长期以来，医疗保健一直是人工智能（AI）的终极试金石。其前景令人向往：简化工作流程、改善结果并降低成本。从预测分析到工作流自动化，AI已经渗透到关键流程中，如事前授权（PA）、利用率管理（UM）、护理管理和个案管理。
然而，在我看来，许多医疗AI公司基于一个假设运作，即临床医生可以被算法取代。这种误解可能会削弱这些解决方案的有效性，并侵蚀对技术本身的信任。
对于公司来说，选择是明确的：设计AI以增强临床医生、护士和医生的工作流程，或者冒着创建那些高调承诺但实际效果不佳的解决方案的风险。
桥接两种观点
作为一名领导医疗AI公司的人员，并且为该领域的其他几家公司提供过咨询，我有幸能够从两个角度来看待这个问题。我与开发前沿解决方案的开发者以及来自研究驱动、以患者为中心的机构（如梅奥诊所、哈佛大学、麻省理工学院和斯坦福大学）的临床医生紧密合作。这种双重视角使我明白了一点：AI开发者和医疗从业者之间的脱节是成功的主要障碍。
临床医生不是被动的用户。他们是善于解决问题的人，能够在不完美的工具下适应工作，同时保持对患者护理的关注。像InterQual和Milliman这样的技术旨在创造一致性，但实际上往往导致更多的变通方法而非解决方案。
尽管他们具有创新精神，许多AI公司未能理解临床工作流程的复杂性。相反，他们基于算法可以超越他们旨在帮助的专业人员这一假设来设计工具。
这种脱节不仅限于技术层面，还延伸到了公司文化。由聪明的工程师和数据科学家组成的团队经常因对AI能力的过度自信而受阻——这种信心导致他们在理解临床现实方面存在盲点。
为什么AI仍然无法取代临床医生
即使生成式AI迅速崛起，取代临床医生仍然是一个遥远的目标，甚至可能是误导性的目标。生成式AI无疑强大并且将继续改进，但我发现它在复制人类专业知识方面仍存在根本性的局限。
以下是我认为AI（包括大型语言模型（LLM））不足的原因：
- AI优化的是常常无关紧要的信息。AI模型擅长识别模式，但在临床背景下可能难以确定最重要的信息。机器可能会标记某个实验室结果为重要，而临床医生会根据患者的病史和更广泛的情境立即认出其无关紧要。
- AI可能会错误地推断信息。为了填补空白，AI经常依赖假设或推断的数据。虽然这种方法在受控环境中可能足够，但临床决策需要精确。错误的假设可能导致对患者结果产生实际影响的错误。
- AI缺乏同情心。虽然算法可以处理大量数据，但它们缺乏与患者建立人性化联系的能力。同情心是护理中的关键组成部分，没有算法可以复制这一点。
- LLM依赖平均值。LLM虽然在综合信息方面强大，但围绕基线启发式进行操作。它们针对常见情景进行了优化，因此不适合处理异常情况或罕见疾病——而这正是临床医生擅长的地方。
- AI可能高估其知识。AI系统通常会以不合理的信心呈现输出，无论底层数据的质量如何。这种虚假的信心可能会误导决策者，除非临床医生应用他们的判断和专业知识来验证结果。
医疗AI公司的教训
AI在医疗保健中的角色不是取代临床医生，而是赋能他们。未能接受这一原则的公司冒着构建最多被忽视、最坏则有害的工具的风险。
以下是医疗AI公司如何使其解决方案与临床医生和患者需求保持一致的方法：
- 将谦逊融入设计。开发者必须认识到AI的局限性，并从一开始就积极与临床医生合作。孤立开发的解决方案往往在复杂的高风险医疗环境中失败。
- 提供无缝的工作流集成。专注于创建减少临床工作流摩擦的AI工具，而不是引入新的低效因素。它们必须节省时间，让临床医生专注于高价值任务，并提供实用功能而不造成干扰。
- 专注于赋能，而不是取代。最好的AI解决方案通过接管重复性、低价值的任务来增强临床医生的能力，同时提供有助于更好护理的可操作见解。
- 优先考虑结果驱动的开发。AI成功的最终衡量标准不是自动化，而是改善患者结果。透明度、可用性和可衡量的结果必须优先于花哨的功能或未经验证的承诺。
前进的道路
毫无疑问，AI，特别是生成式AI，有潜力改变医疗保健。但行业必须用现实主义来缓和其热情。AI不是万能药——它是一种工具。它的真正价值在于它如何有效地支持系统核心的人员：临床医生。
医疗保健要求的不仅仅是算法。它要求谦逊、协作和不断关注改善人类体验。接受这些原则的公司有可能彻底改变护理交付方式。那些不接受这些原则的公司则有可能成为在一个信任和精确性不可妥协的行业中警示故事的一部分。
通过承认医疗保健的细微差别并设计与临床医生协同工作的工具，公司可以释放AI的全部潜力——不是作为人类专业知识的替代品，而是其最强大的盟友。
真正的考验：AI能否赢得临床医生的信任？
医疗保健领域中AI的采用并不取决于其处理数据或提供见解的能力；它取决于信任。临床医生以其以患者为中心的心态和证据驱动的方法，自然会对任何承诺过多但实际效果不佳的工具持怀疑态度。为了让AI取得成功，它必须成为一个可靠的合作伙伴，而不是一个华而不实的干扰物。这意味着要构建可解释、可靠且适合护理交付复杂性的系统。
所以问题依然存在：医疗AI公司能否将其重点从取代临床医生转移到真正理解和支助他们？答案将决定AI是成为更好的护理推动者，还是医疗转型中的又一次错失机会。
(全文结束)
