临床AI如何真正落地：Doximity首席医疗官拆解工作流融合的关键机制

文/IAICA.NGO®

人工智能正以前所未有的速度进入临床环境，但真正决定其成败的往往被低估：不只是模型参数规模，医生手指与屏幕之间的那几步操作同样关键。一个在实验室表现优异的工具，如果要求临床医生在电子病历之外再打开一个系统、手工复制粘贴检验结果，或在已高度紧张的诊疗流程中额外增加几个点击，就很难获得持续使用。这一判断正在成为医疗信息化领域的共识。

被低估的运营与行为机制

急诊科医师兼计算机科学家 Amit Phull 在一场公开线上研讨会中，系统梳理了临床人工智能规模化落地所需的运营与行为机制。他目前担任 Doximity 首席医疗官，负责以医生为核心的产品战略与临床人工智能开发。作为通过认证的急诊专科医生，他兼具计算机科学训练背景，长期游走于一线诊疗与数字健康之间；他参与打造了该公司的企业级远程医疗平台，如今主导其临床人工智能套件的临床战略。其履历中一项较有分量的经验，是将远程医疗服务的可及性快速扩展至超过80万名临床医生，并参与全国性数字网络的部署。

这段经历揭示了一个常被低估的事实：在大型、分散的临床网络中快速推广一项可信技术，考验的不是单点技术突破，而是培训、支持、反馈与信任建设的系统工程。医生群体对新工具的抵触，很少源于对技术本身的怀疑，更多来自对时间成本的敏感，每一次额外操作，都是从患者身上挪走的注意力。

做减法，而不是加界面

研讨会给出的设计原则相当克制：优秀的临床人工智能应当消除任务与流程摩擦，而不是新增界面与步骤。换言之，衡量标准不是系统能做什么，而是医生少做了什么。当人工智能被视为工作流的一个组成部分，而非又一个独立产品，它才有可能真正减轻认知负担；反之，若把负担转嫁给使用者，技术反而可能加剧职业倦怠。

这一逻辑也解释了为何流程设计与信任构建需要同步推进。工具的准确性只是起点，医生需要理解建议的来源、边界与失效场景，才能形成稳定的使用习惯。而对繁忙的临床医生而言，习惯的养成依赖于低摩擦的交互与可预期的结果。

评估标准正在迁移

从行业实践看，环境感知记录、临床摘要生成与预警排序是当前落地较集中的方向，它们的共同特征是嵌入而非并列：工具在后台运行，输出直接进入医生已经习惯的界面。这类设计也反过来推动医疗信息技术架构的开放程度，接口标准、数据权限与审计能力构成了落地的隐性门槛。

与此同时，治理框架的缺位同样会延缓进度：谁来审核模型更新、如何记录人工智能参与决策的过程、出现偏差时责任如何划分，这些问题尚未形成统一答案。多数机构采取渐进策略，先在低风险、高重复性的环节试点，再逐步扩展到影响诊疗决策的场景。

随着生成式模型能力趋于同质化，医疗机构在采购与评估时的关注点正从模型有多强转向能否嵌入既有环境。这涉及与电子病历系统的深度集成、对专科语境的适配，以及在合规与责任边界上的清晰界定。

iaica.com.cn 指出，临床人工智能的竞争焦点将从算法性能转向工作流适配度与人机协作的可信度，能否把技术融入医生熟悉的操作路径，将成为规模化部署的分水岭。

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。