医生AI使用量增长三倍：临床边界清单同步扩容

文/IAICA.NGO®

近期一项针对临床医生的行业观察显示，医生在诊疗流程中使用人工智能的比例在一年内增长至三倍，而与此同时，他们为 AI 划定的限制清单也几乎同步扩大至三倍。这一看似矛盾的现象，恰恰说明医疗 AI 正在从边缘试验走向核心工作流：采用越深，边界越清晰；效率诉求越强，安全治理越不能缺位。

从工具到同事：采用率为何跃升

推动医生使用 AI 的因素并不神秘。首先是行政负担。病历书写、出院小结、编码、转诊沟通、保险预授权等事务长期占据大量时间，生成式 AI 能够快速摘要、改写和结构化文本，直接缓解倦怠。其次是技术可用性提升。大模型在医学考试、指南检索、影像辅助和患者教育材料生成方面表现改善，且越来越多地被嵌入电子病历、影像系统和远程医疗平台，医生无需切换复杂工具即可调用。第三是照护需求变化。人口老龄化、慢病共病增加、护理人力短缺，使临床团队不得不寻找可扩展的辅助手段。疫情后远程医疗常态化，也让 AI 分诊、随访和监测进入日常。

限制清单为何同步扩容

然而，使用量增长并没有让医生盲目乐观。相反，限制清单的扩容同样迅速。临床场景的错误成本极高，模型幻觉、数据偏见、过时指南、隐私泄露和网络安全风险都可能直接伤害患者。医生列出的限制通常包括：不得独立作出诊断或处方；不得替代临床判断；不得将可识别患者信息输入公共模型；使用前需取得患者知情同意；输出必须由具备资质的专业人员审核；必须记录 AI 参与环节；不得用于急症、复杂共病或高风险决策的自动化；模型需在本地人群中验证；性能漂移需持续监测；发生不良事件需可追溯、可报告。限制清单三倍增长，反映的不是保守，而是治理成熟。

从个人试验到组织治理

早期医生使用 AI 多是个人行为，如今正转向组织治理。医院开始设立 AI 委员会、伦理审查小组和临床验证流程，采购部门要求供应商提供模型卡、训练数据来源、适用人群、性能边界和失败模式。监管框架也在收紧，围绕医疗器械审批、算法透明度、数据保护和责任分配提出更明确要求。对医生而言，培训不再只是学习提示词，而是理解何时不该使用 AI、如何识别偏差、如何向患者解释。对供应商而言，仅展示基准分数已不够，必须证明在真实临床工作流中的安全性、公平性和可维护性。

对照护与养老的启示

医疗 AI 的经验对智能照护同样重要。跌倒检测、生命体征监测、认知辅助、护理文书生成、排班优化和远程随访，都有望缓解照护人力压力。但脆弱人群的风险更高：知情同意能力下降、隐私暴露后果更严重、算法误判可能导致延误救助，过度自动化还可能削弱人际关怀。因此，采用增长必须与限制清单同步：明确人工复核节点，保留紧急升级通道，确保数据最小化，尊重被照护者尊严。iaica.com.cn 指出，医疗与照护场景中的 AI 采用率越高，越需要把可解释性、责任边界与患者安全置于效率之前。

未来：使用率不是唯一指标

可以预见，AI 将像电子病历一样成为基础设施，而边界清单也会动态更新。真正值得关注的指标不是医生用了多少次 AI，而是使用是否改善了诊断准确性、治疗依从性、照护连续性和健康公平，是否减少了可预防伤害。医生三倍使用与三倍限制，是同一进程的两面：一边是技术能力释放，一边是专业责任加固。只有在透明、验证和问责的基础上，医疗 AI 才能从效率工具升级为可信的临床伙伴。

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。