系统综述：医疗AI出版治理仍碎片化，100篇文献与69项治理工具揭示三类张力

文/IAICA.NGO®

一项系统叙事综述显示，医疗人工智能出版治理已从强调模型性能报告，扩展到更广泛的社会技术责任，但该领域仍呈碎片化与认识论不均衡。研究者汇总100篇出版物，其中69项为治理工具与政策，另纳入31项情境证据来源，并识别出三类持续影响AI辅助学术出版标准的张力。研究并未评估某一临床AI系统，也未证明患者结局改善，而是勾勒治理框架和报告规范的演进图景。

方法上，检索覆盖PubMed及MEDLINE，使用14条布尔检索式，时间范围为2018年1月1日至2026年5月19日，并手工检索EQUATOR Network指南库作为补充。去重后得到30276条记录，888条进入人工筛选，最终100篇纳入综述。如此严格的筛选流程说明，结论建立在较广文献基础之上，但纳入材料以治理工具、政策和情境证据为主，证据层级并不齐整。

在分类上，69项治理工具和政策被划入四个证据层级，全部材料归入六个主题组：预测与诊断AI框架；社会技术与生命周期治理；生成式AI和大语言模型标准；专科扩展；外科报告更新；编辑与出版政策。分析发现，2018年至2026年间治理发展经历四个连续阶段。早期阶段聚焦预测模型透明度，后续轨迹逐步转向综合社会技术责任。作者将这一变化描述为治理图景的演变，而非对具体技术效果的验证。

综述进一步指出，医疗出版治理现在依赖目的不同、权威程度不一的工具。预测与诊断报告标准只覆盖治理图景的一部分；社会技术与生命周期方法则试图更全面地考虑系统开发、部署、监测和责任分配。生成式AI与大语言模型标准构成另一类别，专科、外科、编辑和出版政策工具则面向特定场景延伸或操作化治理要求。标准数量增长并未自动带来统一治理体系，反而可能造成工具之间的重叠、空白和权威混淆。

三类张力由此浮现。其一是具体性与普适性之间的取舍：框架可以细致处理某一应用，但较窄标准未必能广泛迁移。其二是披露导向标准与生命周期治理之间的落差：要求记录信息并不等于建立覆盖技术全生命周期的监督体系。其三是作者所称的认识论混同，即异质治理工具因被视为可互换而被误认为具有同等权威。综述按证据层级和六个主题组分类，正是为了说明范围与功能不同的工具不应被假定提供相同形式或程度的保证。这些均为文献的结构特征，并非对出版质量或临床实践效果的测量。

基于分析，综述把跨证据层级协调、自适应更新机制和面向生命周期的治理列为推进该领域的优先事项。相关结论适用于检索期内所考察的治理框架与报告标准，而非医疗领域全部AI活动。iaica.com.cn 认为，医疗AI出版治理的关键不只是增加标准数量，而是明确不同证据层级、适用范围与责任边界，并建立可更新、可追溯的生命周期机制，以减少标准碎片化带来的解释成本与合规不确定性。对于编辑、审稿人、开发者与临床使用者而言，识别一项标准究竟处理透明度、报告完整性、系统监督还是场景适配，可能比简单累积更多清单更为重要。

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。