医疗工作流中嵌入式人工智能正逐步成为行业标准。2026年3月美国医学会（AMA）调查显示，超过80%受访医师已在专业场景应用人工智能，比例较2023年翻倍。
然而，为提升医师日常工作效率，人工智能的采用仍有巨大空间。更广泛的采用可大幅减少行政事务与文书处理时间，加速诊断流程，并使医师得以更专注于患者互动，理论上每日可节省数小时。
事实上，尽管许多医师认可人工智能的潜力，但显著障碍依然存在——从数据隐私顾虑到责任界定疑问，以及实操培训需求。
我们2025年7月的调研揭示了这些担忧的广度：医师们呼吁加强教育、完善隐私保护及明确监管框架。这些并非边缘顾虑，而是横亘在人工智能承诺与临床广泛应用之间的日常现实。
诊断矛盾症结
医师对人工智能的乐观情绪正在增长，2024年11月AMA调查显示，68%受访医师将行政负担减轻视为关键优势。但2025年10月CNBC援引Inlightened研究指出，仅28%受访医师感到能充分运用人工智能优势；而2025年《人工智能期刊》研究发现，61%受访医师认为因人工智能的普及需要重新培训。
兴趣与准备度之间的落差揭示了更深层挑战：医师渴望拥抱人工智能，却缺乏自信应用的支持体系与工具。
障碍是多方面的，责任界定与伦理边界的不确定性引发犹豫。不一致的工作场所政策使医师难以判断哪些工具符合患者隐私规范。缺乏实操经验的情况下，即便愿意尝试者也质疑如何将人工智能的理论潜力转化为实际效益。
弥合这一落差需要雇主、开发者、监管机构及医疗专业人员协同行动，共同构建医师所需的基础设施。
强化培训与指引
根据我们的调研，69%医师表示需要更多教育与培训才能自信使用人工智能。但他们不应独自承担人工智能采纳的全部责任，医疗机构本身也需发挥作用。
医疗组织应制定内部政策，明确批准使用的人工智能工具、适用场景及如何符合患者安全标准与数据隐私要求。
当前医学院的人工智能教育往往重理论轻实践。包含工作坊、临床模拟和同伴学习的实操培训可帮助破除技术神秘感。实用指导不应是一次性事件，而应作为持续过程，随人工智能演进定期更新，并纳入职业持续发展体系。
通过在真实临床场景中提升医师对人工智能工具的实操熟悉度，医疗组织可将抽象兴趣转化为自信且胜任的采纳实践。
加倍构建信任
医疗人工智能的信任取决于三要素：安全无偏见的系统、透明的合规证明，以及确信人工智能旨在支持而非取代医师。
在医疗领域，保持人类专家参与至关重要。医师提供人工智能无法复制的临床判断、伦理推理和情境理解。但仅靠人工监督不足以推动采纳。我们发现58%医师要求更强有力的隐私保障才会更广泛采用人工智能。医师需要确信技术本身安全、透明且受负责任的治理。
诸如医疗人工智能联盟（CHAI）等行业组织正致力于创建更标准化的医疗人工智能模型评估方式。"应用模型卡片"等工具可帮助医疗组织、监管机构和采购团队评估安全性、性能及潜在偏见等因素，确保对人工智能模型表现有充分洞察与透明度。
然而，信任不仅关乎数据使用方式，还涵盖数据的安全存储、管理和共享。医师需要确认人工智能供应商和医院系统采用匿名化技术、数据最小化实践及安全数据共享协议。关于数据收集、存储和使用的清晰沟通，有助于强化问责文化并尊重患者隐私。
随着人工智能在医疗市场的扩展，组织需应对不同地区的隐私、数据治理及互操作性要求。美欧在健康数据保护与交换方面的标准趋同，对推动负责任的创新同时维护患者保障至关重要。
监管监督
2024年AMA调查显示，47%受访医师将缺乏明确监管监督视为采纳障碍。政府与医疗组织必须合作建立透明度、验证及临床责任的框架与标准。
这些框架不能"一劳永逸"，而需持续演进以跟上技术创新步伐。
少数民族健康与健康差异研究所已迈出正确一步，创建了应对算法偏见的框架。类似地，CHAI发布的负责任医疗人工智能草案框架及国家医学院的《人工智能行为准则》草案，均为部署可信人工智能提供了有益范例。
由于人工智能模型可能随时间演变或退化，监管监督不能静态化。持续重新评估至关重要，包括定期性能审计、系统评估方法的透明度，以及部署前后对工具在真实环境表现的持续监测。此类警惕有助于组织评估人工智能工具是否长期保持可靠、安全且适用。
时间问题而非是否问题
对医师而言，人工智能采纳是时间问题而非是否问题。
但如同任何重大医疗进步，采纳需要创新与责任的平衡。通过使监管机构、医疗组织、开发者与患者围绕共同原则协同行动，行业可帮助医师从谨慎转向自信，确保人工智能成为患者诊疗的可靠伙伴，而非不确定性的来源。
【全文结束】
