人工智能在医疗保健中的新兴角色
人工智能正通过日益先进的机器学习算法和基础模型显著重塑医疗保健行业。其影响力已延伸至诊断、预测分析和手术等多个领域。因此，AI驱动的医疗工具正从研发环境逐步进入临床实践，从"锦上添花"转变为医疗提供者和医疗系统的"必需品"。
与传统护理方式不同，人工智能能将广泛共享的医学知识编码到可部署于任何地方的模型中。这为普及专业医疗专长打开了大门，使偏远地区的患者也能受益于顶级医疗中心开发的专业见解。生成式AI工具正在减轻医生的工作负担。如今，医生在电子健康记录任务上平均花费近两小时，才能进行一小时的患者护理。当前的生成式AI系统通过环境数字记录员自动起草医疗文档，显著减少了医生在文书工作上耗费的时间。这每年可为医生节省约15,791小时的文档时间，改善医患互动质量，并提升医生工作满意度。
截至2025年，美国食品药品监督管理局(FDA)已批准了放射学、心脏病学和胃肠病学等专业领域的多项AI技术。竞争性算法市场将开始涌现，医疗服务提供者的角色也将演变为选择和管理适用工具。然而，最重要的挑战——患者信任与接受度——凸显出系统性AI治理这一亟待解决的问题。正是在这一背景下，人在回路（HITL）机制变得至关重要；它确保AI在医疗保健领域的扩展应用过程中始终受到人类监督的约束。
手术中的机器人与人工智能
在手术等高风险医疗场景中，每个决定都可能关乎生死，人工智能与机器人的融合代表着革命性的突破。机器人辅助手术（RAS）已在医疗行业应用多年；然而，随着代理AI和多模态数据融合技术的进步，这些系统正从被动辅助转向主动协作。这意味着它们将在监督下执行常规操作，而外科医生则保留对复杂决策的最终控制权。随着AI和计算机视觉的进步，这些机器人现在具备了"视觉"能力，在某种程度上也拥有了临床直觉。
每次机器人手术都会生成海量的高清视频、器械遥测数据和患者信息。AI能从这些数据中学习隐藏的模式。然而，原始数据本身价值有限，必须经过细致的数据标注处理——将医学图像、手术视频或临床笔记等非结构化数据标记上精确的、由专家提供的见解。这种数据的上层信息——称为元数据——是机器学习算法理解专家思维和决策、学习模式并最终做出预测的核心基础。这种对稀缺且专有数据的专家输入，代表着将AI从通用功能推进到长尾、窄领域和高价值应用的关键前沿。
随着数据与人类专业知识之间这种协同创造模式的成熟，其影响已在最关键领域——实时手术中——显现。2025年，约翰霍普金斯大学的一个团队展示了一台经过AI训练的手术机器人，它在无人干预的情况下，从猪标本中成功切除了胆囊，成功率高达100%。这个名为智能组织自主机器人（STAR）的系统经过数小时手术视频训练，能够独立完成所有关键步骤（切割组织、放置夹子、避开重要结构）。另一个成功案例是机器人在盆腔手术中的应用，带来了明显更好的临床结果。更小的切口、更少的组织创伤和更精准的操作正转化为患者更快的恢复速度和更少的术后并发症。
人在回路：为何在手术AI中至关重要
人在回路（HITL）机制将AI的速度和规模优势与人类判断力和情境感知能力相结合，这在手术等高风险环境中尤为关键。外科医生具备当今任何算法都无法复制的特质：直觉和创造力。这些独特的人类品质为数据赋予背景意义，为医疗结果提供深层价值。高性能手术AI系统正是建立在这种人机协作基础之上。它们的智能高度依赖于精心标注的图像和视频，这些数据教会算法识别出血血管、追踪肿瘤边缘或在并发症发生前进行预测。只有经验丰富的外科医生才能解读解剖变异和手术技术的细微线索，从而用专业智能丰富原始数据。随着AI向更高自主性发展，人类角色不仅不会减弱，反而会变得更加深入。因此，HITL成为监督、持续学习和伦理对齐的关键机制，在这个机器学习做出关乎生命决策的时代，这一机制尤为重要。
案例研究：HITL加速手术AI发展
一家全球领先的手术设备制造商最近展示了HITL工作流程如何重新定义AI创新的速度和精度。通过将人类专业知识直接整合到训练、审计和监控管道中，该公司提前数月完成了项目，同时实现了超过99%的帧级准确率——这在医疗数据操作中是罕见的高标准。效果显著：在经过专家标注的数据集训练后，该公司的手术AI在器械和手术事件识别准确率上提升了72%。
在实际应用中，机器人对手术现场情况的理解变得更加"智能"。它能以接近人类的清晰度解释手术场景，并以更高的精确度做出响应。这种水平的提升突显了人类专业知识与机器智能的融合价值。它进一步证明，这种人机协同创造不仅能加快开发速度、提高安全性，还能创造出更能放大外科医生技能并提升患者治疗效果的技术。
未来是协同合作的
像手术AI这样的关键医疗保健应用的发展轨迹反映了整个医疗保健行业的广泛转型。这标志着从被动辅助到可信、高影响力的深度整合的转变。曾经局限于研究实验室的技术，如今正以先进可视化形式进入手术室，最终AI和机器人将共同重新定义在精度、安全性和可及性方面所能达到的极限。
目标并非取代医生和外科医生；而是扩展他们的能力，提高手术精确度，并放大他们对患者护理的积极影响。随着算法不断进步，人类判断必须继续作为医疗行业的核心锚点。HITL治理系统创造了反馈的良性循环，建立起监管机构和临床医生所要求的可靠性。人类与机器之间的这种协同创造使系统更具责任感、更透明，最终更加人性化。正是创新与监督之间的这种平衡，将决定AI如何赢得信任，从有前景的技术转变为未来患者护理中不可或缺的合作伙伴。
【全文结束】
