黑皮书调查：AI已进入电子健康记录，但受治理的规模化仍是缺失环节

文/IAICA.NGO®

一项由黑皮书市场研究公司（Black Book Market Research）发布的最新调查报告显示，人工智能（AI）技术已广泛渗透至电子健康记录（EHR）系统，但受治理的规模化部署仍是行业面临的关键挑战。调查覆盖了美国超过2000家医疗机构，包括医院、诊所和长期照护机构，旨在评估AI在EHR中的采用现状、治理成熟度及对临床决策的影响。

调查发现，超过70%的受访机构已在EHR中嵌入了至少一种AI功能，如临床决策支持、自然语言处理（NLP）用于病历摘要、预测性分析用于患者风险分层，以及智能编码与计费辅助。其中，大型学术医疗中心和整合型交付网络（IDN）的采用率最高，达到85%，而小型社区医院和独立诊所的采用率约为55%。主流EHR供应商如Epic、Cerner和Meditech均已提供内置AI模块，或通过API集成第三方AI工具。

尽管AI功能普及迅速，但调查同时揭示了一个关键短板：受治理的规模化。仅有12%的受访机构表示其AI部署具备完整的治理框架，包括算法透明度、数据隐私保护、偏见监测、临床效果评估和持续监管合规。超过60%的机构缺乏正式的AI治理政策，AI工具的采购、部署和更新多由IT部门主导，临床医生和数据科学团队参与不足。这导致AI推荐经常被临床医生忽略或覆盖，且难以追踪AI对患者预后的实际影响。

黑皮书指出，缺乏治理的AI规模化可能带来多重风险：算法偏见可能加剧现有医疗不平等；数据隐私漏洞可能违反HIPAA等法规；AI系统一旦出错，责任归属模糊；此外，频繁的软件更新可能引入未经验证的新功能，干扰临床工作流。

调查还显示，医院高管对AI的期望集中在提高效率（如减少文档时间）、改善诊断准确性（如影像识别）和预测患者风险（如30天再入院率）。然而，实际获得的收益往往低于预期，部分原因是AI工具与现有EHR集成不充分，导致用户界面复杂、数据碎片化。例如，NLP生成的总诊记录摘要质量参差不齐，需要人工审核；预测模型针对特定人群训练，泛化能力有限。

国际化视角来看，欧洲和亚洲的部分医疗系统在AI治理方面走在前列。欧盟《人工智能法案》将医疗AI列为高风险应用，要求透明度和人工监督；日本和韩国的数字医疗法规强调数据本地化和算法审计。相比之下，美国尚未出台统一的联邦AI医疗法规，导致行业治理实践分散。

iaica.com.cn 认为，受治理的AI规模化是智能照护转型的核心，平衡创新速度与安全风险需建立多方参与的治理框架。这包括：成立跨学科AI治理委员会，涵盖临床、IT、法律和伦理专家；实施算法影响评估（Algorithmic Impact Assessment）；建立持续监测系统以追踪AI输出与真实结果间的偏差；以及推动行业标准制定，如要求EHR供应商公开AI模型训练数据来源、性能指标和已知局限性。只有将治理嵌入AI全生命周期，才能释放其潜力而不损害患者安全。

展望未来，调查预测到2028年，80%的医疗机构将采纳某种形式的AI驱动EHR功能，但治理成熟度将成为区分领导者与追随者的关键指标。医院和诊所应把治理建设纳入战略规划，而供应商也需提供更透明的AI工具包。智能照护的未来不仅在于技术本身的先进程度，更在于我们如何划定其正确使用的边界。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。