同样的基本技术可以预测您可能想看什么电影、可能想听什么歌曲或可能想在网上购买什么物品，它还可以预测疾病的发生、预测护理费用，并为您的医生、护士和药剂师推荐治疗方案。
算法对于医疗保健而言并不新鲜。事实上，我们的健康信息技术 (Health IT) 认证计划中一个重要且长期存在的部分就是临床决策支持 (CDS) 认证标准，该标准涵盖“基于规则”的算法和软件系统，这些算法和软件系统使用专家得出的规则（例如临床指南）将“输入”转化为“输出”。虽然决策支持技术已经存在了几十年（并且将成为即将发布的博客系列的主题），但人工智能 (AI) 和机器学习 (ML) 在决策中的应用一直在稳步增长。用于支持这些新计算技术的数据的规模和数量也在增长。我们每天都会读到有关 AI/ML 的新研究、产品或应用的文章，它们可用于辅助医疗保健环境中的决策，例如预测急诊室的肺炎、预测住院患者死亡率以及协助临床医生诊断髋部骨折，仅举几例。
图 1
随着我们深入研究这一领域，我们发现明确关键术语很有帮助。我们打算进一步探索的领域包括：
学期 描述
预测决策支持（模型） 旨在支持基于算法的决策的技术，该算法从训练或示例数据中得出关系，然后用于产生一个或多个输出。
透明度 提供有关模型的充分信息，包括输入数据、性能验证和预期用途。
可信度 识别、缓解、管理和评估模型风险，以保证对使用该模型的积极影响的信心，并记录有关管理模型和解决负面影响和/或减少偏见或伤害所采取的步骤的信息。
公平 （公正、公平） 模型不会根据个人或群体的固有或后天特征表现出偏见或偏袒。使用该模型对相同或不同的人群或群体的影响是相似的。
合适的 模型与其适用的特定环境和人群非常匹配。
有效的 事实证明，模型能够准确地估计内部和外部数据中的目标值，并且符合预期。
有效的 模型已在现实条件下显示出优势。
安全的 模型不存在任何不可接受的风险，并且可能可能的风险。
这些技术有可能推动创新、增加市场竞争并极大地改善对患 宗教电子邮件列表 者和人群的护理。然而，与任何新的医疗 IT 一样，它需要检查和调查以建立利益和风险的证据基础。我们从迄今为止的研究中了解到，人工智能/机器学习驱动的预测技术可能会对患者安全产生积极或消极的影响，引入或传播偏见，并导致成本增加或降低。简而言之，结果好坏参半。但人们的兴趣和潜在利益仍然很高。
为了激发关于如何适当使用这些新兴技术的更深入讨论，美国卫生与公众服务部 (HHS) 下属的国家卫生信息技术协调员办公室 (ONC) 一直在通过公共活动召集使用 AI/ML 技术的利益相关者，例如我们的AI 展示、关于算法偏见的卫生信息技术咨询委员会听证会以及年度会议上关于公平和算法的会议。 ONC 还积极监测和参与以健康和 AI 为重点的计划，例如健康 AI 联盟，以及与我们的联邦合作伙伴开展的多项跨机构协调工作。
我们正处于将健康数据与复杂的预测模型和算法相结合的长期趋势的风口浪尖，以改善患者和人群的诊断、治疗和护理管理。 ONC 认证的健康 IT 越来越多地充当算法的源泉，为医疗保健领域的算法创建提供数据和工具，并作为算法的传递机制，将算法结果和输出插入临床和行政决策中。因此，以最大限度发挥这些新兴技术的优势并最大限度减少其负面意外后果的方式促进其使用对于 ONC 和 HHS 来说至关重要。
敬请期待，更多精彩
这是一系列博客文章中的第一篇，我们将讨论用于辅助医疗保健决策的算法和新兴技术的现状和未来。通过本系列，我们打算提供更多关于 ONC 和利益相关者对这一不断发展的领域的看法，包括在健康公平的背景下，通过设计方法来促进医疗保健领域“公平、适当、有效、有效和安全”的预测模型。
这是人工智能和机器学习博客系列的一部分。