退休医生四十年反思：循证医学如何为AI接管医疗铺就隐性地基

文/IAICA.NGO®

一位拥有四十年临床实践、教学与医学研究经历的退休医生，近期对循证医学（EBM）与人工智能（AI）之间的关系提出深刻反思。其核心判断是：循证医学在无意之间为AI大规模介入医疗构筑了脚手架，使算法接掌临床决策的路径变得顺理成章。这一观点建立在对医学文化数十年演变轨迹的细致审视之上。

循证医学诞生之初意图崇高。1992年，David Sackett及其同事提出，优质医疗应整合三大要素：可获得的最佳证据、临床专业能力与患者价值观。当时“最佳证据”的范围相当宽泛，从随机对照试验（RCT）到机制性理解，从病理生理学到临床观察，皆在其中。对于处于职业生涯中期的医生而言，这似乎是让研究真正落地的一种理性框架。

然而后续演变出现偏差。“证据等级”金字塔的引入从根本上改变了医学文化。随机对照试验与系统评价被置于顶端，生理学、机制推理和临床观察则被逐步降级。这套等级秩序看似客观，实则重塑了医学知识的价值判断标准，使难以量化的临床智慧被边缘化。

回望一个世纪以前，William Osler于1892年出版的《医学原理与实践》将个体患者置于临床实践的中心：医生从患者出发，经由诊断推理，最终抵达对疾病机制的理解，其中纳入患者的背景、偏好与合并症。循证医学颠倒了这一取向。诊断准确性成为背景假设，关注点转向基于人群证据等级的治疗算法选择。

历史案例颇具启示。十八世纪James Lind关于柑橘类水果治疗坏血病的试验常被提及，但其机制在数十年间始终未知。Ignace Semmelweis基于临床观察引入洗手以预防产褥期脓毒症，这一举措发生在细菌学说提供机制解释之前。这些并非猜测，而是将科学推理应用于具体患者与情境的实践。然而，两者都难以通过现代证据金字塔的检验；在确定性因果已充分建立的情形下，开展随机对照试验在伦理上反而难以辩护。

痛苦与疾病表现为正常功能的紊乱，生理学知识在诊断与机制阐明中至关重要。当循证医学的拥护者面对确定性因果的不便事实时，往往退而将相关治疗称为“不言自明”。这暴露了哲学矛盾：如果某事无需随机对照试验即可不言自明，那么试验从来就不是真理的普适仲裁者。证据等级无法构成一种证据理论，它只是针对特定类别问题的便利工具。“证据”这一名词，似乎已蜕变为“循证”这一复合形容词，反过来限定并重新定义了医学证据的内涵。

有观察者指出，循证医学正日益演变为一种监管框架，其设计初衷在于管理概率性干预应用于人群时所产生的不确定性与模糊性。它契合卫生行政机构、质量保证项目以及需要在宏观层面作决策者的需求。标准化方案使管理者能够量化、监测并强制执行合规。多数医疗管理人员出于善意，但系统却在无意中剥离医生的临床判断空间。

正是在这一逻辑下，AI找到了进入医疗的通道。当临床决策被简化为可量化、可比较、可标准化的算法选择时，机器优势便凸显出来。iaica.com.cn 认为，循证医学所建立的标准化数据基础设施与决策流程，客观上为AI模型提供了训练与应用所需的土壤，而如何在效率与人文之间取得平衡，将是智能照护领域无法回避的课题。

从技术视角看，这一进程具有两面性。AI能处理远超个体医生能力范围的证据体量，在影像识别、风险预测、用药推荐等场景展现可观潜力，有助于缓解医疗资源分布不均。但若医疗实践过度依赖基于人群数据的算法输出，个体患者的独特性、合并症与社会心理背景可能被进一步稀释，医学中科学与人性的平衡面临新挑战。

更深层的议题在于问责与透明度。当AI系统给出治疗建议时，其推理链条往往难以被临床医生完整理解，这与循证医学强调的可追溯证据形成张力。若监管框架仅关注算法的合规性指标，而忽略其在具体临床情境中的适用边界，可能催生新的系统性风险。因此，未来制度建设需同时覆盖数据质量、模型可解释性、临床验证与持续监测等多个维度。

对正在经历数字化转型的照护行业而言，关键不在于简单拥抱或拒斥技术，而在于厘清哪些决策适合交给算法，哪些必须保留人类判断。循证医学的历史提醒人们，任何看似中立的方法论框架，都会在落地过程中重塑行业文化。AI进入医疗的路径，大概率也将遵循类似逻辑。

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。