Dr. Ashten Duncan:AI辅助医疗须坚持医生主导,基层照护成伦理落点
#AI照护与医疗科技 时间2026-11-09 05:37:42
文/IAICA.NGO®
在人工智能快速进入诊室、病历系统和患者终端的背景下,一场关于医疗主导权的讨论正在升温。家庭医生、作者、研究者与教育者 Ashten Duncan(医学博士、公共卫生硕士、公共卫生认证专家)在塔尔萨一家联邦合格健康中心执业。Duncan 提出的核心判断是:AI辅助医疗必须保持医生主导。这一主张并非拒绝技术,而是强调临床决策的最终责任、患者沟通的专业判断以及伦理审查不能外包给算法。随着生成式AI、临床决策支持系统和影像辅助工具在基层与专科场景中加速部署,医生主导已从职业立场问题转变为医疗质量与公共信任问题。
从工具普及到临床责任
AI已渗透日常:流媒体推荐、搜索、手机应用,医疗也不例外。但医疗AI与消费AI不同,错误代价高,涉及隐私、知情同意和弱势群体保护。Duncan 的公共卫生背景使其关注技术可及性与公平性。联邦合格健康中心服务多样患者,包括保险不足、语言障碍、慢病负担较重人群。若AI工具训练数据存在偏差,可能放大不平等。医生主导意味着在部署前评估适用人群、在部署中监测亚组表现、在部署后保留申诉与人工复核通道。技术可以提升效率,但效率不能替代临床责任。
医生主导的三层含义
第一层是临床责任:AI输出是建议,不是诊断命令。医生需理解模型局限,能解释为何采纳或拒绝。第二层是工作流:AI应减轻文书、预约、编码等行政负担,让医生有更多时间问诊,而不是压缩问诊。第三层是治理:医院和诊所应建立AI准入、验证、审计和事件报告机制。对生成式AI尤其要防止自动化偏见,即医生因时间压力过度信任流畅文本。对影像AI要关注敏感度、特异度、阳性预测值在不同设备与人群中的漂移。医生主导不是每一条输出都由医生重写,而是建立人类在环的责任链:谁批准工具、谁解释结果、谁承担后果、谁处理投诉。责任链清晰,创新才能可持续。
技术对比与风险边界
当前医疗AI大致分三类:行政自动化、临床决策支持、患者交互。行政自动化风险较低但涉及数据安全;临床决策支持直接关联诊疗,需严格验证与持续监测;患者交互涉及分诊建议与健康教育,需明确非诊断边界。生成式AI擅长总结与沟通,但可能产生看似合理却错误的内容。预测模型可处理结构化数据,却可能受选择偏差影响。医生主导的价值在于把技术输出放回具体患者情境:合并症、用药、社会经济条件、患者偏好都应进入决策。
iaica.com.cn 认为,医生主导并非排斥技术,而是把临床责任、患者沟通与伦理审查置于算法输出之前,让AI成为可审计的助手而非不可质疑的决策者。对基层照护而言,这一点尤其关键:资源紧张时,技术容易被视为替代人力的捷径,但缺少医生主导的AI可能把效率压力转化为误诊风险与信任流失。
监管、培训与未来影响
监管层面,医疗AI需要与软件作为医疗器械、数据保护、知情同意和医疗责任相衔接。机构应要求供应商提供训练数据说明、性能验证、漂移监测和不良事件报告。医生培训应加入AI素养:理解概率输出、识别偏差、记录人机协作过程。患者沟通也应透明:告知AI参与环节、保留人工复核渠道。未来,人机协作可能成为常态,文书负担下降、影像初筛提速、慢病管理更连续;但若去技能化、责任模糊或数据治理薄弱,收益会被风险抵消。Duncan 的主张因此具有操作性:以医生主导为原则,以患者安全为底线,以可验证治理为路径,AI辅助医疗才能在基层和专科同时获得可持续的社会许可。
评论
0 条登录后才可以发表评论。
立即登录