袁鳳 郭程 姜宏 俞曄

摘 要： 人工智能技術(shù)已成為推動(dòng)各種創(chuàng)新應(yīng)用的重要手段。在醫(yī)療衛(wèi)生領(lǐng)域，人工智能深度應(yīng)用是未來發(fā)展趨勢，也是落實(shí)“健康中國”戰(zhàn)略的重大創(chuàng)新實(shí)踐。醫(yī)學(xué)人工智能的發(fā)展為經(jīng)濟(jì)增長、社會(huì)治理和學(xué)科繁榮帶來了新的機(jī)遇。開展醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)的研究，對促進(jìn)醫(yī)學(xué)人工智能持續(xù)健康發(fā)展，保障人民健康、促進(jìn)社會(huì)和諧具有重要意義。本文回溯了醫(yī)學(xué)人工智能產(chǎn)生的背景，梳理了現(xiàn)階段醫(yī)學(xué)人工智能的研究對象，分析了醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)的研究方法，并提出了醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)研究需注意的幾方面問題，為進(jìn)一步做好醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)奠定了基礎(chǔ)。

關(guān)鍵詞： 醫(yī)學(xué)人工智能;社會(huì)實(shí)驗(yàn);機(jī)器學(xué)習(xí);深度學(xué)習(xí)

中圖分類號(hào)： R 4

文獻(xiàn)標(biāo)志碼： A

Research progress of social experiment based onmedical artificial intelligence

YUAN Feng GUO Cheng JIANG Hong YU Ye

（Shanghai Tenth Peoples Hospital， Tongji University， Shanghai 200072， China）

Abstract： Artificial intelligence technology has become an important means to promote various innovative applications. In the field of health care， the in-depth application of artificial intelligence is not only the future development trend， but also a major innovative practice to implement the "Healthy China" strategy. The development of medical artificial intelligence brings new opportunities for economic growth， social governance and discipline prosperity. The research on social experiment of medical artificial intelligence is of great significance to promote the sustainable and healthy development of medical artificial intelligence， protect people's health and promote social harmony. This paper reviews the background of the emergence of medical artificial intelligence， combs the research objects of medical artificial intelligence at this stage， analyzes the research methods of medical artificial intelligence social experiment， and puts forward some problems that should be paid attention to in the research of medical artificial intelligence social experiment， which lays the foundation for further research on medical artificial intelligence social experiment.

Key words： medical artificial intelligence; social experiment; machine learning; deep learning

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，醫(yī)療健康是人工智能發(fā)展的重要領(lǐng)域，醫(yī)學(xué)人工智能的發(fā)展為經(jīng)濟(jì)增長、社會(huì)治理和學(xué)科繁榮帶來了新的機(jī)遇。但同時(shí)，新技術(shù)的應(yīng)用不可避免伴隨著風(fēng)險(xiǎn)，醫(yī)學(xué)人工智能具有技術(shù)屬性和社會(huì)屬性高度融合的特點(diǎn)，隨著其應(yīng)用場景的快速推廣，在技術(shù)、法律、社會(huì)、心理等角度暴露出諸多盲點(diǎn)。通過開展醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)，分析預(yù)判醫(yī)學(xué)人工智能對人類社會(huì)各方面可能帶來的影響，處理好醫(yī)學(xué)人工智能與人、與社會(huì)的關(guān)系，是促進(jìn)醫(yī)學(xué)人工智能持續(xù)健康發(fā)展的重要舉措，對保障人民健康、促進(jìn)社會(huì)和諧發(fā)展具有重要意義。

1 醫(yī)學(xué)人工智能研究背景

隨著科技進(jìn)步，人工智能技術(shù)成為了推動(dòng)各種創(chuàng)新應(yīng)用的重要手段。人工智能從提出到現(xiàn)在，經(jīng)歷了60多年的發(fā)展積累，經(jīng)歷了兩落三起。人工智能作為世界三大尖端技術(shù)之一，已經(jīng)實(shí)現(xiàn)了從實(shí)驗(yàn)研究向產(chǎn)業(yè)發(fā)展的飛躍。從智能家居、虛擬助手、人臉識(shí)別到智能醫(yī)療、機(jī)器翻譯和搜索引擎，人工智能已經(jīng)悄然進(jìn)入我們生活的多個(gè)領(lǐng)域。人工智能在代替人們工作過程中體現(xiàn)出來的明顯優(yōu)勢帶來了其實(shí)際應(yīng)用的爆發(fā)式增長，機(jī)器智能水平也相應(yīng)得到不斷提升。目前，包括醫(yī)療行業(yè)在內(nèi)的多個(gè)領(lǐng)域都在探索人工智能的應(yīng)用，根據(jù)當(dāng)前發(fā)展形勢，可以預(yù)測人工智能在未來的發(fā)展過程中，在人類全健康應(yīng)用領(lǐng)域?qū)⒏鼮閺V泛，人工智能必將引領(lǐng)人類第四次工業(yè)革命，廣泛影響未來人們的生活。

在醫(yī)療衛(wèi)生領(lǐng)域，人工智能深度應(yīng)用是未來發(fā)展趨勢，也是落實(shí)“健康中國”戰(zhàn)略的重大創(chuàng)新實(shí)踐?！秶鴦?wù)院辦公廳關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》（國辦發(fā)〔2016〕47號(hào)）、《“十三五”衛(wèi)生與健康科技創(chuàng)新專項(xiàng)規(guī)劃》（國科發(fā)社〔2017〕147號(hào)）、《國家健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)、安全和服務(wù)管理辦法（試行）》（國衛(wèi)規(guī)劃發(fā)〔2018〕23號(hào)）等文件的頒布和實(shí)施推動(dòng)了我國人工智能與醫(yī)療衛(wèi)生相結(jié)合的健康發(fā)展。

毫無疑問，醫(yī)學(xué)人工智能的中國時(shí)代已經(jīng)到來。隨著長三角區(qū)域一體化發(fā)展與上海建設(shè)具有全球影響力的科技創(chuàng)新中心這兩項(xiàng)國家戰(zhàn)略的深入推進(jìn)，聚合疊加效應(yīng)正在形成。這一判斷是基于三個(gè)方面，第一，人工智能+醫(yī)學(xué)的應(yīng)用基礎(chǔ)和環(huán)境。中國人口基數(shù)大，醫(yī)療資源分布不足，讓人工智能醫(yī)療落地應(yīng)用成為一種剛需;第二，人工智能在各領(lǐng)域的技術(shù)積累達(dá)到了一個(gè)爆破點(diǎn)。從技術(shù)層面看，它可以為醫(yī)療人工智能落地化產(chǎn)生強(qiáng)大的助推作用;第三，國家政策紅利。從2016年到2021年，國務(wù)院、發(fā)改委、FAD連續(xù)發(fā)文，多次提及醫(yī)療影像等關(guān)鍵技術(shù)智能化、云化的趨勢，為推動(dòng)智能醫(yī)療保駕護(hù)航。國務(wù)院在《新一代人工智能發(fā)展規(guī)劃》中指出要在醫(yī)療領(lǐng)域“推廣應(yīng)用人工智能治療新模式新手段”，《新一代人工智能發(fā)展規(guī)劃》是我國第一個(gè)國家層級AI發(fā)展的中長期規(guī)劃，也是我國政府發(fā)展及推動(dòng)AI發(fā)展的藍(lán)圖，它從整體上部署我國的AI發(fā)展，并提出面向2030年我國新一代AI發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)與保障措施等，明晰了未來醫(yī)院高質(zhì)量發(fā)展的方向。

2 醫(yī)學(xué)人工智能研究對象

界定清楚醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)的研究邊界對明確研究對象尤為重要。

（1）按照目前國家衛(wèi)健委官方圈定的智慧醫(yī)院范圍涵蓋三大領(lǐng)域：主要面向醫(yī)務(wù)人員和患者的“智慧醫(yī)療”、主要面向患者的“智慧服務(wù)”、主要面向醫(yī)院管理者的“智慧管理”，這是在醫(yī)學(xué)人工智能研究中首先要明確的。

（2）對“醫(yī)學(xué)人工智能”進(jìn)行社會(huì)實(shí)驗(yàn)研究，一定是基于病種且在大數(shù)據(jù)統(tǒng)計(jì)分析的基礎(chǔ)上，結(jié)合ML和DL等算法展開的研究。目前較為成熟的是應(yīng)用于醫(yī)院放射科、超聲科、病理科等場景的人工智能應(yīng)用。

未來將進(jìn)一步拓寬醫(yī)學(xué)人工智能的應(yīng)用范圍，聚焦服務(wù)百姓、服務(wù)健康、服務(wù)常見病，且有大量社會(huì)應(yīng)用基礎(chǔ)的醫(yī)學(xué)人工智能場景為醫(yī)學(xué)社會(huì)實(shí)驗(yàn)研究對象，這樣的社會(huì)實(shí)驗(yàn)研究才更加具備普適性和社會(huì)價(jià)值。

3 醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)的研究方法

3.1 社會(huì)實(shí)驗(yàn)研究方法

19 世紀(jì)，由李比希（Justus von Liebig）率先提出，科學(xué)實(shí)驗(yàn)不應(yīng)局限于實(shí)驗(yàn)室里產(chǎn)生的“模擬世界”，需要進(jìn)入現(xiàn)實(shí)世界，更多關(guān)注科學(xué)技術(shù)在真實(shí)世界的作用與影響。此后，隨著社會(huì)科學(xué)的制度化，孔德（Auguste Comte）、斯莫爾（Albion W.Small）、亨德森（Charles R.Henderson）、亞當(dāng)斯（Jane Addams）、帕克（Robert E.Park）等社會(huì)學(xué)家逐步確立了早期社會(huì)實(shí)驗(yàn)的研究路徑，即一方面采用自然科學(xué)的術(shù)語和方法;另一方面把觀測研究的對象—社會(huì)環(huán)境、城市、社區(qū)、個(gè)人—的自然演進(jìn)看作一個(gè)實(shí)驗(yàn)過程，研究者通過觀測記錄這種演進(jìn)過程，獲取可以對比分析的數(shù)據(jù)，從而更好地理解社會(huì)是如何“運(yùn)作”的。杜威（John Dewey）則進(jìn)一步發(fā)展出“實(shí)驗(yàn)主義”哲學(xué)，認(rèn)為國家形態(tài)的建立、政策措施的引入都是在社會(huì)實(shí)驗(yàn)中不斷進(jìn)行嘗試、檢驗(yàn)和修正。到了20世紀(jì)，現(xiàn)代統(tǒng)計(jì)學(xué)的奠基人費(fèi)希爾（Ronald Aylmer Fisher）指出，社會(huì)實(shí)驗(yàn)除了把模擬環(huán)境換成真實(shí)環(huán)境，其他的操作依然需要遵循實(shí)驗(yàn)室實(shí)驗(yàn)的邏輯，并引入了隨機(jī)性的概念，并強(qiáng)調(diào)了隨機(jī)化（Randomization）、重復(fù)性（Repeatability）和干預(yù)控制（Intervention Control）是構(gòu)成社會(huì)實(shí)驗(yàn)研究和保證研究內(nèi)部效度的3個(gè)基礎(chǔ)要素?；谶@3個(gè)要素的不同，一些學(xué)者對在真實(shí)情境下引入“控制—對照—比較”實(shí)驗(yàn)推理邏輯的研究加以區(qū)別，劃分出準(zhǔn)實(shí)驗(yàn)（Quasi-experiment）、自然實(shí)驗(yàn)（Natural Experiment）、實(shí)地實(shí)驗(yàn)（Field Experiment）等不同類型，成為社會(huì)實(shí)驗(yàn)研究方法譜系的重要組成部分。根據(jù)實(shí)驗(yàn)中相關(guān)情境因素引入程度，“實(shí)地實(shí)驗(yàn)”進(jìn)一步細(xì)分為“自然的實(shí)地實(shí)驗(yàn)”（Natural Field Experiment）、“框架的實(shí)地實(shí)驗(yàn)”（Framed Field Experiment）、“人為的實(shí)地實(shí)驗(yàn)”（Artificial Field Experiment）。

3.2 隨機(jī)社會(huì)實(shí)驗(yàn)研究方法的理論模型

早期的觀點(diǎn)認(rèn)為實(shí)驗(yàn)方法可以獲得行為結(jié)構(gòu)模型不變的參數(shù)估計(jì)，但人們通常認(rèn)為結(jié)構(gòu)模型不能解釋行為。因此關(guān)注的問題就從結(jié)構(gòu)模型參數(shù)的估計(jì)，轉(zhuǎn)向了那些決定項(xiàng)目實(shí)施的因素。

如果我們可以觀察到一個(gè)人的兩種不同情景下的行為，就可以通過比較這兩種情景之下他的行為結(jié)果來確定該項(xiàng)目的影響程度。我們分別采用Y，Y0表示接受與未接受該項(xiàng)目的兩種狀態(tài)，兩者的差異Δ=Y1-Y0。

因?yàn)槲覀兩胁荒軟Q定這個(gè)改變對于某個(gè)特殊群體的影響，因此評估者只能關(guān)注該政策對不同群體之間的影響分布。尤其，如果一個(gè)人隨機(jī)地接受了該項(xiàng)目，那么通過比較這兩種不同情景下結(jié)果差異的期望值E（Δ）=E（Y1-Y0）就給出了一種平均意義上的影響估計(jì)。我們主要關(guān)注這些參加者在接受該項(xiàng)目前后的結(jié)果差異。我們用d=1和d=0代表參加和未參加兩種狀態(tài)，該項(xiàng)目對于參加者的平均影響程度記為：E（Δ│d=1）=E（Y1-Y0│d=1）

現(xiàn)有的估計(jì)方法大多關(guān)注項(xiàng)目的平均影響估計(jì)。當(dāng)對平均效應(yīng)進(jìn)行估計(jì)時(shí)，要么對整個(gè)總體、要么對于那些參加一個(gè)自愿項(xiàng)目的效果進(jìn)行估計(jì)。關(guān)鍵在于如何構(gòu)造一種我們所需的“反現(xiàn)實(shí)”或“虛擬情景”。例如對于一個(gè)自愿參加項(xiàng)目， 為了估計(jì)該項(xiàng)目對于參與人的期望效應(yīng)時(shí)，我們需要對該參與人假設(shè)沒有參加該項(xiàng)目的期望后果E（Y0│d=1）進(jìn)行估計(jì)，這是比較困難的，因?yàn)槲覀儾荒苡媚切]有參加該項(xiàng)目人的期望結(jié)果E（Y0│d=1）來近似替代。如果我們簡單地對這兩者進(jìn)行差異化處理，E（Y1│d=1）-E（Y0│d=1）實(shí)際上它包含了兩種效應(yīng)：

E（Y1│d=1）-E（Y0│d=1）=0{E（Y1│d=1）-E（Y0│d=1）}+{E（Y0│d=1）-E（Y0│d=1）}

其中第一項(xiàng)代表了我們感興趣的參數(shù)估計(jì)，第二項(xiàng)代表了選擇性偏差。度量了那些未參與者和那些參與者在未參與狀態(tài)時(shí)的不同。

隨機(jī)的社會(huì)實(shí)驗(yàn)方法可以解決這一問題。通過生成一個(gè)實(shí)驗(yàn)控制群體，這個(gè)群體的人是隨機(jī)選擇的，參加與否都是隨機(jī)決定的，參加者和未參加者在沒有參加該項(xiàng)目的結(jié)果差異效應(yīng)就是該項(xiàng)政策的實(shí)際效應(yīng)。

3.3 醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)研究的實(shí)施步驟

社會(huì)實(shí)驗(yàn)方法的目標(biāo)是要度量醫(yī)學(xué)人工智能對其對象所產(chǎn)生的真實(shí)效果，具有以下一些特點(diǎn)：

（1）保障隨機(jī)性。隨機(jī)構(gòu)造兩個(gè)群體，控制組與對比組。隨機(jī)性體現(xiàn)在不存在選擇和歧視，人們有選擇參加實(shí)驗(yàn)與否的自由，他們不能決定他們參加哪個(gè)組。同樣地，這些進(jìn)行實(shí)驗(yàn)的管理機(jī)構(gòu)要對參與人進(jìn)行合格性檢查，一旦入選就一定要盡可能地排除人為決定的干擾。

（2）實(shí)施干預(yù)。一組行動(dòng)集合來確保這兩個(gè)隨機(jī)選擇的組成員在他們?nèi)粘５纳钪忻媾R著不同的情境。一般對比組代表了現(xiàn)有情境下這些參與者的現(xiàn)狀;控制組會(huì)受到創(chuàng)新的影響和作用，通過對比這兩個(gè)組的行為后果差異來分析人工智能所產(chǎn)生的真實(shí)效果。

（3）數(shù)據(jù)搜集。度量每個(gè)組成員的行為及結(jié)果。一旦搜集到實(shí)驗(yàn)的相關(guān)數(shù)據(jù)，我們就可以采用恰當(dāng)?shù)姆椒▉磉M(jìn)行深入地分析對比研究。

（4）效果評估。運(yùn)用統(tǒng)計(jì)推斷和專業(yè)知識(shí)來分析人工智能對于不同人群產(chǎn)生的影響差異，并分析產(chǎn)生差異的原因。

4 醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)研究需注意的幾方面問題

4.1 細(xì)化社會(huì)實(shí)驗(yàn)設(shè)計(jì)

其中包括確保樣本的隨機(jī)分組等方面。因?yàn)獒t(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)研究的一個(gè)難點(diǎn)是保障樣本的隨機(jī)分組，使樣本被分配到實(shí)驗(yàn)組和對照組的概率一致。因此，需要細(xì)化實(shí)驗(yàn)設(shè)計(jì)，從而增強(qiáng)社會(huì)實(shí)驗(yàn)的內(nèi)外部效度與信度。同時(shí)在滿足平行假設(shè)的基礎(chǔ)上，確立實(shí)驗(yàn)組和對照組，使實(shí)驗(yàn)組和對照組在其他變量上盡可能接近，使得醫(yī)學(xué)人工智能所產(chǎn)生的作用，成為實(shí)驗(yàn)組和對照組之間的關(guān)鍵性差異。

4.2 強(qiáng)化醫(yī)學(xué)倫理審查

由于醫(yī)學(xué)人工智能本身具有高度不確定性和較大倫理風(fēng)險(xiǎn)，新的醫(yī)學(xué)人工智能應(yīng)用場景對社會(huì)公眾產(chǎn)生的影響可能長期持續(xù)并且無法有效調(diào)控，所以必須尤其重視醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)中的醫(yī)學(xué)倫理問題。研究者要嚴(yán)格謹(jǐn)慎地遵循尊重、不傷害、有利、公正等基本科研原則，加強(qiáng)對實(shí)驗(yàn)流程、實(shí)驗(yàn)對象選擇、實(shí)驗(yàn)數(shù)據(jù)采集等各個(gè)環(huán)節(jié)的醫(yī)學(xué)倫理審查。充分尊重受試者，確保受試者的知情同意權(quán)、數(shù)據(jù)信息隱私權(quán)得到有效保護(hù)，盡可能降低風(fēng)險(xiǎn)和傷害。

4.3 標(biāo)準(zhǔn)化數(shù)據(jù)采集

醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)是對技術(shù)變革、治理創(chuàng)新與社會(huì)轉(zhuǎn)型的綜合性檢驗(yàn)，具有長周期、跨領(lǐng)域、多學(xué)科的特征，涉及的研究對象涵蓋不同類型的個(gè)人和組織，需要采集的數(shù)據(jù)種類繁多，結(jié)構(gòu)復(fù)雜。因此，在數(shù)據(jù)采集過程中，要特別注重?cái)?shù)據(jù)的標(biāo)準(zhǔn)化和完備性，為實(shí)現(xiàn)不同區(qū)域醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)數(shù)據(jù)的交流共享提供便利，使醫(yī)學(xué)人工智能社會(huì)實(shí)驗(yàn)成為一項(xiàng)系統(tǒng)性科學(xué)研究工程。

參考文獻(xiàn)：

[1]BARIC-PARKER J， ANDERSON E E. Patient data sharing for AI： Ethical challenges， catholic solutions[J]. The Linacre Quarterly， 2020： 002436392092269.

[2]AHMAD M A， PATEL A， ECKERT C， et al. Fairness in machine learning for healthcare[J]. Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining， 2020.

[3]CHEN P-H C， LIU Y， PENG L. How to develop machine learning models for healthcare[J]. Nature Materials， 2019， 18（5）： 410-414.

[4]MCCRADDEN M D， STEPHENSON E A， ANDERSON J A. Clinical research underlies ethical integration of healthcare artificial intelligence[J]. Nature Medicine， 2020， 26（9）： 1325-1326.

[5]BARTOLETTI I. AI. Healthcare： Ethical and privacy challenges[J]. Artificial Intelligence in Medicine， 2019： 7-10.

[6]ZERILLI J， KNOTT A， MACLAURIN J， et al. Transparency in algorithmic and human decision-making： Is there a double standard？[J]. Philosophy & Technology， 2018， 32（4）： 661-683.

[7]VAYENA E， BLASIMME A， COHEN I G. Machine learning in medicine： Addressing ethical challenges[J]. PLOS Medicine， 2018， 15（11）： e1002689.

[8]JAIN V， CHATTERJEE J M. Machine learning with health care perspective[M]. CHAM： Learning and analytics in intelligent systems. Springer International Publishing， 2020.

[9]BEAM A L， KOHANE I S. Big data and machine learning in health care[J]. JAMA， 2018， 319（13）： 1317.

[10]WALJEE A K， HIGGINS P D R. Machine learning in medicine： A primer for physicians[J]. Official Journal of the American College of Gastroenterology ACG， 2010， 105（6）： 1224-1226.

[11]WOOD A， NAJARIAN K， KAHROBAEI D. Homomorphic encryption for machine learning in medicine and bioinformatics[J]. ACM Computing Surveys， 2020， 53（4）： 1-35.

[12]MEYFROIDT G， GIZA F， RAMON J， et al. Machine learning techniques to examine large patient databases[J]. Best Practice & Research Clinical Anaesthesiology， 2009， 23（1）： 127-143.

[13]蘇竣，魏鈺明，黃萃. 社會(huì)實(shí)驗(yàn)：人工智能社會(huì)影響研究的新路徑[J]. 中國軟科學(xué)，2020（9）：132-140. DOI：10.3969/j.issn.1002-9753.2020.09.011.

[14]蘇竣，魏鈺明，黃萃. 基于場景生態(tài)的人工智能社會(huì)影響整合分析框架[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2021，42（5）：3-19.

[15]俞鼎. 技術(shù)賦能型社會(huì)實(shí)驗(yàn)：建設(shè)創(chuàng)新型國家的一種新路徑[N]. 中國社會(huì)科學(xué)報(bào)，2021-02-02（004）.

收稿日期：2021-0-00

基金項(xiàng)目：2020年上海市科學(xué)技術(shù)委員會(huì)軟科學(xué)重點(diǎn)項(xiàng)目“上海國家新一代人工智能創(chuàng)新與發(fā)展試驗(yàn)區(qū)社會(huì)實(shí)驗(yàn)研究”（20692118100）;2020年上海市科學(xué)技術(shù)委員會(huì)軟科學(xué)重點(diǎn)項(xiàng)目“醫(yī)療應(yīng)急救援的人工智能應(yīng)用與評價(jià)”（20692105500）;2021年上海交通大學(xué)中國醫(yī)院發(fā)展研究院醫(yī)院管理建設(shè)研究項(xiàng)目“三級公立醫(yī)院高質(zhì)量發(fā)展路徑探索與實(shí)踐”（CHDI-2021-B-14）;2021年上海交通大學(xué)中國醫(yī)院發(fā)展研究院醫(yī)院管理建設(shè)研究項(xiàng)目“長三角醫(yī)院協(xié)同發(fā)展專科聯(lián)盟作用發(fā)揮研究”（CHDI-2021-B-15）;2020年上海交通大學(xué)中國醫(yī)院發(fā)展研究院醫(yī)院管理建設(shè)研究項(xiàng)目“城市立體化公共衛(wèi)生應(yīng)急救援體系構(gòu)建研究”（CHDI-2020-A-14）;2020年申康醫(yī)院管理研究項(xiàng)目“基于人工智能的醫(yī)療應(yīng)急救援應(yīng)用評價(jià)”（2020SKMR-46）

作者簡介：袁鳳（1987—），女，同濟(jì)大學(xué)附屬第十人民醫(yī)院科研處，科員，研究方向：項(xiàng)目管理、科研管理、人工智能;俞曄（1981—）（通信作者），男，上海交通大學(xué)附屬第一人民醫(yī)院院務(wù)辦公室，副研究員，研究方向：人工智能、質(zhì)量管理、醫(yī)聯(lián)體，E-mail： qzlglc@163.com。