环球医讯AI与医疗健康

埃米兹联合ServiceNow开展的2026年医疗AI现状调查显示，65%的美国医疗高管将人工智能列为2026年首要投资方向，但59%的机构仍处于AI应用早期阶段。主要障碍包括遗留系统（38%）、数据治理问题（35%）和人才短缺（32%），同时81%的机构可能低估了AI特有的网络安全威胁如提示注入攻击和模型操纵风险，反映出行业在技术雄心与落地能力间存在显著差距，且64%的高管承认AI作为最高战略优先级却仍投入不足，凸显医疗AI规模化应用面临基础设施与治理体系的双重挑战。

一项针对爱尔兰1000名成年人的调查显示，尽管70%的公众支持人工智能帮助减少医疗等待时间，64%接受AI加快检测结果，但50%担忧医生使用AI辅助临床决策，68%担心AI将取代医护人员。同时，67%关注数据隐私问题，66%忧虑医患关系疏远。在癌症治疗方面，仅30%认为政府重视癌症护理，89%支持增加投资，当前国家癌症战略将于2026年底到期，亟需制定新战略以应对人口老龄化带来的挑战。

俄亥俄州立大学韦克斯纳医学中心委托进行的一项全国调查显示，美国公众对医疗保健中人工智能的信任度显著下降，愿意在个人护理中使用AI的比例从2024年的52%降至42%，认为AI能提高医疗流程效率的比例也从64%降至55%。虽然多数人使用AI帮助理解症状或解释检测结果，但51%的成年人在没有咨询专业人士的情况下用AI做重要医疗决策，专家警告AI有2%的不准确率或可能产生"幻觉"，建议将AI作为医生的辅助工具而非替代品，患者应监督技术使用但最终决策仍需咨询医疗团队。

根据ZS影响力研究所的最新调查报告，58%的美国患者在预约前会研究症状，37%使用搜索引擎获取健康信息且94%认为有帮助，18%使用人工智能且89%表示有效。报告揭示45%的美国患者在生病前避免看医生，41%三年以上未进行健康检查，36%等待一年以上才获诊断，38%缺乏初级保健医生。专家建议医疗机构应重新设计护理路径，利用AI扩展服务能力并提高连续性，以应对患者日益增长的自主性需求和对传统医疗系统的不满情绪，系统需采用自身AI工具提供更互联、有支持性的护理体验。

飞利浦公司进行的全球调查显示，尽管AI技术已为医疗专业人员平均每年节省132小时并提升50%的患者接诊能力，但70%的医护人员反映机构缺乏系统的AI工具培训，64%的临床医生不得不使用个人AI工具来弥补工作需求，专家呼吁加强结构化、角色特定的培训以提升医护人员的数字技能和临床判断能力，同时90%的专业人员认为必须保持人工参与，86%强调所有AI输出都需要人工监督。

飞利浦公司最新"未来健康指数"全球调查揭示了医疗AI应用的关键矛盾：尽管46%的医疗专业人员报告每年平均节省132小时工作时间，50%表示AI提升了接诊能力，但70%的受访者指出所在机构缺乏系统的人工智能培训。这项覆盖10个国家2011名医疗从业者和20085名患者的研究显示，64%的临床医生因工作场所工具不足而转向个人AI工具，90%的专业人员认为必须保持人类对AI决策的最终控制权，86%强调所有AI输出都需要人工监督，凸显了技术应用速度远超组织培训能力的严峻现实。

飞利浦"未来健康指数"全球调查显示，人工智能技术显著提升医疗工作效率，46%临床医生年均节省132小时以上，50%表示接诊能力提高；但70%医疗工作者反映机构缺乏系统化AI培训，64%被迫使用个人AI工具，凸显医疗机构在工具配置与专业培训方面严重滞后，报告呼吁加强结构化、岗位针对性培训以发展临床医生所需数字技能，同时90%专业人士强调人类必须持续参与AI决策过程，86%坚持所有AI输出需人工监督，突显人机协作在医疗领域的关键地位

一项由医疗专业网络公司Doximity发布的调查显示，94%的医生已采用或有意采用人工智能工具，超过半数已在临床实践中使用AI，但超过70%的医生仍将准确性和可靠性视为主要障碍，近半数担忧法律和监管不确定性。调查发现，AI在减轻行政负担、改善工作生活平衡方面获得认可，采用率也在快速上升，从去年初的47%增至年底的63%。最常用的AI功能是文献检索和临床记录辅助。

本文深入调查了由AI技术驱动的美国医疗保健体系变革，指出其核心是预测医学，旨在通过大规模数据收集与分析来早期发现和干预疾病。然而，报告揭示，这一系统由硅谷、国防部和卫生部门通过公私合作推动，将导致对美国人前所未有的生物监控，并可能被用于国家安全和保险定价等“双重用途”，引发对隐私和公民自由的严重担忧。文章详细梳理了Palantir等公司的作用、CDC的预测分析中心（CFA）项目以及相关商业案例，认为这并非公共健康政策的转变，而是将整个公共卫生体系交到国家安全鹰派和技术寡头手中的关键一步。

本文深入探讨了两项关于人工智能在医学教育中作用的研究，一项纵向研究显示在临床医生监督下使用AI工具可促进医学生的批判性思维发展，另一项模拟实验则揭示AI生成的可信错误信息会显著降低诊断准确性并破坏学生的自我校准能力。文章分析了AI作为"认知支架"的潜在益处与"可信性陷阱"的风险，探讨了AI素养、监督条件和互动方式对学习效果的影响，指出AI可能加剧教育不平等，并强调在AI快速发展的背景下，医学教育需重新设计学习条件和安全参数，以确保医学生既能有效利用AI技术，又能发展和保持必要的临床推理能力，这对未来医疗质量和患者安全至关重要。（223字）