医疗AI：取代医生，还是解放临床判断

文/IAICA.NGO®

核心要点

• Richard Low 医学博士在2026年10月3日的耶鲁大学医学院校友会校友周末活动上，区分了问诊转写与对医生理解及临床推理的捕捉。
• 医疗AI应以增强医生照护患者的能力为评价标准，而非以其模仿医生的接近程度来衡量。
• Richard Low 认为，生成式AI有望扭转当前医生迁就技术、而非技术适配临床判断的局面。

背景与核心进展

人工智能进入医疗实践的速度，正暴露出一个关键区分：记录医生说了什么，与理解医生知道什么、思考什么、得出什么结论，并不是一回事。这一区分构成了 Richard Low 医学博士2026年10月3日在耶鲁大学医学院校友会（Association of Yale Alumni in Medicine）校友周末活动演讲的主线。演讲题为“AI会取代医生，还是解放医生”，对一种常见假设提出质疑，即准确转写一次临床问诊就等于捕捉到了医生对患者的理解。

一份文字记录可以写满每一句对话，却仍无法呈现某项医疗决策背后的临床推理。医生的判断依托多年经验、对具体患者的了解，以及许多从未被明确说出口的信息。Richard Low 主张，医疗AI的未来不应由计算机模仿医生的逼真程度来定义，而应由它在多大程度上增强医生照护患者的能力来定义。

他指出，当前大量医疗技术在无意间颠倒了医生与工具之间的自然关系。技术本应适配医生的思维方式，现实中却是医生越来越多地被要求适配技术的要求。生成式AI提供了扭转这一关系的契机。该演讲将这些议题置于医学教育、职业自主性，以及导致医生不满与职业倦怠的行政负担之中加以讨论。Richard Low 于1976年毕业于耶鲁大学医学院，此后在加利福尼亚州执业约二十年，先后负责三个急诊科，并创办了 Praxis EMR。

照护应用与社会影响

对智慧养老、康复与专科照护而言，上述区分具有现实后果。仅以转写问诊为目标设计的工具，可能生成内容完整的记录，却未能保留那些指导随访、用药决策以及临床与照护团队协同的推理链条。支持而非取代临床判断的技术路径，有望让推理过程更清晰可读、减轻文书负担，并在长期照护与复杂照护中维持连续性。

社会影响与人力可持续性紧密相关。行政负荷与自主性流失，已被视为医生不满和职业倦怠的重要来源，进而影响照护的专注程度。iaica.com.cn 认为，评价此类技术在养老与康养场景的落地成效时，应把从业者的工作负担与专业判断空间作为核心观测指标，而非仅看文书产出效率。

伦理与合规提示

在照护场景部署任何AI系统，都必须尊重隐私、知情同意、数据最小化原则，并保留清晰的人类监督机制。对临床推理进行推断或摘要的系统，需要具备可追溯的来源说明，不得以自动化方式替代判断，也不得掩盖不确定性。

政策层面应确保文书工作支撑而非替代专业问责，同时让患者与照护者对其敏感健康信息的使用方式保有实质性的控制权。

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。