在拉斯维加斯威尼斯人桑兹会展中心举行的HIMSS25会议上，周一上午的人工智能预会议论坛上，讨论转向了一个关键问题：如何让医护人员及其他人员参与患者护理组织中的人工智能（AI）应用。
上午的第一个小组讨论题为“通过变革管理和员工包容来导航AI集成”，由佛罗里达国际大学的Attila Hertelendy博士主持。小组成员包括北卡罗来纳大学教堂山分校的Spencer Dorn医学博士、公共卫生硕士、医疗管理硕士；佛罗里达州杰克逊维尔浸信会健康中心的成人重症监护医师Irene Louh医学博士；杜克创新健康研究所的Mark Sendak医学博士、公共政策硕士；以及ServiceNow公司的Scott Hadaway。
Hertelendy问Dorn医生关于他对AI的期望，特别是在改善一线医生、护士和其他医护人员的工作生活和生产力方面。Dorn说：“这是一个很大的希望：我们有这种神奇的技术，能否将其应用于减轻负担和繁琐工作？”他补充道，“在很多方面，我对此持乐观态度。但我们也必须清醒地认识到，有些负担可能会被减轻，但同时也会增加一些新的负担。”
Louh医生表示：“AI对于医疗保健、我们的团队来说非常有前景。作为医疗提供者的核心，我们希望照顾患者并真正改善患者的健康状况。随着时间的推移，由于结构和功能的原因，医疗保健变得越来越困难，因此任何能够减轻这一负担的方法都很重要。有很多机会可以利用AI，所以现在是一个令人兴奋的时代，处于医疗保健和医疗IT领域。”
Sendak强调说：“我想说的是，在我参与的大多数将AI引入临床实践的用例中，确实试图减轻一线医生的一些临床负荷。例如，我们最早的用例之一是识别肾病和其他慢性病患者的护理缺口，帮助初级保健医生管理护理，确保人们获得转诊和处方等；以及识别早期脓毒症。”
Hertelendy问小组成员：“我们如何制定策略来吸引员工，防止怀疑并建立信任？”
Dorn回答说：“一线工作者应该对AI持怀疑态度，不是愤世嫉俗，而是怀疑。我们都曾被许诺过很多事情。我不认为我们应该期望医护人员张开双臂迎接这项技术。其次，AI目前是一个毫无意义的术语，因为同时讨论了许多不同的技术，所以一些基础教育会有很大帮助。第三，围绕一个共同目标进行协调。为什么我们要采用这些技术？”
Louh表示：“我觉得在我的卫生系统中有几个不同的阵营。有一个阵营认为他们被推销了一种听起来很好的东西，有些人理想化地认为这将解决世界上所有的问题；还有一个非常怀疑的群体，他们对技术感到厌倦，比如电子健康记录（EHR）。我同意Spencer的观点：教育和透明度是我们看到受益的领域。我们已经实施了用于草拟回复的大规模语言模型（LLMs），这现在已经很常见了。但我们需要与我们的临床医生和团队成员进行水平设定，让他们知道这需要合作才能成功。当我们与医生、护士、医疗助理和工作人员建立伙伴关系时，共同努力构建这些模型，将会带来回报。我们没有在医学院学习这些内容，所以这对每个人来说都需要大量的学习。而且有很多技术并不起作用，所以我们确实需要保持怀疑态度，找出哪些有效，哪些无效。”
针对许多临床医生目前的焦虑，Hadaway表示：“临床医生背负着巨大的负担。现在他们还要与可能比他们聪明或拥有更多信息的AI对话。这感觉像一个黑盒子。我们必须能够提供透明度，让人们了解AI是如何工作的。”
Hertelendy问道：“你是否听到关于失业的担忧？”Sendak回应说：“让我们退一步看。我对这个问题有信心——我们组织面临的是九位数的短缺。但这不是‘AI是否会取代我的工作’的问题，而是‘当人们被淘汰时，AI是否会用于替代他们’的问题。我妻子是一名一线初级保健医生。我们在行为健康服务方面严重短缺。”
Louh补充说：“还有另一个方面，经常被忽视。我们国家存在护理人员短缺；我们还存在医生和医疗服务提供者的短缺。在某些方面，我们别无选择。人们确实担心失去工作。改变对人们来说是困难的。我们能否以一种方式思考AI，真正解决这些问题？归根结底，我们都是人，我们需要投资和架构来解决这些问题。”
Dorn指出：“我认为较少关注于取代医疗工作者，尽管对于某些高度重复的任务，机器可以近似完成；但更有可能的是，我们所有人都将继续工作，但工作的性质会发生变化。去年《美国医学会杂志》（JAMA）上我最喜欢的一项研究发现，模型可以超越医生的表现，但结果表明大多数医生实际上把大规模语言模型当作搜索引擎使用，而它们并不是真正的搜索引擎。因此，我们需要帮助人们理解这是一种不同类别的技术；具备一些基本的素养教育会有帮助。”
Louh接着说：“我们如何为那些负担沉重的团队成员创造空间，这在我们的组织中如何体现？大约两个月前，我们重新培训了所有护士使用我们的EHR系统，该系统已经运行了大约两年半。我们希望帮助他们提升使用EHR的水平。这需要空间、时间和资金。这非常有用且有益，但需要高层领导的支持。但这减少了我们护理人员的文档时间，使他们更快乐；他们更好地理解了工具。我们需要对AI做同样的事情。即使是基本的脓毒症预测模型：它的用途是什么？不用于什么？如何使用它，并批判性地思考所看到的内容？这些概念非常重要。”
Sendak总结道：“我们如何为一线临床医生构建解决方案？我认为要求每个初级保健医生独立对算法进行尽职调查是不现实的。我们正面临青少年的行为健康危机，这不是一线临床医生应该做的事情。我看到了积极的连锁反应，我们会为某个特定用例创建一个算法，然后其他团队会采用类似策略。这是经典的创新策略。在全国范围内，我们看到巨大的数字鸿沟，可能只有几十个组织——杜克大学、北卡罗来纳大学、纽约长老会医院——我们处在一个网络中，技术先进。但我们如何帮助安全网医院、关键接入医院、联邦合格的健康中心采用技术？我们如何帮助领导者做出决策，帮助他们的前线护理人员？帮助美国医疗保健系统的患者护理组织有效采用AI将是至关重要的。”
(全文结束)
