尽管人工智能工具如今已辅助影像解读、临床文档记录、风险预测和远程监测，但医疗保健服务本身并未发生根本性变化。相反，人工智能只是被叠加到现有工作流程上，使碎片化、低效率和不平等问题基本保持不变。发表在《生物工程》杂志上的一项新研究表明，在亟需全系统重新设计的时候，这种渐进式方法正在阻碍医疗保健的发展。
题为《探索以人工智能为先的医疗保健系统》的研究探讨了如果将人工智能视为核心基础设施而非一系列孤立工具，医疗保健将呈现何种面貌。研究结果表明，尽管人工智能技术在许多领域已达到技术成熟度，但医疗保健系统仍未准备好以能够持续改善结果、效率和公平性的方式整合人工智能。
碎片化的AI采用正限制实际影响
研究发现，目前医疗保健中大多数人工智能部署遵循狭窄的、基于任务的模式。人工智能通常用于优化离散功能，如解读医学影像、转录临床笔记、标记高风险患者或监测生命体征。在受控环境中，这些工具的表现通常与人类基准相当甚至更好。然而，其影响很少能超出它们被设计支持的特定任务范围。
这种碎片化为人工智能的价值设置了结构性上限。当人工智能工具独立运行时，它们无法在不同时间和场景中协调护理。一个领域的改进不会转化为其他领域的更好结果，临床医生被迫手动填补这些差距。结果是，辅助工作流程的人工智能生态系统日益扩大，反而增加了护理交付的复杂性而非连贯性。
研究将此与以人工智能为先的方法进行了比较，在这种方法中，人工智能作为医疗保健系统的组织原则发挥作用。在此模型中，人工智能在整个患者旅程中——从预防和诊断到治疗和长期管理——持续支持数据收集、风险分层、工作流程编排和反馈循环。人类临床医生仍处于核心地位，提供监督、情境判断和以关系为中心的护理，但他们的工作重点从常规认知和行政任务转移开来。
研究强调，这种转变的主要障碍已不再是技术性的。相反，障碍包括碎片化的数据系统、有限的互操作性、工作流程不匹配、薄弱的治理结构，以及对公平性和长期结果评估不足。如果不解决这些问题，即使是高度准确的人工智能工具也难以扩展或提供持久价值。
证据显示各护理环境均有前景但差距依然存在
研究回顾了人工智能在多个医疗保健领域的表现，发现成熟度不均。在门诊护理中，人工智能在就诊前规划、分诊、文档支持和随访协调方面显示出前景。这些应用可以减轻行政负担，明确就诊优先级，并改善预约前后护理的连续性。然而，关于患者结果持续改善的证据仍然有限，主要是因为人工智能输出并未持续整合到临床决策路径中。
在住院和急性护理环境中，人工智能支持的监控和预测系统能比传统方法更早发现临床状况恶化。脓毒症、死亡风险和住院时长的预测模型表现出色，但其实际影响很大程度上取决于警报的呈现方式和应对措施。整合不佳可能导致警报疲劳、信任削弱和使用不一致，从而削弱潜在的安全收益。
诊断和影像代表了一些技术最成熟的人工智能应用。在放射学和心脏病学领域，人工智能系统在明确定义的任务中达到高精度。然而，研究强调，仅技术表现并不等同于临床转型。不同机构、设备和患者群体之间的差异继续限制通用性。此外，在没有严格监督的情况下应用的用于诊断推理的生成式人工智能工具引发了关于透明度、一致性和责任性的担忧。
急后护理、居家和长期护理环境突显了以人工智能为先设计的前景和复杂性。远程监控和持续风险评估可以将护理扩展到临床环境之外，为慢性疾病提供更早干预和更好协调。然而，结果取决于人员配置模型、患者参与、报销结构以及数字接入和素养等公平性考虑。
在人群健康层面，人工智能有潜力通过风险分层和学习型健康系统，将护理从被动治疗转向主动预防。然而，治理挑战主导这一领域。当人工智能系统影响服务获取或资源分配时，偏见、透明度和责任性问题变得至关重要。研究发现，许多人群级人工智能模型缺乏对下游影响（如差距和长期结果）的稳健评估。
治理与架构将决定人工智能在医疗保健中的未来
以人工智能为先的医疗保健主要是一个治理和系统挑战。技术能力已超越机构准备度。要作为基础设施发挥作用，人工智能需要支持互操作性、持续学习和在整个护理连续体中进行人工监督的稳健架构。
研究呼吁采用云支持和混合系统，以实现可扩展部署，同时保护敏感数据。互操作性被确定为基础要求。如果没有电子健康记录、影像系统、实验室和远程设备之间结构化和非结构化数据的无缝交换，人工智能就无法支持纵向协调或学习型健康系统。
同样重要的是治理。以人工智能为先的医疗保健需要明确定义模型开发、部署、监控和更新责任的问责框架。在患者群体、临床实践和数据质量持续变化的环境中，静态部署模型是不够的。研究呼吁将性能监控、偏见审计和部署后监控作为护理交付的标准组件的运营机器学习实践。
公平性凸显为一个决定性问题。研究发现，当人工智能嵌入护理路径时，偏见不是次要问题，而是系统性风险。基于非代表性数据训练的模型可能会加剧诊断、治疗和获取方面的差异。解决这一问题需要在整个AI生命周期中进行公平意识设计，从数据收集到实际评估。
研究还强调了人类赋能人工智能的重要性。以人工智能为先的系统不是取代临床医生，而是重塑专业角色。临床医生从常规任务转向解释、沟通和共同决策。信任、透明度和可解释性对于维持这种平衡至关重要，尤其是在高风险的临床环境中。
【全文结束】
