在医院和医学院的走廊里，很少有问题能比"人工智能会取代医疗健康工作吗？"引发更多焦虑。
人工智能的发展速度超过了医学史上任何技术，但关于AI是否会以及何时取代工作的问题答案很微妙。AI可能会消除或缩减某些医疗健康岗位，但也会重塑更多岗位并创造全新的职位。事实上，与其它行业相比，医疗领域尚未出现由AI驱动的裁员潮。实际上，许多医疗系统正面临长期的劳动力短缺。
了解你的工作（或潜在工作）在这一趋势中的定位，是你现在应该提出的最重要的职业问题。
人工智能如何改变医疗健康
人工智能正在医疗健康领域产生可衡量的临床影响。例如，深度学习算法早在2018年就首次在检测医学影像异常方面达到或超过了放射科医生的水平。此后，AI迅速扩展到临床决策支持、文档记录、行政工作流程自动化、药物发现和基因组学领域。
如今，AI工具协助完成从标记脓毒症风险到起草预先授权信函，以及实时转录临床诊疗过程等各项任务。截至目前，美国食品药品监督管理局(FDA)已批准1,524款人工智能医疗设备。
采用率也在加速：美国医学会2024年的一项调查显示，近三分之二的医生现在在其实践中使用至少一种AI工具，而三年前这一比例还不到30%。
医疗健康领域最易受AI取代的工作岗位
面临风险的医疗健康工作具有共同特征：涉及模式识别、数据处理或基于规则的决策制定。这些正是AI能够以不断提高的速度和准确性执行的任务。短期内，文档记录、编码、图像解读或标准化筛查密集型的工作岗位面临最大的劳动力缩减风险。
1. 人工记录员
AI记录员现在可以监听患者诊疗过程并实时生成结构化记录，完全跳过了人工记录员环节。人工记录员正在被缩减，剩余工作正转向编辑和质量检查AI的输出，而非从头创建记录。
- 人工记录员的平均年薪为56,000美元。
2. 医疗编码员
编码本质上是在临床语言和标准化代码集（如ICD-10和CPT）之间进行模式匹配。AI工具可以快速阅读病历并分配代码。"自主编码"已开始应用于高流量、低复杂度的计费工作。然而，医疗编码员仍将需要处理模糊的文档、应对审计和处理拒付问题。
- 医疗编码员的平均年薪为50,250美元。
3. 预约调度员
预约就诊是一项结构化、基于规则的任务。你检查可用性，将其与患者偏好匹配，确认并发送提醒。对话式AI和自助服务门户现在可以完成预约，并能处理重新安排和取消。
- 医疗/行政助理的平均年薪为44,460美元。
4. 医疗前台接待员
多年来，通过自助服务终端和就诊前智能手机工作流程，登记工作已逐渐实现自动化，这些流程在患者到达前就捕获人口统计信息、保险卡和同意书。AI通过回答常规问题和在无人值守的情况下引导患者，进一步扩展了这一功能。
- 医疗前台接待员的平均年薪为37,320美元。
5. 保险验证专员
验证保险覆盖范围意味着查询支付方系统、阅读福利详情并标记覆盖内容。这是重复性查询工作，AI可以快速且大规模处理。自动资格检查可以在几秒钟内对支付方数据库进行查询，并在服务提供前发现覆盖缺口。
- 医疗记录/保险验证专员的平均年薪为50,250美元。
6. 药房技术员
自动分发系统已经在高流量环境中计数、分类和装瓶药物。然而，更难自动化的是回答患者问题、管理库存异常和支持药剂师的临床工作。
- 药房技术员的平均年薪为43,460美元。
医疗健康领域受AI影响较小的工作岗位
医疗健康工作中最不受AI取代影响的岗位需要在不可预测环境中维持高风险人际互动。例如，需要精细运动技能、基于信任的诊疗关系以及能够实时整合复杂生理、情感和情境信息的工作。
1. 注册护士
护士提供直接的患者护理、给药、监测病情和协调护理。AI可以记录、标记恶化的生命体征并预测哪些患者有风险，但它无法插入静脉输液、重新安置虚弱患者或在家人恐惧时读懂现场气氛。
- 注册护士的平均年薪为93,600美元。
2. 急救医护人员/紧急医疗技术员
急救医护人员/紧急医疗技术员响应紧急情况，在现场稳定患者并做出快速治疗决策。应急响应与自动化擅长的恰恰相反。它涉及不可预测的环境、不完整的信息、身体提取和抬举，以及在几秒钟内做出的生死决策。
- 急救医护人员/紧急医疗技术员的平均年薪为46,350美元。
3. 外科医生
外科医生进行手术、处理并发症并在实时做出高风险决策。机器人系统已经协助手术室工作，但它们是由外科医生操控的工具，而非替代品。手术很少完全按计划进行。外科医生的价值在于适应能力、实时权衡风险与收益并承担后果。
- 外科医生的平均年薪为247,915美元。
4. 心理健康顾问/治疗师
心理健康专业人员为管理心理健康问题、创伤和压力的患者提供谈话治疗和情感支持。虽然聊天机器人可以提供脚本化的应对技巧，但有意义的治疗关系建立在被他人真正理解的基础上。
- 心理健康治疗师的平均年薪为74,316美元。
5. 助产士
助产士在怀孕、分娩和产后支持女性，同时处理并发症和紧急情况，依靠同情心、直觉和情感支持等品质，这些品质在人生最脆弱的时刻提供支持。当分娩变得危险时，助产士还需要快速行动，将冷静的存在感与临床技能相结合。
- 助产护士的平均年薪为131,570美元。
6. 家庭健康助理/认证护理助理
这些专业人员主要为老年人和残疾人提供日常直接护理——洗澡、活动能力、喂食、生命体征监测。将人从床上扶起、注意到他们更加困惑或在杂乱的公寓中即兴发挥的工作，正是机器人和软件无法做到的。
- 护理助理的年薪为39,430美元。
7. 牙医/牙科卫生师
牙医和牙科卫生师通过精确的口腔程序检查、清洁和治疗牙齿和牙龈。虽然AI可以读取牙科X光片，但实际工作包括钻孔、填充、刮除和拔牙，需要精细的运动控制和持续的微调。
- 牙医的平均年薪为179,470美元，牙科卫生师为94,260美元。
8. 急诊医师
急诊医师诊断和稳定各种紧急情况下的急性病患者，从胸痛到创伤再到脓毒症。患者到达时可能没有明确的主诉，有时无法提供病史，医生必须在信息不完整且经常时间紧迫的情况下采取行动。
- 急诊医师的平均年薪为306,640美元。
人工智能正在创造的新兴医疗健康工作机会
在临床知识和技术交汇处，正在出现五年前不存在的新角色。相对于需求而言，这些职位的人才渠道发展严重不足。医疗组织正积极努力寻找既了解临床背景又足够了解技术工具，能够负责任地实施和管理AI系统的人才。
1. 临床AI实施专家
临床AI实施专家是技术团队和临床利益相关者之间的翻译者，负责监督AI工具的部署、采用和持续评估。该职位通常需要临床背景：护理、药学、呼吸治疗或相关健康领域，加上健康信息学和变革管理方面的培训。
- 临床AI实施专家的平均年薪为70,000至100,000美元。
2. 医疗健康AI伦理与治理分析师
随着AI系统承担重要的临床和行政角色，医疗系统将需要专职专业人员来评估系统的偏见、公平性、安全性和法规合规性。医疗健康领域的AI伦理和治理分析师负责审查算法在患者子群体中的性能、为监管审计维护文档、设计临床验证框架并向领导层提供风险建议。
- AI治理分析师的平均年薪为141,139美元。
3. 健康AI数据科学家/临床数据工程师
医疗系统产生大量临床数据——电子健康记录、影像研究、设备数据、索赔、基因组学——这需要专业知识来整理、标记并转化为训练数据集和验证的AI模型。具有医疗健康知识的临床数据科学家和数据工程师是最受追捧的技术专业人员之一。这些职位需要精通Python或R、SQL、TensorFlow或PyTorch等机器学习框架，以及对SNOMED、LOINC和HL7 FHIR等临床术语的理解。
- 医疗健康AI数据科学家的平均年薪为122,738美元。
医疗健康专业人员需要优先掌握的AI技能
目前，任何医疗健康专业人员可以做的最具保护性的投资是发展AI素养：了解AI工具如何运作、它们在哪里失败以及如何批判性地评估输出。这不需要计算机科学学位，而是需要开放的心态，积极与进入工作场所的工具进行互动，并承诺理解其优点和局限性。
将临床卓越与技术适应能力相结合的专业人员将最具适应性。寻求临床信息学的继续教育机会，在所在机构自愿参与AI试点项目，学习阅读算法性能指标，并成为团队中不仅了解AI标记了什么还了解为什么标记的人。
人工智能真的会接管医疗健康工作吗？
人工智能完全接管医疗健康并非现实场景，但特定岗位的显著劳动力动荡绝对是可能的。在大多数临床领域，AI将接管任务而非工作。然而，在行政、诊断和文档密集型岗位中，核心任务可能会被自动化，从而显著减少总体人员数量。
短期内——未来三到五年——影响可能在医疗编码和转录领域最为明显。需要现场存在、程序技能或持续治疗关系的临床岗位可能会被大幅增强而非替代。
在未来十年，情况将很大程度上取决于监管框架、责任法和公众对自主医疗AI的信任。可以肯定的是，那些将AI作为工具积极接触的医疗健康专业人员，而不是等待AI对他们产生影响的人，将在这一过渡中处于优势地位。
常见问题解答
医疗工作者如何为工作场所中的AI做准备？
医疗工作者为工作场所中的AI做准备的第一步是参与。最糟糕的战略立场是被动回避AI工具，例如等到强制执行后再仓促适应。现在就寻找机会与您所在临床领域的AI系统互动，无论是参与试点项目、参加临床信息学的继续医学教育课程，还是简单地阅读同行评审的关于AI在您专业领域表现的文献。
护士会被AI取代吗？
在近期，护士不太可能被AI取代，而且在可预见的未来，至少在对患者护理最重要的方面不会被取代。这是因为护理是医疗健康领域中最具身体互动性和关系密集性、情境最复杂的职业之一。定义高质量护理的任务包括识别细微的临床恶化、在疼痛或恐惧的程序中提供治疗性陪伴、管理影响护理计划是否被遵循的社会和家庭背景、根据实时患者评估管理药物。这些都需要当前AI系统所不具备的能力。
保险代理会被AI取代吗？
医疗保险代理和理赔处理人员面临的替代风险远高于临床工作者。福利解释、计划比较、预先授权处理和常规理赔裁决等核心职能本质上是信息管理任务：结构良好、基于规则且越来越适合自动化。AI驱动的聊天机器人和决策支持工具已经能够以与人类代理相当的准确性处理相当大比例的常规保险查询，主要支付方正在大规模部署这些工具。
【全文结束】