背景
传统医学（TM）在全球范围内被广泛使用，尤其在低收入和中等收入国家，它是实现全民健康覆盖（UHC）的重要支柱。然而，TM 与生物医学在数字化和前沿技术（如人工智能）的整合方面存在差距。
人工智能在传统医学中的应用
- 医疗保健：AI 可用于诊断和预测疾病，通过分析个体健康数据（如医疗记录和影像结果）并采用预测分析，从而推动个性化 TM 医疗保健。
- 临床护理：AI 驱动的临床决策支持系统（CDSS）可以帮助个性化 TM 干预，例如推荐合适的治疗方案。
- 健康研究和药物开发：AI 可用于药物发现和健康研究，例如识别草药、标准化原材料和成品制剂，以及分析草药-草药和草药-药物相互作用。
- 健康系统管理和规划：利用医院管理信息系统处理 TM 医疗设施的病人记录，为分析提供有价值的数据。
- 保存和推进传统医学知识：在线知识库允许人们获取 TM 的科学、技术和教育内容，AI 可用于加快分类和识别相关术语。
- 传统医学政策制定：一些国家和地区正在实施定制的知识治理模型，以解决数据隐私、存储、处理、使用和识别等问题。
有限证据的领域
- 锚定/模拟研究
- 途径识别
- 人工化学传感器
- 比较研究
- 数据增强
- 跨学科学习
- 群体采集
- AI 合作平台
一般监管环境
- 成员国在监管和政策措施方面存在高度适应，但缺乏针对 TM 的技术指导。
- AI 监管在成员国层面迅速发展，但往往忽略了 TM。
- 需要探索 AI 与 TM 之间的协同作用，制定更具体的监管框架。
原住民和地方社区监管环境
- 原住民数据主权（IDSov）原则在管理其健康数据方面发挥着重要作用。
- 需要制定具体的监管机制，使原住民和地方社区能够控制并从其数据中获益。
国家数字健康和传统医学计划
- 一些 TM 国家正在努力将数字技术融入 TM 实践，但数字健康议程和前沿技术仍存在局限性。
全球合作框架
- WHO 推动了 TM 标准化工作，并制定了国际标准术语，将 TM 病情编码纳入 ICD-11。
- WHO 和 ITU 启动了一个工作组，呼吁在 FG-AI4H 下成立一个 AI 传统医学主题组（TG-TM）。
- WHO 成立了全球传统医学中心（GTMC），以利用全球各种实践的现代科学技术潜力。
- WIPO 通过了新的条约，涉及知识产权、遗传资源和相关传统知识。
AI 在传统医学中应用的风险和挑战
- 生物剽窃威胁：未经适当认可、同意或补偿而利用 TM 知识和资源。
- 数字基础设施和素养差距：可能阻碍公平获取、采用和有效利用数字技术。
- 数据基础设施不足：缺乏足够的数据和数据基础设施，例如电子健康记录、标准化数据格式或记录 TM 实践的数据库。
- 对 TM 介入不足：AI 系统的文化背景适应不足可能导致文化敏感性差或误用。
- 本地化与整合的 AI 解决方案：需要在特定环境下的适应性与全球适用性之间取得平衡。
AI 生命周期和生命周期的风险管理
- 问题识别：评估 AI 技术的适当性和必要性，评估机构准备情况和工作力，审查现有法律框架。
- 设计：优先考虑可用性和人类因素，采用参与式设计方法，包括道德考虑和价值观，注意高质量数据，开发有针对性的沟通来解释 AI 模型。
- 开发：创建基准框架，确保道德和监管合规，进行比较分析以验证 AI 模型的性能，减少 AI 训练和测试数据中的差距。
- 部署：建立上市后监测机制，让最终用户报告不良事件。
- 上市后和上市后：监测和预测不良事件，制定退出 AI 系统的计划。
政策和实践的考虑因素
- 监管框架和立法：调整 WHO 指导方针以适应 TM，更新 TM 调查以包括数字化和前沿技术概念，共同创建机制将 WHO 指导方针转化为政策。
- 赋权和能力建设：准备针对将 AI 融入 TM 的教育和培训计划，建立和促进围绕 TM 和 AI 的实践社区，建立针对将 TM 融入 AI 的关键领域的工作组。
- 针对生物剽窃和数据治理：制定针对原住民和地方社区的数据治理的稳健策略，共同创建和推进现有的 TM 应用前沿技术存储库。
- 合作与协作：加强全球合作，以协调 TM 词汇和不同数据格式的 harmonization，利用全球传统医学图书馆作为共同创建和促进协作环境的核心。
- 公众意识、公平性和包容性促进：启动公众意识宣传活动，鼓励 TM 病人、护理人员和社区利益相关者积极参与塑造医疗保健政策和优先事项。
结论
AI 在 TM 中的应用具有巨大的潜力，但也存在风险和挑战。需要制定针对 TM 的整体框架，以确保 AI 安全、道德和循证地整合到 TM 领域，并确保传统知识的真实性和传统药物的基本原则在将其转化为 AI 语言的过程中不受损害。
