人工智能正以惊人的速度改变医疗决策过程。尽管基于AI的决策系统在医疗保健中以及生成式语言模型在健康信息领域日益重要，但公共讨论通常聚焦于速度、创新能力和技术性能。然而，从循证医学的角度来看，关键在于这些系统是否能为患者带来实质性益处、避免伤害并改善知情决策。
这一获奖研究项目正是针对这一空白。来自Brandenburg Theodor Fontane医学大学和波茨坦大学Harding风险胜任力中心的Christoph Wilhelm和Felix G. Rebitschek博士，与多位合作者一起，在三项紧密关联的研究中探讨了基于AI的决策支持和生成式语言模型在何种条件下能满足循证医学的要求。研究重点关注效益-风险权衡、患者相关终点指标、透明度和知情决策。
Felix Rebitschek表示："人工智能通常主要根据其技术性能进行评估——即其推荐的准确性。但关键在于，与没有AI支持的现有实践相比，它的应用是否确实为人们带来更多益处。我们的研究表明，这类问题迄今为止在研究中很少成为焦点。"
关于AI决策支持系统的系统综述显示，这些系统很少从患者相关终点指标的角度得到适当评估。在某些应用领域，确实发现了积极效果的迹象，例如对住院时间、症状负担或死亡率的影响。但总体而言，证据不足以可靠评估许多AI应用的患者相关附加值。潜在危害、性别或社会经济特征差异以及基础模型的透明度通常考虑不足。
关于生成式语言模型的研究表明，尽管它们经常产生语言上令人信服的健康信息，但只能有限地满足循证健康信息的要求。缺陷主要体现在对效益与风险的平衡展示、绝对风险表达以及处理不确定性和证据质量方面。即使是一个简单的查询制定辅助——所谓"提示增强"——能提高回答质量，它们仍低于专业期望的标准。因此，生成式AI无法独立确保知情的医疗决策。
对循证医学而言，这些获奖研究尤为重要，因为它们不将AI系统主要视为技术创新，而是作为常规医疗中的医疗干预来评估。这意味着它们的应用应满足与其他诊断、治疗或信息相关程序相同的基本要求：证据的透明呈现、系统的效益-风险评估以及以患者相关益处为导向。在这样一个高度技术驱动的领域，这些研究有助于使讨论更加客观。
评审团特别强调了该研究计划对当前和未来循证医学的高相关性。研究表明，医疗健康领域AI的实施不应仅基于技术可行性。关键在于AI支持的系统必须改善医疗服务、增强患者能力并实现知情决策。通过这种方式，Christoph Wilhelm和Felix G. Rebitschek博士触及了数字时代循证医学的一个核心问题。
EbM-Netzwerk（循证医学网络）热烈祝贺获奖者取得这一杰出的科学成就。
颁奖典礼将在2026年9月30日至10月2日于哥廷根举行的下届年会上进行，该年会将与另外三个专业协会共同举办：德国全科医学和家庭医学协会(DEGAM)、德国社会医学和预防协会(DGSMP)和德国医学社会学协会(DGMS)。
科学联系人：Dr. Felix G. Rebitschek felix.rebitschek@fgw-brandenburg.de
原始出版物：
Rebitschek FG, Carella A, Kohlrausch-Pazin S, et al. 使用横断面研究评估生成式AI提供的循证健康信息。npj Digital Medicine. 2025;8:343.
Wilhelm C, Steckelberg A, Rebitschek FG. 医疗保健中与AI相关的算法决策系统的效益和危害。The Lancet Regional Health – Europe. 2024;48:101145.
Wilhelm C, Steckelberg A, Rebitschek FG. 服务于患者的医疗专业人员AI？关于算法决策的患者相关效益和危害系统综述方案。Systematic Reviews. 2024;13:228.
【全文结束】