/50）以及非正式会议、研讨会或工作坊（44%；22/50）。在报告至少开展一种参与形式的36个成员国中，最常参与的利益相关方为政府行为体（81%；29/36）、卫生保健提供者（75%；27/36）和AI开发者（75%；27/36），而患者协会（42%；15/36）和社会公众（22%；8/36）参与较少。最后，就卫生人力教育与AI素养而言，本研究强调了准备度方面存在显著缺口，仅24%的成员国（12/50）报告为卫生人力提供在职AI培训，20%（10/50）提供职前培训。
解释
世界卫生组织欧洲区域范围内医疗卫生中的AI整合正在快速推进，显示出改善患者结局和缓解卫生人力压力的潜力。然而，其广泛且公平的采纳仍受到多重挑战限制，包括可负担性问题、监管与法律模糊性、患者参与不足，以及在卫生人力培训和技能提升方面进行战略性投资的需求。
该文发表于《International Journal of Medical Informatics》，围绕世界卫生组织（World Health Organization，WHO）欧洲区域卫生系统中的人工智能（Artificial Intelligence，AI）应用现状展开系统梳理，重点评估成员国在AI战略优先级设定、实际部署场景、推广障碍、利益相关方协作以及卫生人力培训方面的进展与不足。研究背景在于，AI已被视为推动医疗卫生转型的重要技术力量，其在辅助诊断、远程患者监测、患者自我管理、行政流程自动化以及药物研发等方面均展现出显著潜能。现有文献已指出，AI有望改善患者照护质量、提升健康结局、提高卫生系统运行效率，并缓解卫生服务体系在人力资源上的持续压力。然而，AI在卫生系统中的制度化落地并不均衡，现实中仍存在国家战略不足、法律与监管框架不清晰、基础设施与数据标准薄弱、资金不足、卫生人力数字能力缺口明显、公众信任有限以及伦理治理复杂等问题。正因如此，开展一项面向WHO欧洲区域成员国的系统性调查，对于理解区域层面的AI成熟度、识别阻碍规模化推广的关键因素、明确政策与能力建设短板，具有直接的卫生政策价值和治理意义。
研究人员据此开展了一项面向WHO欧洲区域全部53个成员国的横断面调查研究，以描绘AI在卫生领域的区域图景。研究显示，区域内AI整合进程正在快速推进，成员国普遍将其视为改善患者照护、优化健康结局、缓解卫生人力紧张和提升系统效率的重要工具；但与此同时，AI的广泛、公平与可持续采纳仍明显受制于法律不确定性、财务可负担性、患者与公众参与不足，以及卫生人力AI培训和技能提升投入不足等因素。论文的重要意义在于，它首次从国家层面系统汇总WHO欧洲区域AI卫生应用的总体状况，为区域政策设计、监管完善、能力建设和多方协作提供了经验性依据，也为后续构建更透明、负责任且以患者为中心的AI卫生治理框架提供了基础。
在技术方法方面，研究主要采用横断面调查（cross-sectional survey）设计，由WHO欧洲区域办事处于2024年6月至2025年3月组织实施，覆盖WHO欧洲区域53个成员国，最终50国应答。调查共含60个条目，结合封闭式勾选题与开放文本题，内容涉及AI治理、伦理、实施实践与卫生人力能力建设。研究人员将在线平台与Microsoft Word提交材料统一录入标准化数据库，进行一致性与完整性核查，并在必要时联系各国协调员澄清。分析采用探索性描述统计（descriptive analysis），按区域、联合国统计分区次区域及EU27进行分层，以百分比和绝对数呈现结果，分析工具为Microsoft Excel与Python。
3.1. Opportunities and applications
在“机遇与应用”部分，研究表明，约半数成员国已识别国家AI实施优先领域，其中部分国家进一步配置了专项经费，用于支持有前景的AI技术开发、测试、部署与评估。从区域整体判断，成员国最重视的三类机会依次为改善患者照护与健康结局、减轻卫生人力压力以及提升卫生系统效率。这一结果说明，当前各国对AI的政策期待并非停留在技术创新本身，而是聚焦其对卫生系统核心功能的增强作用。
在实际应用层面，研究显示AI辅助诊断是最常见的卫生领域AI应用，涵盖放射学、皮肤病学、眼科学等场景，且已有相当比例国家认为该类应用达到“已建立”状态；其余国家则处于试点或非正式应用阶段。第二常见的应用是面向患者支持的对话平台或聊天机器人，部分国家已形成稳定应用，其余国家仍在测试或初步推广中。研究还指出，各次区域在应用成熟度上存在显著差异，北欧在多类AI应用中实施水平最高，而西欧在AI辅助远程患者监测方面表现更突出。由此可见，WHO欧洲区域内部在AI应用普及、制度化嵌入和技术成熟度方面存在明显不均衡。
3.2. Barriers to the widespread adoption
在“广泛采纳的障碍”部分，研究明确指出，法律不确定性是阻碍AI在卫生领域规模化推广的首要因素，其后是财政可负担性。也就是说，尽管成员国普遍认可AI潜力，但在实践中，责任归属不清、监管框架滞后、现有法规与快速迭代技术之间的不匹配，构成了国家推进AI常态化部署的重要掣肘。同时，AI应用涉及安全数据系统、云计算、连接能力、长期维护和人员培训等高额前期及持续性投入，导致财务负担问题成为另一核心障碍。
研究进一步比较了不同次区域的障碍认知，发现西亚成员国对数据质量与标准问题的关注尤为突出，并且对能力、基础设施、信任、岗位替代和环境影响等问题赋予更高的重要性评价。这表明，不同地理与制度背景下，AI采纳所面临的瓶颈具有结构性差异，政策响应也应体现因地制宜，而不能以单一模式覆盖整个区域。
3.3. Stakeholders and collaboration
在“利益相关方与协作”部分，研究发现，大多数成员国已经围绕卫生系统中的AI应用开展某种形式的利益相关方参与，但参与机制仍以焦点小组、非正式会议、研讨会和工作坊等相对灵活的方式为主，正式的公众听证与公开咨询较少。对于尚未开展参与工作的成员国，其中多数已计划在未来推进相关协作。
在已开展参与的国家中，最常被纳入讨论的是政府行为体、卫生保健提供者和AI开发者，说明当前AI卫生治理主要围绕政策制定方、技术开发方和临床使用方展开。相较之下，患者协会和社会公众的参与比例明显偏低，而仅有少数国家将咨询所得见解公开发布。研究据此揭示出当前区域内AI治理在包容性和透明度方面仍有不足。由于患者和公众是AI卫生应用最终影响的核心对象，其参与缺位可能削弱技术设计的现实相关性、社会可接受性与制度信任基础。
3.4. Upskilling and AI literacy
在“技能提升与AI素养”部分，研究显示，WHO欧洲区域仅有少数成员国提供面向卫生及相关专业人员的在职AI培训或职前AI教育，能够同时提供两类培训的国家更少。这表明，尽管AI在卫生系统中的应用日益增加，但相应的人才准备度并未同步提升，区域层面存在显著能力缺口。
在提供在职培训的国家中，培训对象主要集中于医生，其次为医学信息相关专业人员；而能将培训扩展至更多职业类别的国家数量有限。与此同时，约四成成员国已在卫生部门设立面向数据科学与AI专长人才的新职业角色和新岗位机会。整体来看，研究指出卫生系统正在开始识别AI专业能力的重要性，但培训供给范围、职业覆盖度和制度化程度仍较不足，尚不足以支撑AI在卫生系统中的广泛、稳健和负责任部署。
4. Discussion
在讨论部分，研究人员首先强调，当前成员国最常见的AI应用与其政策优先目标之间具有较强一致性，即重点服务于改善患者照护和缓解卫生人力压力。例如，AI辅助诊断的大范围应用，与筛查效率提升和临床工作负荷下降密切相关。但研究同时援引相关文献指出，AI在提高检测率和诊断准确性之外，关于其能否稳定转化为长期患者获益的证据仍然有限，且其应用伴随着偏倚输出、低质量结果、自动化偏倚以及临床技能弱化等风险。对于聊天机器人等面向患者的应用，虽然其可增强健康信息可及性、自我管理和心理支持，但也可能因错误信息、输出不完整、语言局限和对弱势群体的不公平影响而引发新的问题。
关于推广障碍，研究人员指出，法律不确定性的根源在于技术演进速度远快于法律制度调整速度，尤其在责任界定、数据治理与知情同意等方面存在显著模糊性。同时，AI在正式卫生体系之外也通过公共平台和私营企业进入健康场景，进一步加剧了监管边界的灰区化。财务可负担性同样构成制约因素，高昂的基础设施建设成本、长期资金机制不足、临床人员能力建设费用，以及缺乏成本效果证据，都会削弱政策制定者的投资意愿。
关于协作治理，研究强调政府、卫生专业人员与AI开发者之间的合作对于确保AI安全、合乎伦理且符合公共需求至关重要。但同时，患者和公众在治理过程中的参与明显不足，这种缺口若长期存在，可能削弱AI工具的实践适配性、接受度和信任度。关于卫生人力能力建设，研究认为，若缺乏以能力为导向的系统培训，卫生专业人员可能难以充分理解AI的角色、能力边界和局限，进而增加误用、过度依赖和自动化偏倚风险，因此将AI素养制度化嵌入职前教育、在职培训和持续专业发展十分必要。
在研究优势与局限方面，论文指出，该研究是首次以系统化、国家层面方法勾勒WHO欧洲区域AI卫生应用总体图景，覆盖采纳情况、障碍、参与模式、利益相关方和卫生人力准备度等多个维度。但研究也承认，不同成员国可能对调查术语和概念存在不完全一致的理解，结果质量也受各国协调员及专家网络专业程度影响；此外，关于机会与障碍的重要性评级本身具有一定主观性。不过，通过要求提供支持文件、明确AI成熟度定义以及采用多方协同填报机制，研究在一定程度上提升了数据的有效性和可靠性。
研究结论部分可概括翻译为：WHO欧洲区域卫生保健中的AI整合正在迅速推进，显示出改善患者结局和缓解卫生人力压力的潜力。然而，其广泛且公平的采纳仍受到可负担性、监管与法律模糊性、患者参与不足，以及卫生人力培训和技能提升战略性投资不足等问题的限制。总体而言，该文的核心贡献在于以区域尺度揭示了AI卫生应用从“可用”走向“可治理、可持续、可公平扩展”过程中面临的关键制度与能力挑战，并为WHO欧洲区域后续政策制定提供了明确的问题导向。
