综述：探索由人工智能驱动的自动驾驶车辆作为移动医疗单元，以扩大服务不足社区的医疗保健覆盖范围

《Journal of Epidemiology and Global Health》：Exploring AI Driven Autonomous Vehicles as Mobile Health Units to Expand Access to Healthcare in Underserved Communities

　　摘要
在许多低收入和中等收入国家，获得优质医疗服务仍然是一个持续的挑战，尤其是对于农村和服务不足的人群。本文探讨了自动驾驶车辆（AVs）作为移动医疗单元的变革潜力，提出了一种利用新兴交通技术的新型医疗服务模式。我们研究了如何为AVs配备诊断工具、远程医疗能力和必要的医疗用品，以弥补现有的医疗资源缺口。通过分析移动诊所和早期AV部署的现有案例，我们从公共卫生的角度评估了这种方法的机遇和局限性。文章还重点讨论了基础设施不足、数字不平等、政策不确定性以及伦理问题等关键障碍，并为政策制定者、医疗机构和私营部门利益相关者提供了有针对性的建议，以促进基于AV的医疗解决方案的包容性和可持续性发展。通过将技术与健康公平目标相结合，AVs为实现全民医疗覆盖提供了一条新颖且可扩展的路径，特别是在传统服务提供不足的情况下。这项工作为关于创新如何重塑21世纪公共卫生系统的讨论做出了贡献。

1 引言
获得医疗服务包括服务的可用性、可及性、可负担性和可接受性[1]。实现全民医疗覆盖是一个国际性的全球目标，这一目标得到了可持续发展目标（SDG-3）的进一步强调——确保所有年龄段的人都能享有健康生活并促进福祉[2]。然而，全球范围内的医疗资源差异，特别是在农村或服务不足的地区，导致这些地区的健康状况最为糟糕[2]。全球医疗资源差异指的是不同国家和社会群体之间的健康状况、医疗服务获取和健康结果的显著差异[3]。这些不平等受到社会决定因素的影响，如贫困、教育水平、就业状况、生活环境以及基于性别或种族的歧视[3]。
交通在塑造公共卫生结果方面发挥着重要作用，尤其是在农村地区，与交通相关的因素对可避免的死亡率和疾病负担有巨大影响[4, 5]。根据世界卫生组织（WHO）2016年的数据，全球有140万人死于机动车事故[6, 7]。2019年，有660万人死于环境空气污染，而在英国、美国和德国等国家，交通相关空气污染占这些死亡人数的五分之一[6, 7]。交通污染物、交通相关压力、缺乏积极出行方式、缺乏运动以及温室气体排放都是与交通相关的有害因素，可能导致健康状况恶化甚至过早死亡[7]。因此，自动驾驶车辆为交通网络的转型提供了机会，从而对公共卫生产生积极影响[7, 8]。自动驾驶车辆利用计算机视觉、激光、GPS、里程计等传感技术进行导航，这些技术用于确定环境和位置[9]。AVs可以避免致命事故，为老年人和残疾人提供重要的出行便利，提高道路容量，节省燃料并降低排放[8, 9]。然而，尽管有许多好处，仍需识别其影响和范围，以便管理和预防与安全、出行、法律法规和社会问题相关的意外负面后果[8, 9]。
虽然自动驾驶车辆作为移动医疗单元可以减少交通相关的空气污染，但其环境影响可能超出运营范围。AV电池和电子硬件的生产、使用和处置可能会产生大量废物，包括有毒金属和不可回收成分[10, 11]。如果管理不当，这可能会在废物管理基础设施有限的弱势社区引入新的环境健康风险。因此，为了确保可持续性，对AV组件进行生命周期评估，采用可回收或低毒性的材料，并实施负责任的电池回收计划对于这些自动驾驶车辆的使用至关重要[12]。
人工智能是实现AV巨大功能的重要工具[13]。AI算法在提高AV性能方面发挥着重要作用，这些作用包括感知、决策、定位和地图绘制等方面[13]。AI算法影响自动驾驶车辆开发的各个阶段，从初始编码到部署后的维护，AI在此过程中的一些好处包括安全性、高效的交通流量、易于访问、节能、生产力和便利性[14, 15]。伦理困境、用户隐私、持续监控和适应性问题以及公众信任和接受度是自动驾驶车辆普及面临的一些挑战[14, 15]。因此，自动驾驶车辆的成功需要在技术发展和监管方面共同努力，平衡其潜在好处并解决这些挑战。
本评论旨在探讨基于AI的自动驾驶车辆作为移动医疗单元的公共卫生潜力，强调现有医疗基础设施中的差距，特别是在交通和覆盖范围方面。此外，本文还讨论了技术和基础设施障碍、隐私和算法偏见及公平风险等问题，并提出了试点项目的建议，以及安全、责任和临床质量保证的监管框架。

2 基于AV的移动医疗单元的公共卫生案例
2015年可持续发展目标3（SDG3）中提出的目标之一是实现全民医疗覆盖[16]。不幸的是，十多年后，医疗资源的不平等仍然是一个全球性问题。这种差距不仅存在于低收入和中等收入国家，以及这些国家内的农村和贫困社区，也存在于高收入国家，那里有大量服务不足的人群，他们的健康状况明显较差[17,18,19]。2021年美国国家卫生统计中心的一项报告显示，2019年美国农村地区的死亡率比城市地区高出20%[20]。无论是在低收入和中等收入国家还是高收入国家，存在的差异通常与几个关键因素有关。地理上的不可及性是两个背景下都存在的一个主要障碍。在撒哈拉以南非洲国家，29%的人口以及28.2%的妇女和儿童距离最近的医院超过2小时的路程[21]。在巴西的农村东北部，超过60%的人口距离最近的医院或急救单位超过10公里[22]。这种距离加上通常较差的道路基础设施和稀少的公共交通设施进一步加剧了问题。例如，在高收入国家如美国，农村居民也面临同样的障碍[23]。这些障碍与较低的医疗利用率、较差的慢性病管理结果以及普通预防性和紧急医疗服务的延迟密切相关[18]。事实上，美国医院协会报告称，2010年至2020年间有超过130家农村医院关闭，进一步加剧了这种差距[24]。
另一个导致这种差异的主要挑战是医疗工作者的短缺。WHO预测，到2030年，全球将短缺1000万名医疗工作者，低收入和中等收入国家面临的短缺最为严重[25]。然而，即使在资源丰富的环境中，医疗工作者和专家也倾向于集中在城市地区，导致居住在偏远或服务不足地区的人群难以获得医疗服务[19, 20]。这些获取问题加上系统性的不平等也特别影响种族和少数民族。例如，在COVID-19大流行期间，尽管非西班牙裔黑人仅占美国人口的13%，但他们占了COVID-19相关死亡的17%，这凸显了结构性和劳动力相关的不平等如何导致更差的健康结果[26]。这些挑战共同表明，当前的医疗服务模式未能公平地服务于所有人群。这突显了需要创新和适应性强的医疗服务平台——基于自动驾驶车辆的移动医疗单元可以提供切实可行的、可扩展的解决方案，帮助实现全民医疗覆盖的目标。AV-MHUs可以提供传染病的现场检测、早期治疗启动和依从性监测，从而减少发病率和传播。同样，孕产妇死亡率（通常每10万例活产中有超过400例死亡）是由于产前护理有限和并发症识别延迟造成的[27, 28]；这些移动单元可以提供风险筛查、产前检查和转诊服务，改善结果。此外，AV-MHUs可以支持慢性病管理和儿童免疫接种，减轻发病率并弥补服务不足人群的差距。
自动驾驶车辆可以立即为医疗不平等带来的一个重大贡献是弥合偏远患者与医疗服务提供者之间的物理距离。在低收入和中等收入国家以及高收入国家，旅行时间、恶劣的道路基础设施和缺乏或不存在的公共交通往往是获得医疗服务的重大障碍[15, 21, 23]。在这些环境中，自动驾驶移动医疗单元可以根据需求运行，或者通过预先安排的路线直接将诊断工具或咨询带到这些难以到达的人群手中[29]。基于AV的移动诊所还可以缓解日益减少的医疗劳动力面临的一些问题——为车辆配备嵌入式诊断AI工具和远程医疗能力，可以在没有医生或护士持续在场的情况下提供基本服务。例如，配备AI驱动的分诊系统或便携式实验室的自动驾驶货车可以对结核病、糖尿病或宫颈癌等进行远程筛查。这样，只有更复杂的病例才会被转诊进行面对面治疗。这种分散式模型还可以减少临床医生的工作负担，通过将人力资源集中在最需要的地方，同时允许常规服务自主或半自主地提供。
边缘化人群，包括移民、无家可归者和残疾人，也经常被主流医疗系统排除在外。基于AV的平台可以通过消除对固定地址、文件或长途旅行的需求，更有效地接触到这些群体[30, 31]。移动AV医疗单元可以在城市或城郊环境中灵活运作，提供药物、监测慢性疾病或通过远程咨询提供心理健康服务。此外，考虑到普遍可及性的设计，AVs可以显著提高老年人和残疾人的出行能力，他们往往因身体或认知限制而面临交通挑战。通过提供门到门的运输或现场医疗服务，AVs可以增强自主性，减少社会隔离，并改善这些人群的预防性和常规护理的获取。下表1提供了关于试点项目的信息。

表1 试点项目回顾
尽管医疗技术取得了进展，但全球范围内的获取差异仍然存在。基于AV的移动医疗单元提供了一个灵活、创新的平台，用于弥补这些差距。通过整合AI、远程医疗和移动性，它们为服务不足的人群提供了有前景的解决方案，特别是在偏远、资源有限或边缘化的环境中。在美国、英国和泰国等国家，已经出现了涉及AV在医院物流和最后一公里配送中的试点项目。然而，探索AV和面向社区的自主单元使用的试点项目仍然很少。这种实施上的差距可能与某些社区对AV的认知、AV的采用率或其他物流和监管问题有关。尽管如此，这既是一个挑战，也是一个需要探索的机会——如果能够战略性地应对这一挑战，就可以在推进全民医疗覆盖方面取得有意义的进展。3 挑战与伦理考量 3.1 克服自动驾驶技术在医疗保健服务中的技术和基础设施限制。人工智能通过提高决策支持系统的有效性、效率以及以患者为中心的理念，正在改变医疗行业。除了改善医疗专业人员处理数据的方式外，这些由人工智能驱动的工具还有助于监测和支持患者，最终将提升医疗服务的标准。使用自动驾驶车辆（AVs）作为移动医疗单元在缩小贫困社区医疗资源差距方面具有巨大潜力[5]。然而，这一创新面临一些根本性的障碍，其中最主要的是基础设施和技术限制，这些限制可能阻碍其成功部署。首先，互联网接入仍然是一个主要问题，尤其是在低收入和农村地区。正如[37]所指出的，数字鸿沟阻碍了下一代技术的采用，而宽带接入有限和数字服务费用高昂更是加剧了这一问题。为了有效运行，配备人工智能诊断工具和远程医疗接口的自动驾驶车辆需要可靠的快速互联网连接；否则，服务将分散提供或完全不可用[38]。其次，还存在与数字互操作性和道路基础设施相关的其他限制。根据Iyanna等人的研究[39]，技术支持的医疗保健面临的最大障碍之一是基础设施不足，包括不同组织之间数字工具部署不均衡以及医疗IT系统之间的整合不良。在道路条件差或没有互操作性医疗数据库的地区使用自动驾驶车辆时，可能会出现中断、数据输入错误或系统故障，从而危及医疗服务的及时性和质量[39]。系统安全性和可靠性威胁进一步加剧了这些问题。医疗工作者指出的常见问题包括跨平台兼容性差、硬件老旧以及系统频繁故障[39]。如果这些问题在基于自动驾驶车辆的医疗单元中反复出现，可能会损害患者的信任，并影响医疗服务的连续性。因此，即使自动驾驶车辆在扩大医疗覆盖方面具有巨大潜力，其成功也取决于解决这些基础设施问题。不仅持续的连接性、强大的IT系统和物理基础设施是物流方面的考虑因素，它们还决定了数字医疗服务的公平性。3.2 人工智能驱动的医疗服务中的伦理考量：隐私、同意和算法公平性 随着数字技术和数据驱动方法在医疗领域的扩展，数据隐私保护已成为一个至关重要的问题。电子健康记录（EHRs）、远程医疗和人工智能（AI）的广泛实施导致了大量敏感患者数据的收集、存储和传输[40]。这种数据应用的迅速增加带来了重大的隐私、安全和伦理挑战[41,42,43]。数据泄露可能对医疗组织和个人产生广泛影响。受保护的医疗信息的泄露可能导致身份盗窃、非法活动以及患者与医疗专业人员之间信任的丧失。随着医疗信息的数字化程度不断提高，这些平台更容易受到网络攻击，因此采取强有力的网络安全措施来保护患者信息免受损害比以往任何时候都更加重要[44,45]。人工智能在医疗领域的应用也对数据隐私有重大影响，因为这些技术依赖于敏感的患者信息。关于数据使用的知情同意和透明度对于维护患者信任和遵守隐私法规至关重要。通过直观的数字界面可以促进知情同意，这些界面清楚地传达数据收集和临床评估的目的、范围和潜在风险[46]。例如，多媒体工具（如视频、交互式提示和简化的语言）可以帮助患者完成同意书填写，而确认机制（如电子签名或生物识别验证）可以确保患者真正理解并同意[47,48]。有效的沟通和伦理数据管理对于缓解这些风险至关重要[49,50]。来自移动应用程序和可穿戴设备的患者生成的健康数据（PGHD）使患者能够掌控自己的健康状况，但也引发了重大的隐私和安全问题。对身份盗窃的担忧可能会阻止患者分享信息，这突显了加强保护措施和公众教育的必要性。当前的法规，包括《健康保险可移植性和责任法案》（HIPAA），提供了必要的保护，但必须对其进行更新以跟上数字医疗技术的进步。政策制定者、医疗专业人员和科技企业家之间的持续合作对于在促进人工智能创新的同时保护隐私至关重要[50,51]。此外，关于算法偏见和公平性，人工智能诊断系统通常依赖于过度代表高收入或多数群体的数据集，这可能会降低代表性不足群体的诊断准确性，增加误诊或延误治疗的风险，尤其是对于种族和少数民族[52]。肤色、遗传因素和社会决定因素等因素也会影响人工智能的表现[53]。如果不解决这些偏见，移动医疗单元可能会加剧健康差异而不是缓解它们。因此，公共卫生实施需要使用多样化的训练数据，在不同人群中验证模型，透明报告子群体的表现，并让社区参与人工智能设计[53,54,55]。这些步骤对于确保人工智能驱动的医疗工具公平服务于边缘化群体至关重要。3.3 公平性挑战：确保自动驾驶技术支持的医疗服务能够惠及数字和经济上处于弱势地位的人群 获得与数字技术创造和应用相关的知识和实践的平等机会，被称为数字健康公平。世界卫生组织2020-2025年数字健康全球战略的十项原则之一就是促进数字技术的适当使用，不让任何人掉队，从而保障数字健康公平[56]。Crawford和Serhal的数字健康公平框架（DHEF）[56]将数字健康的决定因素定义如下：[1] 人们获取数字资源的途径；[2] 他们使用这些资源寻求医疗服务的程度；[3] 他们的数字健康素养；[4] 他们对数字医疗潜在好处或缺点的看法；[5] 他们关于使用数字资源的文化偏好和价值观；[6] 数字资源融入社区和医疗基础设施的程度。发现并解决数字健康决定因素中的潜在差距对于增加实现数字健康公平的可能性至关重要，特别是对于那些可能被排除在数字服务之外的群体而言。为了减少数字不平等并促进技术和数字服务的使用，过去曾提出了一些缓解措施，如扩大物理接入、提升数字技能和社会支持，以及加强数字远程支持基础设施[57,58]。此外，还强调了结合线上和线下策略的混合方法的重要性，这些方法融合了高技术和低技术视角[59]。为了提高数字健康服务的公平可及性，已经提出了几个发展领域，考虑到弱势群体所面临的困难。提高数字服务的可用性以及人们从中获益的潜力应该是发展的主要目标。为了通过数字创新预见并实现一个无缝且更健康的未来，增加临床和实地研究、增加基于证据的研究投资以及获得多方利益相关者的支持是必要的[60]。政府及其合作伙伴应将数字健康作为全民医疗覆盖（UHC）计划的首要任务，因为其在实现健康目标方面具有革命性潜力。除了其他重要的UHC投资领域外，这还包括优先投资于数字化医疗系统。政府应在涉及合作伙伴和社区的情况下开发和实施数字健康计划，以确保与UHC目标保持一致[61]。这些策略还需要解决连接性问题，特别是在宽带接入不足的欠服务和农村地区，这些问题会加剧健康差异[62]。4 未来方向和政策影响 作为加强医疗获取的变革性技术的一部分，自动驾驶车辆（AVs）正在重塑医疗服务提供方式和医疗商品供应链[5]。为了支持这些变革，不应让欠服务社区的全民医疗覆盖（UHC）落后于自动驾驶车辆带来的机会。因此，应优先考虑利用多种促进医疗获取的驱动因素。然而，这些驱动因素与服务价值和医疗质量相关[63]。在医疗获取受多种因素影响的欠服务社区中，自动驾驶车辆的使用将创造多种机会，不仅使医疗服务更加可及，还将为医疗创新提供机会，并为公私合作伙伴关系（PPP）提供途径，以改善健康结果[64,65]。因此，为了协调PPP方法，需要制定支持性政策来加强医疗领域的合作，并产生利用医疗创新服务价值的政治意愿，特别是在欠服务社区[66]。在确保实施可行的政策和强大的政治意愿的同时，PPP将有助于实现这一目标，包括领导实施、资源整合、合作和基础设施发展[67]。这将有助于支持人工智能在医疗领域的广泛应用。自动驾驶车辆将成为确保欠服务社区中的每个人都能获得医疗服务而不受歧视的渠道。政治承诺对于将自动驾驶技术支持的医疗承诺转化为实际成果至关重要。政府在建立自动驾驶法规框架、将自动驾驶移动医疗单元整合到国家医疗系统中以及使其与全民医疗覆盖（UHC）战略保持一致方面发挥着核心作用。在许多资源匮乏的环境中，支持性政策可以通过税收减免、创新拨款和基础设施发展来激励投资，从而促进偏远地区的部署。政治领导力对于协调卫生部门、交通部门、技术公司和地方政府之间的跨部门合作也至关重要。通过将自动驾驶倡议纳入国家数字健康和初级保健战略，政策制定者可以确保可持续性、责任性和服务的公平分配。4.1 安全、责任和临床质量保证的监管框架 没有精心制定适用于欠服务社区的自动驾驶车辆实施框架，就无法实现其成功。其中之一是基于人工智能技术的自动驾驶风险预测模型[68]。Waymo（一种SAE 4级自动驾驶系统（ADS））已被证明在确保效率和安全性以及减少死亡人数方面非常有效[69,70]。该框架进一步开发了一个案例可信度评估结构，利用安全性和证据的可信度来监控风险预测所基于的事件。这一机会将改变医疗服务的提供方式，不仅将提供高质量的服务，还将为全民医疗覆盖（UHC）提供途径，确保没有人被遗漏，包括生活在欠服务社区的人们[71]。例如，当检测到误诊或临床错误时，系统会标记该事件供合格临床医生审查，触发纠正措施和记录。从伦理角度来看，这确保了患者安全和透明度；从法律角度来看，这符合医疗责任标准，明确了人工智能辅助决策的责任。这种方法允许自动驾驶移动医疗单元不断改进风险预测，同时保障临床质量和合规性。通过利用现有框架利用自动驾驶车辆改善医疗获取，这种方法正在重塑交通行业，将其应用于医疗领域将扩大确保医疗获取的潜力[5]。在此之前，由于健康数据集的敏感性，需要有效设置临床质量保证措施[72]。然而，这一机会不仅限于数据质量检查，还创造了描述人们接受度以及社会和行为变化的证据，这些变化将有助于自动驾驶车辆更好地解决健康差异，特别是在欠服务社区。这些机会只有在理解符合个人健康需求的情境政策的基础上才能实现[8]。4.2 需要包容性设计、社区参与和持续评估，以确保自动驾驶车辆支持而非扩大健康公平性 通过利用PPP高效推动创新，要在欠服务社区中使用自动驾驶车辆，必须具备促进健康公平的包容性。从情境角度来看，这体现在社区参与和持续推动评估和所有权中，而不受歧视和偏见的影响[73]。在欠服务社区中，健康公平性已经受到损害。引入自动驾驶车辆（AVs）将对实现全民健康覆盖（UHC）构成威胁，因此成为2030年议程的一个缺点[74]。在本文中，我们提出了一种包容性设计、利益相关者参与和持续评估的方法，这种方法不仅将支持自动驾驶车辆政策的制定，还将将其应用于医疗保健服务的提供中。

5 结论与建议
5.1 建议
为了充分发挥自动驾驶车辆作为移动医疗单元的潜力，我们建议采取一种多层次的方法，重点关注公平性、基础设施和创新。首先，政府和开发伙伴必须优先投资于数字基础设施，特别是在宽带接入和道路条件仍然存在重大障碍的欠发达和农村社区。如果没有可靠的连接，配备人工智能诊断或远程医疗平台的自动驾驶车辆的效果将受到严重影响。针对道路升级、本地化5G部署和移动医疗支持系统的定向资金投入对于确保自动驾驶车辆能够高效地到达和高需求地区至关重要。然而，需要注意的是，在低人口密度的农村地区建设5G基站会带来显著的成本问题[75]。相对于服务的人口规模而言，建设和维护5G基础设施可能非常昂贵，这可能会限制其可扩展性和可持续性，而传统的移动诊所虽然需要的基础设施投资较少，且能够灵活地覆盖分散的社区，但它们缺乏自动驾驶车辆所具备的人工智能驱动的诊断能力。其次，促进基于自动驾驶车辆的医疗单元部署的政策必须融入包容性设计原则，并与目标服务社区共同制定。这包括让当地利益相关者参与自动驾驶服务的设计、实施和评估，以确保文化适应性、信任度和长期采用。此外，监管机构应根据全球试点项目的最佳实践，制定关于安全、数据隐私、责任和临床质量的明确指南。公私合作伙伴关系、学术机构和卫生部门应共同努力，建立可适应不同医疗系统的、基于证据的模型。

5.2 结论
自动驾驶车辆在为边缘化和难以到达的人群提供医疗服务方面代表着一个有前景的方向。尽管这项技术具有巨大潜力，但其成功取决于解决与基础设施、数字公平性、伦理和政策相关的关键挑战。通过注重包容性、安全性和持续的社区参与来推进自动驾驶车辆的整合，我们可以重塑医疗系统应对服务获取差距的方式，朝着更加公平、互联的医疗未来迈进。