来源：AI小医

近日，美国卫生与公众服务部（HHS）发布了其首版AI战略文件(联系小医获取原文件)，旨在通过“一站式HHS”(OneHHS)模式，推动AI在公共卫生、医疗服务、生物医学研究和部门运营中的全面应用。这一战略不仅响应了美国总统的AI行动计划和相关行政命令，还标志着HHS从传统官僚模式向AI驱动的创新转型。文件强调，AI是21世纪最具变革性的技术，能帮助美国“重振健康”。本文基于战略文件，对其核心内容进行深度解读，帮助读者理解这一举措如何重塑美国医疗体系。

战略背景与目的

HHS是美国联邦政府中负责卫生与社会服务的核心部门，下辖多个分支机构，如疾控中心（CDC）、食品药品管理局（FDA）、国家卫生研究院（NIH）和医疗保险与医疗补助服务中心（CMS）。这些机构既直接提供医疗服务（如NIH和印第安卫生服务局的临床护理），也通过监管、资助和标准制定影响整个医疗行业。

文件指出，数字技术和信息共享的进步已深刻改变医疗景观。从个人电脑到互联网，再到如今的AI，这些创新承诺加速新药发现并提升生活质量。然而，HHS长期受官僚主义拖累，行政负担重、创新受阻。战略的愿景是投资并引领AI应用，最大化部门效能，催化创新，提升所有美国人的健康福祉。同时，它强调遵守隐私法（如HIPAA），保护个人健康信息。

文件由副部长Jim O’Neill和代理首席AI官Clark Minor分别撰写引言。O’Neill强调HHS将拆除创新障碍，提供ChatGPT等工具给全员使用，并加速药物审批和索赔处理。Minor则聚焦AI如何解决国家健康挑战，如慢性病负担，通过基础设施建设和员工培训，实现AI驱动的公共服务。

执行摘要概述了战略的核心：通过加强治理、构建共享AI基础设施、培训员工、推进黄金标准科学（强调可重复性和透明度），以及现代化医疗交付，实现AI的价值层级。HHS预计2025财年AI用例将增长70%。

HHS AI成熟度初步评估

战略首次评估HHS的AI成熟度，采用OMB指导的分阶段方法：潜在/预部署阶段（评估预期回报）、新兴/开发阶段（评估试点性能）、实现/部署阶段（年度审查），以及领先阶段（部门规模化）。

目前，HHS分支机构在AI应用上互补但碎片化，导致资源浪费。文件承认联邦治理模式导致信息孤岛，但强调转向OneHHS模式，消除数据壁垒，促进FAIR原则（可发现、可访问、可互操作、可重用）。例如，HHS已启用AI工具辅助员工，并计划发布用例评估报告。

评估显示，HHS在内部AI使用上已有进展，如FDA的药物审查和CMS的索赔处理，但需加强透明度和风险管理。高影响AI（如影响健康结果或权利的应用）将接受严格审查。未来，HHS将通过年度库存监控AI增长，确保合规。

五大AI支柱：战略框架详解

战略的核心是五大支柱，每个支柱包括愿景、目标、指标和当前行动，旨在平衡创新与风险。

支柱1：确保治理和风险管理以建立公众信任

   愿景：建立前瞻性AI治理，加速创新同时维护信任。HHS已设立AI治理委员会，由分支领导组成，每年至少两次会议，协调IT、采购和数据治理。

   目标：为高影响AI制定标准化最低风险实践（包括部署前测试、影响评估、独立审查、监测及违规终止机制）；维护AI用例清单（标注高影响场景并适时发布通俗摘要）。

   指标：高影响用例完成评估与独立审查的比例；公开透明度（如决定与豁免的摘要数量）；安全与信任（平均响应/修复时间、纠正措施数量、利益相关者满意度）。

   当前行动：已成立由各司高级领导组成的AI治理委员会（每年至少开会两次），并与AI培训、部署及创新负责人小组协作，结合联邦政策方向与基层创新落实战略；当前风险管理参考NIST AI风险管理框架，并持续跟踪更新。

这一支柱强调，良好治理是AI应用的基石，避免误用或隐私泄露。

支柱2：为用户需求设计基础设施和平台

   愿景：构建“OneHHS AI集成公域”，提供共享数据、计算资源、模型和测试环境，降低成本，促进快速创新。优先美国技术、开源工具，除非隐私或安全要求封闭。

   目标：支持符合FAIR原则（可发现、可访问、可互操作、可重用）的HHS数据基础设施，强化数据集中治理与成本效益；整合治理并嵌入成本监控。

   指标：AI基础设施采用情况（发布的FAIR数据集数量、跨司训练/复用的AI模型数量等）；效率提升（数据获取/准备时间缩短、重复数据减少、成本节约、模型开发周期加快）；安全合规率（符合HHS隐私/安全/治理标准）。

   当前行动：为员工及领导部署定制化AI工具；利用现有投资与模型提升数据质量；推广GSA工具增强员工能力；遵循OMB M-25-22指南优化IT采购，梳理IT资源以支撑AI效率；推动数据管理政策（明确数据所有权、标准化共享资源、数字化数据以提升机器可读性），并要求供应商符合更高数据标准。

这一支柱解决碎片化问题，推动部门从孤岛向协作转型。

支柱3：促进劳动力发展和减少负担以提高效率

   愿景：赋能全员AI技能，使用安全工具减少行政负担，提升使命影响。创建“试用优先”文化，AI作为“副驾驶”辅助人类。

   目标：建立基于角色的培训路径（从入门到高级，适配不同岗位如临床医生、监管人员等）；部署与HHS系统集成的安全AI工具，跟踪性能与安全指标；设立服务台与任务提示库；招募/保留AI与数据人才，利用公私合作加速技能提升；开发解决方案质量评估机制。

   指标：减负效果（各角色节省时间比例、流程自动化覆盖率）；采用率与满意度（活跃用户数、成功案例复用率）。

   当前行动：员工对AI技能学习需求高涨，HHS提供分层培训（基础至进阶），鼓励“先试先用”文化；通过AI实践社区与专家辅导促进知识共享；支持员工在合规前提下（如HIPAA保护PHI）将AI用于自动化行政任务，释放人力专注高价值工作。

这一支柱聚焦人力资本，确保员工从AI受益，而非被取代。

支柱4：通过黄金标准科学促进健康研究和可重复性

   愿景：资助全球领先的AI生物医学研究，融入可重复性、透明度和无偏见审查原则。覆盖从发现到监管的全链条。

   目标：将黄金标准科学原则（结果可复现性、方法透明性、无偏同行评审）贯穿AI研究全流程（从发现到测试及监管批准）；推动开放权重/接口模型与数据集（合法安全前提下），优先开展产学研预竞争合作；建立可复现流程（预注册、协议/数据标准化、代码/数据开放）。

   指标：符合可复现性/文档要求的项目比例；成果转化（如试验/临床中采用的工具、检测到的安全信号、AI辅助的监管提交）。

   当前行动：各司研究项目（如NIH实验室、FDA药物安全研究、CDC公共卫生监测）正集成AI工具，涵盖药物研发、诊断、临床试验优化等领域；举措包括开发AI评估方法（确保安全有效性）、标准化数据管理以加速发现、利用政府共享资源（计算/云服务）支持大规模计算需求。

这一支柱强调AI必须服务于严谨科学，避免“黑箱”问题。

支柱5：启用护理和公共卫生交付现代化以获得更好结果

   愿景：AI辅助临床医生和公共卫生专家，提升个体和人口健康。HHS直接提供服务（如IHS诊所），并通过资助影响生态。

   目标：优先针对关键健康问题（如心脏病、癌症、糖尿病等）部署AI工具，应用于临床决策支持、风险分层、早期预警等；协调各司职责避免重复，统一对外沟通策略；持续监测AI表现以指导决策。

   指标：临床/公共卫生结果（如糖化血红蛋白降低、再入院率下降、急诊非必要就诊减少等）；运营指标（部署时间、采用率、行政时间节约）。

   当前行动：HHS资助前沿研究（如开发AI模型加速知识发现），支持自动化工具应用以释放研究人员精力；举措包括联合外部伙伴评估AI医疗产品的安全性与有效性；开发可靠的AI助手（区分教育与临床指导）；资助跨司合作项目，设计AI模型评估工具（关注可解释性、结果通用性、长期可用性），制定隐私保护指南（如最小化PHI风险），投资技术赋能医疗服务以控本增效。

这一支柱聚焦实际影响，确保AI改善结果而非增加复杂性。

小结

总体而言，这一战略标志HHS从被动监管向主动创新转型，预计将加速药物开发、个性化医疗和公共卫生响应。但挑战在于平衡隐私与数据共享，以及确保公平性。未来，HHS将根据AI演进迭代战略，公开分享进展。作为全球医疗领导者，这一举措或将影响国际标准，推动AI在健康领域的应用。

特别声明：前海天智官网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。