人工智能（AI）对美国医生而言已不再是未来议题。它已经嵌入电子健康记录（EHR）平台、预授权工作流程和患者沟通工具中，这些工具是诊所日常使用的，往往没有太多宣传或正式培训。
对于试图区分有用和过度炒作的医生来说，这种局面可能令人不知所措。以下10点可以帮助医生自行把握AI。
1：你可能已经在使用AI，无论你是否知道。
包括Epic、Oracle Health和athenahealth在内的大多数主要EHR供应商近年来已将AI驱动的功能集成到其平台中，从预测工具到自动化预授权标记。在评估任何新的AI产品之前，先盘点一下当前系统已经提供哪些功能。许多诊所拥有从未激活过的AI功能。
2：环境AI抄写员是回报最快的技术，但它们并非千篇一律。
环境文档工具能够监听患者与医生的对话并自动生成临床记录，其发展速度几乎超过医学中的任何其他AI应用。来自微软旗下的Nuance、Abridge、Ambience Healthcare和Suki等公司的产品在处理专科特定语言、EHR集成、周转时间和定价方面差异很大。许多供应商提供试点或评估期。在承诺购买之前，先试用它们。
3：阅读你的AI抄写员生成的每一份记录。每一份。
环境抄写员减少了文档负担，但并未消除医生对病历内容的最终责任。AI生成记录中的错误，例如症状归因错误、药物剂量错误或否定遗漏，与医生自己书写的记录中的错误具有同等的法律和临床分量。抽查是不够的。养成快速、一致的审查习惯后再签字。
4：了解你的医疗事故保险机构如何处理AI。
大多数主要保险机构并未完全排除与AI相关的索赔。例如，The Doctors Company已公开声明，它对AI没有排除条款，并且如果AI在索赔中起作用，它将为医生辩护并可能进行赔偿。即便如此，整个行业的保单语言仍在演变，保险机构仍在研究如何评估AI相关风险和承保。在诊所部署任何AI工具之前，联系你的保险公司，明确确认在当前保单下如何处理AI相关场景。
5：AI诊断支持工具是辅助手段，而非诊断者。
标记潜在诊断、提示药物相互作用或识别有恶化风险患者的工具可以带来真正的价值，但它们是在可能不反映你患者群体的数据集上训练的。过度依赖是一个有记录的风险。这些工具在医生将其视为第二双眼睛而非第二意见时效果最佳。
6：签署AI供应商合同时，了解谁拥有你的患者数据。
许多AI工具通过训练去标识化的患者数据来学习和改进。供应商合同在如何定义去标识化、谁保留数据权利以及患者数据是否可用于训练服务于其他医疗系统或客户的模型方面差异很大。在签署任何AI供应商协议之前，请法律顾问进行审查，特别关注数据使用和保留条款。
7：患者对AI的态度比表面更复杂。
研究表明，患者对医疗保健中AI的开放程度因情境而异，并非普遍积极。2025年发表在《JAMA Network Open》上的一项研究发现，患者在质量指标上实际上更喜欢AI生成的门户消息回复，但一旦知道AI参与其中，满意度就会降低。另外，一项全国性调查发现，美国成年人普遍对AI在医疗保健中的益处期望较低，对医生的信任比AI本身更能带来舒适感。研究一致支持的是透明度很重要：大多数患者想知道何时以及如何使用AI。让披露成为你诊所工作流程的一部分，而不是事后想法。
参加我们的调查：告诉我们AI如何改变你的实践
我们想直接听取医生的意见。Medical Economics正在调查读者对AI抄写员的体验以及更广泛的问题：AI是否让医学变得更好？
你的回复将为我们的持续报道提供信息，并可能出现在即将发布的报告中。调查大约需要五分钟完成。
请花一点时间匿名分享你的经验，或点击此处回答。故事继续如下。
8：前台和计费AI可以在你见到患者之前为你省钱。
预授权自动化、保险资格验证和索赔清洗工具在AI领域具有最清晰、最可衡量的投资回报率。如果你的诊所尚未评估这一类别，那么它是比临床AI风险更低的切入点，并且通常很快就能收回成本。几个专科中立的平台现在专门针对独立和小型团体诊所。
9：AI不会修复破碎的工作流程，只会让它更快。
从AI工具中获益最多的诊所往往是那些已经完成临床和行政工作流程标准化的诊所。将AI叠加到混乱的文档流程、分散的EHR设置或定义不清的分诊协议上，往往会放大现有问题而不是解决它们。在试点任何AI工具之前，先绘制它旨在改进的工作流程。
10：监管环境仍在追赶，医生在塑造它方面有利益。
美国食品和药物管理局（FDA）、医疗保险和医疗补助服务中心（CMS）以及国会都在积极制定医疗保健中AI的框架，新的指南和拟议规则定期出现。美国医学会（AMA）一直在推动关于透明度、偏见缓解以及AI错误的医生责任适当分配的国家标准。了解监管环境并在评论期开放时通过你的专科协会参与其中，对AI在医学中使用的长期轨迹至关重要。
对于AI如何影响你的实践或整个医学有想法吗？点击此处参加我们关于AI抄写员和医学未来的五分钟调查。
【全文结束】