人工智能正快速进入临床领域。从诊断复杂疾病到在患者就诊期间撰写临床记录，AI系统开始塑造医学实践的方式。
其前景是巨大的。
全球医疗AI市场估值已达约700亿美元，这项技术被定位为解决医生倦怠和诊断准确性等问题的方案。
但根据ARISE网络发布的2026年临床AI现状报告，该行业的发展速度远超支持其的证据基础。
95%获得美国食品药品监督管理局批准的AI医疗设备从未报告过任何患者健康结果。
换言之，尽管AI越来越多地嵌入医疗系统，但其中大部分仍缺乏证明其真正改善患者护理的证据。
该报告分析了医疗AI今天真正交付成果的领域，以及行业仍需填补的重大差距。
AI能通过考试，但这并不意味着它已准备好进入病房
AI模型的最新进展在医疗测试环境中取得了令人印象深刻的结果。
像OpenAI的o1和Google的AMIE这样的模型在受控环境中展示了强大的诊断能力。
在《新英格兰医学杂志》发表的一项基准研究中，o1模型达到了78%的诊断准确率，在结构化推理任务上优于医生。
同样，Google的AIME聊天机器人处理需要多次就诊的疾病患者，为不同病症提供了精确的基于指南的患者护理方案。
但ARISE报告发现，当环境发生变化时，这些系统可能变得脆弱。
在一项实验中，研究人员在一组100个医疗问题中简单添加了一个“以上都不是”选项。AI回答的准确率从78%下降到38%。
来源：JAMA Network
AI系统在模式识别方面异常出色，但在经验丰富的医生每天依赖的那种灵活推理方面仍然吃力。
在评估不确定情况下临床决策的脚本一致性测试中，AI系统的表现大致相当于医学生水平，但落后于经验丰富的临床医生。
监管问题比大多数人意识到的更大
ARISE报告中最令人担忧的发现之一是监管批准与临床证据之间的差距。
如今，市场包含超过1200个获FDA批准的AI医疗设备和估计35万个消费者健康应用。
然而，大多数从未经过严格的同行评审评估。
- 超过95%的FDA批准的AI医疗设备是通过510(k)途径获批的，该途径允许基于与现有设备的相似性而非新临床证据来批准设备。
- 不到1%的这些获批设备报告了真实患者结果数据。
- 95%的FDA设备摘要没有人口统计数据。
- 91%没有对种族或性别偏见进行评估。
随着AI基准测试趋于饱和，该报告认为，仅凭测试表现不再是临床准备就绪的可靠信号。
相反，模型需要在模拟电子健康记录环境和真实的临床工作流程中进行评估，在这些环境中，患者的复杂性和不确定性更难预测。
与此同时，监管变化已开始放宽要求。例如，FDA放松了对可穿戴健康设备的监管框架，导致市场充斥着未经适当评估的AI驱动设备。
临床现实：减少倦怠，增加风险
尽管存在证据缺口，AI已成为日常临床工作流程的一部分。
增长最快的类别之一是环境AI抄写员——监听医患对话并自动生成临床笔记的系统。
这些工具在减轻医生记录负担方面显示出希望，一些研究表明倦怠感减少了20%以上。
但对临床工作流程的影响更为微妙。
报告中引用的一些研究表明，AI抄写员每次就诊仅减少约20秒的咨询时间。
还有证据表明，临床医生可能变得过度依赖AI建议。
在向医生展示有缺陷的AI建议的实验中，许多人仍遵循这些建议，即使错误很明显。
在另一项针对经验丰富的内镜医生的研究中，经常使用AI检测息肉的医生在不使用AI时，其检测能力下降了6%。
患者对AI的信任有时是危险的
对于管理慢性疾病的患者来说，AI确实在打开大门。AI主导的糖尿病预防和睡眠指导项目取得了与人类主导项目相当的结果，并且参与度更高。
AI还使医疗沟通更容易获得。
在儿科护理中，AI对患者指导的翻译已达到接近“人类水平”的质量，在某些情况下，其错误比专业翻译人员更少。
但该报告警告说，患者对AI的信任有时会成为弱点。
在一项研究中，参与者无法区分高准确率和低准确率的AI医疗设备。许多参与者表示，他们仅仅因为AI自信地与他们沟通就遵循了其建议。
AI目前真正拯救生命的领域
报告中的内容并非全是警告。
ARISE网络强调了几个AI已产生明确临床影响的领域，特别是在医学影像方面。
最突出的例子来自英格兰，AI辅助中风影像在26家医院部署。结果非常显著：
- 血栓切除术率翻倍
- 患者转运时间显著缩短
对于中风患者，每延迟一分钟都可能导致不可逆的脑损伤，这些改进直接转化为生命被拯救和残疾被避免。
报告中强调的其他成功应用包括：
- 从影像中诊断乳糜泻达到专家级准确率。
- 在CT扫描上可靠检测恶性病变转化。
- AI在特定、明确的诊断任务上达到或超过医生表现。
2026年的任务：从更好的模型到更好的证据
ARISE网络2026年临床AI报告的核心论点很简单：
构建强大的AI模型不再是医疗AI中最困难的问题。证明它们确实能改善患者结果才是。
ARISE网络估计，近80%的临床AI潜力尚未实现，主要是因为行业仍然优先考虑基准性能而非真实世界证据。
为了缩小这一差距，报告呼吁转向前瞻性临床试验和基于结果的验证。
随着医疗AI的进步，标准也应随之提高。在医疗机构和诊所中，AI是否能可衡量地改善患者护理必须成为重中之重。
——By Dr Rohini Devi and the AHT Team
【全文结束】