行业正在追逐错误的问题
如今医疗健康领域人工智能的热门话题是自主性。AI能否诊断疾病？能否开具处方？最终能否取代医生？
我们已无需再思考这些假设性问题，因为现实生活中AI在医疗领域的应用案例已经出现。犹他州已通过其监管沙盒向自主AI开放了处方续签的权限，其他州正观望这些早期试点是否展现出可接受的安全性和效率。
但我认为，思考AI能否替代医生是行业出发点的错误选择。
在探讨AI能吸收多少临床诊疗关系之前，我们应先处理眼前更简单、更紧迫的问题：医生被行政工作压得喘不过气。患者仍无法及时获得预约，因为限制因素并非患者需求不足，而是医生可用时间匮乏。问题的积压由此开始，而AI正是缓解运营压力的迫切需求所在。
这在心理健康领域尤为明显。约2200万美国人患有注意力缺陷多动障碍（ADHD），焦虑症影响着约19%的美国成年人（即一生中约31%的人会受其困扰）。这两种疾病均可有效治疗，但仍有数百万人未能获得指南推荐的护理。问题不在于缺乏认知——市场上已有各种自助工具、内容、追踪器和ADHD友好型应用。真正的缺口在于无法获取实际的临床护理、诊断和适当的药物管理。
本文主张从更简单的起点出发。当前AI在医疗健康领域回报率最高的角色是行政支持。过早将其应用于临床环境可能弊大于利。若希望AI成为值得信赖的医疗组成部分，我们应首先将其部署在负担最重、收益最立竿见影的环节。
数据揭示AI可提升效率的关键领域
在医疗领域运营时，一个规律很快显现：无论招聘哪位医生，几个月内其预约都会排满。我们反复见证这一现象。这并非抽象意义上的医生短缺问题，而是医生时间一旦开始被占用，便迅速消耗殆尽。
在精神科，约80%的预约属于常规随访。这些并非复杂的诊断场景——许多是稳定患者继续相同治疗方案、检查症状并续开药物的常规复诊。然而这些就诊仍需承担完整的文书记录、身份验证、病史回顾、处方药监测计划（PDMP）检查和开药流程。医生平均每周花费16小时处理此类行政工作，这些时间本可用于接诊新患者或更专注地处理复杂病例。
这正是许多AI讨论脱离运营现实之处。行业不断追问AI能否取代医生角色，而实际上大量被浪费的医疗能力源于本不需要太多临床判断的任务——如病历记录、身份验证、档案审查和随访流程。这恰恰是AI已能提供实用且可衡量支持的领域。
若能回收这些时间，不仅能减轻医生负担，还能重新开放更多预约时段。等待时间是医疗可及性的重要问题——患者常需数周才能见到专业医生，且不同地区资源获取仍不均衡。美国卫生与公众服务部（HHS）持续指出，农村和边远社区面临医生不足和行为健康支持匮乏的问题，并将远程医疗视为实质性提升心理健康服务可及性的途径。
为何医疗是AI最难自动化的行业
从外部看，医疗似乎高度标准化。实际上，它同时具备标准化与高度变异性。
毫无疑问存在某些指南、法规和文书规则，但每位医生也带来由过往工作环境塑造的习惯、流程和协议。两位医生可能在相同法律框架下治疗同一病症，却以截然不同的方式处理常规护理。AI必须兼顾这种差异性而不偏离诊疗标准——这比在演示中表现良好的模型构建难度高得多。
在监管层面，合规要求往往层层叠加：州执照委员会、联邦机构、HIPAA（健康保险流通与责任法案）、处方监测系统、州级数据库和内部临床标准操作程序（SOP）相互交织。一个州的合规操作在另一州可能违规；从产品角度看无害的工作流程，在涉及开药、患者身份验证、记录保存或审计时可能暗藏风险。这一过程存在结构性复杂性。
数据处理同样不如表面简单。医疗领域不能简单连接通用工具并开始学习用户行为。许多标准分析工具和数据管道因HIPAA规定而不适用，除非彻底改造。通常需要从零构建定制化基础设施——包括数据存储、处理、审计及工作流中的呈现方式。令人惊讶的是，大量企业低估了这点，直到深入开发阶段才被迫推翻重来。
但最关键的是，医疗领域犯错的代价异常高昂。在其他行业，错误输出可能仅造成不便；但在医疗中，它可能影响治疗质量、患者安全、处方行为或监管风险。人类健康不容我们随意"试错"以优化AI模型，这理应成为指导我们确定AI优先应用领域的原则。
医疗领域AI最高回报的部署方向：行政层
希望读者已理解：与其关注AI能否替代医生，不如先清除医生周围的运营摩擦。以下将具体阐述这一理念的实践路径。
病历生成。AI可在就诊过程中实时转录并构建文档。这能减轻病历负担、缩短加班时间，使当日完成病历更可行。在MEDvidi内部框架中，病历生成器在诊疗过程中持续更新文档，旨在大幅削减病历记录时间。
病历审核。AI还能依据内部标准操作程序审查病历，在到达开药阶段前标记偏差。当前大多数医疗质量审查仍为抽样人工审核；若AI能审核每次就诊而非小样本，合规性将更透明且一致。
访前流程自动化。大量医生时间消耗在临床决策前的环节：身份验证、跨州数据库交叉核对、病史回顾、潜在禁忌症筛查，或识别可能暗示药物滥用行为的模式及文书缺口。这些工作不替代临床判断，却占用宝贵时间——正是AI可在医生介入前处理的环节。
常规处方管理。稳定随访护理是AI最能发挥价值的场景。对于治疗方案保持稳定的患者，AI可协助管理续方流程并准备记录，而医生仍需审核并批准最终决定。这与完全自主医疗截然不同：它范围更窄、更安全，且更贴近系统实际瓶颈。
这些应用场景的共同点在于：它们以扩展医疗能力的方式节省时间。这正是我认为行政层应作为AI优先部署领域的核心论据。
临床场景的正确AI架构
"医生替代论"是制造耸动标题、引发专业人士焦虑的AI鬼故事之一。更实际、有益且不可或缺的模式应是"以医生为中心"的医疗增强。
在此架构中，医生对每项临床决策和处方拥有最终决定权，治疗方案仍需经持证医疗提供者审核批准。AI仅处理文书记录、验证、审核环节及就诊相关的重复性任务——这是提升效率并保持问责制的最安全方式。
医疗AI还需基于真实临床数据，因为现成模型和通用数据集远远不够。临床流程过于特殊、法规过于复杂、容错空间极小。任何进入该领域的系统都应以月度患者就诊的专有数据集训练为基础，并将医生审核与标准操作程序遵守嵌入工作流。关键在于：医疗AI必须扎根于真实世界临床运营，而非依赖通用模型能力。
对医生而言，此架构减少了行政工作耗时，为新患者和复杂病例预留更多时间；对患者而言，它提供了更快速、低成本的医疗服务，并提升诊疗记录与交付的一致性；监管机构也能获益——当前系统常将不一致性隐藏在分散的工作流中，而AI的正确部署使流程更清晰可查，其审核也比人工记录更易追溯。
当AI在可衡量的工作流中变得可靠，它便成为改善这一关键行业痛点的可信工具。
结论
当人们抱怨医生心不在焉时，他们指出了真实问题：将医生的精力比作一个被琐碎重复任务从四面八方刺破的气球，自然无暇专注地对待患者。
与其追逐"谁将因AI率先失业"的恐慌，医疗领域更明智的做法是用技术修复人类难以胜任的工作层。AI的最大优势正是其不知疲倦——而这恰是人类医生所不具备的。
理解医疗难以自动化的原因并不困难：复杂的法规、医生行为的差异性、定制化基础设施的需求，以及错误代价的高昂性。然而，我们手中已有技术能解决真实的行政积压问题——何不立即应用？
若不从行政积压入手，当AI能力超越当前水平时，临床AI将难以在更大范围内赢得公众信任。
我认为近期可行的模式很清晰：AI负责回顾病史、检查禁忌症、验证身份、生成病历并准备处方流程，医生则审核全局并批准最终决定。原本需要20分钟的稳定患者随访，可简化为更短、更安全、更高效的过程。
这看似微小，却是对长期依赖人工操作、影响所有人的系统的重大革新。
【全文结束】
