医疗领袖们正在快速推进AI——但许多人认为最大的风险并非技术本身不及预期，而是组织高估了AI单独能做的事，低估了让它安全、规模化并融入实际工作流程所需付出的努力。
根据许多接受《Becker’s》采访的医疗领袖所言，更好的模型会自动产生更好的结果。影响的路径贯穿治理、数据纪律、工作流程重组、网络安全严谨性和人类问责——当AI被嵌入、被信任、被衡量，而非花哨时，它才能交付最大价值。
以下介绍的领袖将在2026年9月14日至17日于芝加哥希尔顿酒店举行的《Becker’s 11th Annual Health IT + Digital Health + RCM Conference》上发表演讲。
如果您希望作为演讲者参加此次活动，请联系Scott King：sking@beckershealthcare.com。
作为持续系列的一部分，《Becker’s》正在与将在此活动中发言的医疗领袖联系，以获取他们对行业关键问题的看法。
编者注：回复已为清晰度和篇幅略作编辑。
问：医疗AI最大的迷思是什么？
Luis Taveras, PhD. 杰斐逊健康（费城）高级副总裁兼首席信息官： 医疗AI最大的迷思是相信它是一种能解决一切问题的魔法药丸。AI常常放大我们已经面临的挑战。第一个压力点是治理：AI请求从四面八方涌来，如果没有强大、有纪律的治理模式，组织很快就会失控。与其为AI单独创建治理结构，不如将AI整合到我们已经信任的框架中。网络安全是另一个关键问题。医疗组织是高素质、资金充足的网络犯罪分子的主要目标。如果我们不经严格评估就匆忙采用AI，就有可能引入危及患者安全和组织完整性的漏洞。AI前景广阔，无疑将改变医疗的各个角落。但我们需要有目的地推进——不是回应每一个供应商的推销，而是优先解决明确定义的需求并提供可衡量价值的方案。要真正优化AI的益处，我们必须有条不紊、深思熟虑，并愿意慢下来，做出明智、可持续的决策。
Sunil Dadlani. 大西洋健康（新泽西州莫里斯敦）执行副总裁、首席信息与数字转型官、首席网络安全官： 一个常见的假设是，最先进或最大的模型会自动带来最强的临床或运营结果。在医疗领域，这几乎从未成真。背景和工作流整合远比模型规模重要。一个专注且调优良好的模型直接嵌入Epic工作流，往往胜过放置在临床医生日常环境之外的高度复杂独立平台。
Andrew Rosenberg, MD. 密歇根医学（安娜堡）首席信息官： 有两个主要迷思需要我们共同面对。第一，AI不会取代人类；第二，医疗机构拥有基本流程、控制和治理，能够安全地在整个卫生系统大规模部署各种AI用于实际临床护理。关于第一个观点，医疗领域微薄的利润率和持续增长的成本将继续成为降低成本的强大驱动力，而在药房成本之后，薪酬和福利往往是组织中最高的单一成本中心。适合自动化的角色一直是过去用更便宜替代方案（如离岸一级服务、机器人流程自动化、早期聊天机器人和机器人）的目标。这些趋势现在可能因各种AI变得更强大和可用而加剧。随着我们都越来越熟悉并更舒适地与AI互动处理低风险或低复杂性服务（呼叫中心、服务台、基本收入周期等），我们对使用AI从事以前由人完成的工作的信心将增强。医疗领域不会像其他行业那样激进地取代人类，但也不可能袖手旁观，同时维持人员和高涨的技术开支。与药品和器械安全有效使用的百年监管和行业实践成熟过程不同，目前几乎没有任何新的或与现有法规挂钩的要求，要求AI提供商（尤其是回避明确称自己为临床决策支持工具的提供商）以类似方式遵循。更复杂的是，大多数医疗机构仍在努力将安全使用EHR的基本要素（SAFER指南）纳入其中。更细微的问题，如AI可观测性类别（数据质量、模型性能和漂移、基础设施监控、用户反馈），都还处于萌芽阶段。如果各种AI要以我们习惯和确信的方式用于医疗设备、药品、实验室实践和执业医师行为，我们还有很长的路要走。
Zafar Chaudry, MD. 西雅图儿童医院高级副总裁、首席数字官兼首席AI和信息官： 最大的迷思是持续相信这些算法已经准备好自主取代经验丰富临床医生的直觉和细微决策。虽然该技术擅长以惊人的速度处理海量数据集，但它缺乏管理复杂患者安全护理所必需的人类同理心和情境理解。我们必须将AI视为增强我们能力的复杂副驾驶，而非完全取代一线临床专家的能手和大脑。
Praneeth Chebrolu. OSF医疗保健（伊利诺伊州皮奥里亚）临床研究主任： 迷思：准确度单独决定医疗AI的成功。一个最常见的误解是模型性能本身驱动影响。实际上，早期成功取决于工作流整合、可用性、监管一致性和医生信任。没有采用，即使95% AUC的模型也产生零价值。然而，一旦AI在临床工作流中大规模嵌入，准确度就成为真正的差异化因素。在那个阶段，性能的增量改进直接转化为更好的决策、改进的结果和持续的竞争优势。执行促成采用，准确度维持价值。
BABA Olanloye. 先驱者医疗中心（科罗拉多州米克）IT主任： 医疗AI最大的迷思是它可以取代人类判断。实际上，AI在增强临床医生和运营领导者时最有效——通过减少行政负担、提高可见性和支持决策，而非取代。没有强大的数据治理、工作流整合和临床监督，AI只会增加风险而非价值。将AI视为韧性和效率工具（而非捷径）的医疗机构看到了最有意义的成果。
Omer Awan. 弗雷德·哈奇（西雅图）副总裁兼首席信息官： 我相信医疗AI最大的迷思是它将完全取代医生和临床医生。虽然AI有可能取代临床医生当今执行的许多任务，但它永远无法取代同理心和临床医生带来的细微判断。正确的方式是将医疗AI视为增强而非替代。
Yasir Tarabichi, MD. 地铁健康系统（克利夫兰）首席健康AI官： 医疗AI最大的迷思是技术还不够好。这种框架忽略了重点。医疗颠覆主要不是技术问题——而是社会技术问题。在许多情况下，模型已经“足够好”。不准备好的，是我们试图部署它们的环境。我们正在将高级分析层叠在碎片化数据、脆弱的工作流、模糊的所有权和为偶发性护理设计的运营模式之上。
Brian Lancaster. 儿童慈善医院（密苏里州堪萨斯城）高级副总裁兼首席信息官： 医疗AI最大的迷思是它本身就是解决方案。像之前的每一项重大技术一样，它是赋能者而非答案。价值只有在组织首先定义问题——识别临床或运营痛点、相关利益方和重要结果时才出现。一个有纪律的过程应随后验证数据准备情况、评估工作流契合度、设定可衡量成功标准，并通过小型试点测试后再推广。没有这种问题优先的方法，技术就变成了寻找相关性的工具，项目几乎不可避免地无法交付有意义的结果。
Uday Madasu. 盟约健康（田纳西州诺克斯维尔）首席信息官： 临床AI将改变医生和护士的工作方式，但不会消除他们被需要的原因。医疗系统建立在许可问责制上，而非算法自主权。AI不会消除临床医生，但它会改变技能构成、生产力模型和治理要求。
Raymond Lowe. AltaMed（加利福尼亚州Commerce）高级副总裁兼首席信息官： 医疗AI最大的迷思之一是AI可以完全取代临床判断或在没有医疗专业人员监督的情况下独立运行。医疗中的AI是一个强大的支持工具，但它不能替代训练有素临床医生的专业知识、同理心和决策能力。
Bob Berbeco. Mahaska健康（爱荷华州奥斯卡卢萨）首席信息官： 医疗AI最大的迷思是AI解决方案可以即插即用，安全地“投入”以取代人类判断或自动改善结果。AI是一个社会技术系统：如果它是黑箱不透明、不被信任或未嵌入真实的临床工作流且没有医生/临床医生监督，它就会产生不信任、噪音、风险和失望，而非价值。这就是为什么我们放弃了孤立的螺栓式试点，转向在治理、伦理、可衡量结果和清晰问责制下将AI运营化嵌入工作流。最持久的胜利出现在AI减少行政摩擦、保护医生/临床医生时间、人类保持问责回路、系统持续监控和改进时，而非设置后就不管。
Vitaly Herasevich, MD, PhD. 梅奥诊所（明尼苏达州罗切斯特）麻醉学和医学教授、临床与转化科学中心数字创新办公室联合主任： 头条新闻有“AI作为医生”之类的叙述。AI可以在模式识别、数据综合、文档起草方面表现出色，但它没有问责制和法律责任，也无法在不确定性、冲突目标和缺失数据下进行临床判断。没有数据就没有AI。
Andrew Kim, MD. 贝勒斯科特与怀特健康（达拉斯）医师信息学主任： 医疗AI最大的迷思是它需要可见和花哨。最好的AI产品感觉隐形、嵌入现有工作流，但能产生可靠结果和效率。
Christopher Horvat, MD. UPMC（匹兹堡）临床信息学高级主任： 医疗AI最大的迷思是更好的模型单独就能改善护理。只有当人员、系统和激励改变时，结果才会改变。只有当AI嵌入真实工作流并带有问责制和信任时，AI才有意义。
Hetal Rupani. 约翰·霍普金斯医学（巴尔的摩）商业智能与分析高级主任： 医疗AI最大的迷思之一是高度准确的“完美”模型能保证影响。它不能。真正的价值更多地取决于AI如何有效地整合到临床工作流、EHR系统中，并与战略、数据和人员协调。效率提升只有当AI有意义地改善工作完成方式时才实现——而不是当它单独表现良好时。竞争优势将来自独特地使用AI，并重新想象人类专业知识如何将正确任务委托给智能系统。在医疗领域，整合和信任比精确更重要。我们是在优先考虑模型开发，还是真正为影响而重新设计流程？
Aimmon Lago. 斯坦福医疗保健和医学院（加利福尼亚州斯坦福）收入周期系统、技术与数字解决方案执行主任： 与AI技术相关的一个普遍迷思是它应该被完全不同于其他技术解决方案对待。许多IT治理的最佳实践以创造和维持价值仍然适用。这些基础包括彻底理解目标问题、计算风险调整后未来收益的现值、以及估算实施和维持的成本。LLM是强大的工具，有潜力创造价值，但它们应该与其他技术一起客观评估，以避免认知偏差并保持对组织价值的系统关注。
Rajiv Pramanik, MD. 康特拉科斯塔健康（加利福尼亚州马丁内斯）首席信息官兼首席健康信息官： 我认为迷思是结论可以被得出，因为医疗领域的一切都在以前所未有的速度变化——由于技术、支付方政策、劳动力、法规等。这个月有效的方法可能在三个月后就没有用了。
Greg Thompson. VHC健康（佛罗里达州迪尔菲尔德比奇）首席信息安全官： 医疗AI最大的迷思是它主要是技术问题。医疗领域挣扎不是因为模型不足，而是因为数据碎片化、所有权不明确、治理漏洞、工作流阻力以及激励不协调。另一个误解是AI将取代临床医生或神奇地消除低效，而实际上它作为力量倍增器发挥最佳作用——增强决策、减少行政负担、加强运营韧性。看到真正价值的组织将AI视为基于工作流重塑、治理和可衡量ROI的业务转型计划，而不仅仅是模型部署。迷思是AI关乎算法，现实是AI是一盏聚光灯，照亮了组织的优势、弱点和未开发的机会。
Chuck Christian. 方济各健康（印第安纳州米沙沃卡）技术副总裁兼首席技术官： 我相信医疗AI最大的迷思是AI将取代或能够取代临床医生。我们需要记住，AI不是在推理或思考——至少目前不是——AI只与其训练数据集一样好。我在医疗领域工作了几十年，观察到临床知识的指数级增长，我确实相信AI可以成为非常有用的知识/信息增强工具。AI可以处理高容量认知任务、分诊优先级和摘要。我们需要确保我们的工作流有人类在回路中，不要陷入AI对所有情况都有完美答案的假设。
Diane Constantine. 费城儿童医院企业健康信息学高级主任： 医疗AI最大的迷思是它在这里取代临床医生。它不会。AI绝对可以支持决策，但它不能取代人类判断、情境或同情心——我们仍然对结果负责。另一个迷思是AI是中立的或无偏见的，而实际上它反映了它所构建的数据和系统。AI的真正力量不是为自动化而自动化，而是我们如何周到地围绕它重新设计护理。
Melissa Hall. 银山医院（康涅狄格州新迦南）信息技术主任兼首席信息官： 尽管医疗AI对某些事情来说是改变游戏规则的，但它不能解决一切。患者仍然有自己独特的问题，AI从未考虑过。这意味着护理人员和提供者仍然需要“思考”发生了什么。人工智能可以帮助拼凑碎片，但重要的是不要将其视为最终答案。
Tomi Kolade, MD. UTHealth（休斯顿）助理首席医疗信息官： 医疗AI最大的迷思是它关乎取代临床医生。不是。真正的革命在于恢复他们。AI不会在判断、情境或问责方面超越最好的医生。它能做的是消除那些慢慢将临床医生拉离病床的认知和行政拖累。当部署得当时，AI成为力量倍增器：减少摩擦、澄清信号、将心理带宽还给医生用于复杂决策和人际联系。医疗的未来不是自主医学，而是智能基础设施。领先的组织不是追逐最闪亮的工具，而是围绕AI建立有纪律的治理、严格衡量结果、并将这些系统直接嵌入临床工作流。AI不是来取代临床医生，而是来帮助我们以本该有的方式行医。
Conrad Gleber, MD. 罗切斯特大学医学中心（纽约州罗切斯特）副CMIO： 医疗AI最大的迷思是越多AI自动导致越好结果。AI确实强大，特别是在影像和临床数据模式识别方面——这正是它的设计目的。然而，只有当它被深思熟虑地实施到特定工作流，并有正确的人类专业知识不断反馈和改进工具时，其价值才能实现。我看到一个巨大的风险：卫生系统广泛部署它并假设工作已完成。使用败血症风险预测模型的护理团队仍然需要理解他们面前的患者。技术不会取代这种专业知识，尽管它可以与之协同。
Divya Devli. 加州蓝盾（奥克兰）首席产品经理： 医疗AI最大的迷思是最困难的问题是构建模型。真正的挑战是将AI融入日常工作流而不增加认知或操作负担，因为即使高度准确的工具也会在打断人、需要额外步骤时失败。成功的AI感觉隐形，支持决策而不需要特别关注。
Thomas KingsleyThomas Kingsley.** 加州大学洛杉矶分校健康系统（洛杉矶）应用人工智能总监：医疗保健领域人工智能最大的迷思在于，认为模型的技术性能是临床采用的主要障碍。大多数有前景的人工智能工具之所以失败，并非因为它们不起作用，而是因为它们在设计时没有考虑到临床工作流程、用户体验和实施环境。一个完美准确的模型，如果每位患者的使用为医生增加了30秒的工作流程，最终也会悄无声息地被淘汰。医疗保健领域人工智能的难题是社会技术性的——治理、信任、整合和持续的变革管理——而非算法问题。这一挑战只会加速。在大语言模型/生成式人工智能时代，从概念到功能原型甚至早期产品可能只需几周时间。将一个想法变成一个好看的演示从未如此容易。这导致了医疗保健人工智能初创公司的爆炸式增长。然而，大多数医疗系统都很成熟，不会在没有证据的情况下购买一个好想法。我们需要开始像评估新型疗法一样严格地评估人工智能工具。这比人工智能技术本身更能解锁医疗保健领域的创新。一旦有了证据，采用很快就会随之而来。
Eric Snyder. 罗切斯特大学医学中心-威尔莫特癌症研究所（纽约州罗切斯特）技术与创新执行总监：医疗保健领域人工智能最大的迷思是认为人工智能是困难的部分。模型很容易获得；困难的是干净、可信的数据、治理以及整合到真实的临床和运营工作流程中。没有整理、验证和上下文环境，人工智能只会更快地放大错误的假设。人工智能不能修复破碎的系统，而是放大它们。
George Bailey. 普渡大学（印第安纳州西拉法叶）CyberTAP技术援助项目总监：医疗保健领域人工智能最大的迷思是它将取代临床医生。医疗保健领域的人工智能最好被理解为临床决策支持，而非临床决策替代。人工智能擅长模式识别和风险标记等狭窄任务，但它缺乏患者护理所需的背景判断、伦理推理和问责制。人工智能的最大价值在于增强临床医生——减少认知负荷、提高一致性、帮助他们做出更明智的决策——而不是试图从他们手中夺走决策权。
Parag Jain, MD. 儿童健康中心和德克萨斯大学西南医学院（达拉斯）临床研究总监：医疗保健领域人工智能最大的迷思是它仅仅是一场技术革命。这是一场护理交付革命。人工智能的真正承诺不是更智能的算法，而是将临床医生从认知过载中解放出来，恢复与患者相处的时间，并重塑决策方式。人工智能不会通过被添加到系统中来改变医疗保健——当系统围绕人工智能重新设计时，它才会改变医疗保健。
Matt Morton. 芝加哥大学助理副总裁兼首席信息安全官：医疗保健领域人工智能最大的迷思是它是一个技术问题。每个人都在争先恐后地选择正确的模型或正确的供应商，但那些把这当作采购决策的组织将会非常失望——在某些情况下，他们会在过程中制造严重的风险。人工智能将在医疗保健领域具有变革性，但它只取决于你输入什么；在一个已经因碎片化数据、遗留基础设施和不一致数据实践而负担沉重的环境中，在没有坚实数据治理的情况下部署人工智能不是创新——而是放大问题。不知道你有什么数据、数据在哪里、如何分类以及谁有权访问，你不仅冒着模型性能差的风险——还制造了《健康保险流通与责任法案》暴露风险，并可能将偏见引入临床工作流程。将从医疗保健人工智能中受益的组织是那些现在就投资于数据质量、数据管理和安全基础设施的组织，这些基础设施使得负责任地使用人工智能成为可能。技术本身会不断进步——问题在于当它变得重要时，你的组织是否准备好负责任地使用它。
Scott McEachern. 南库斯医院与健康中心（俄勒冈州班登）首席信息官：医疗保健领域人工智能最大的迷思是人工智能工具将解决所有问题。人工智能是一种普遍的个人技术，在个人和专业环境中对组织日常任务有明显的好处。然而，目前，特别是对于农村医疗设施来说，人工智能工具就像软件工具一样，是单一主题的应用。我鼓励产品设计者们和组织转向开发低成本、高影响、整合的人工智能工具，这些工具可以影响整个组织的关键绩效指标，而不仅仅是在少数几个领域。
Jennifer Ngure. Sturdy健康（马萨诸塞州阿特尔伯勒）临床信息学总监：医疗保健领域人工智能最大的迷思是，如果技术有效，采用就会随之而来。但它不会。我见过近乎完美的算法积灰，因为没有人先问过临床医生。在人工智能上取胜的医院不是那些拥有最好工具的医院——而是那些在把实施以下是翻译的续文：
而那些把实施当作一个人类问题（而非技术问题）来处理的医院。
Gary Janchenko, DSc. 中央俄亥俄初级保健（俄亥俄州哥伦布）首席信息官：一个值得正视的迷思是，人工智能可以推广到提供者、员工和患者体验的各个方面，并——几乎是自动地——让一切变得更好。影响取决于意图。分散或过于宽泛的雄心会产生怀疑；专注的实施会产生结果。找到摩擦点，首先在那里部署，公开谈论人工智能能做什么和不能做什么，并把用户反馈视为你最宝贵的调整工具。在扩大范围之前先建立信任。
Tomas Gregorio. 新英格兰护理（普罗维登斯）高级副总裁兼首席数字信息官：在新英格兰护理，我们已经了解到，可持续的工作流程影响，无论是否使用人工智能，都来自于纪律严明的用例、强大的治理以及与临床医生的紧密合作。人工智能在“无聊”的时候表现最好——隐形、可靠，并嵌入到日常护理服务中。
Rick Leesmann. 天空湖泊医疗中心（俄勒冈州克拉马斯福尔斯）首席信息官兼首席信息安全官：目前医疗保健领域人工智能最大的迷思是，它是解决美国现代医疗保健弊病的灵丹妙药。人工智能无法修复破碎的工作流程、糟糕的数据卫生、人员短缺或错位的激励机制。它所做的只是更好地暴露它们。那些将人工智能视为转型催化剂，而非能使所有问题消失的即插即用解决方案的组织将会胜出。那些在没有围绕技术和变革管理制定战略的情况下追逐点对点解决方案的组织，只是在增加它们的数字混乱。
Himadeep Movva. MedStar健康（马里兰州哥伦比亚）智能自动化专家：恐惧占据了头条新闻——人工智能要来抢医生和护士的饭碗了。但部署了人工智能的医疗系统讲述了一个不同的故事：它还给临床医生时间，而不是解雇通知书。然而，更深层次的迷思是，仅仅采用人工智能就能改变你的组织。问题已经从“我们应该使用人工智能吗？”转变为“我们如何真正从中获得投资回报率，以及多快能获得？”
Ed Lee, MD. 加州北州大学医学院（加利福尼亚州埃尔克格罗夫）信息学主任兼临床教育主席：在医疗保健领域，人工智能的准确性并不是整个游戏。那只是最低要求。如果一个工具有98%的准确率，但减慢了我的速度，增加了点击次数，或者让临床医生感到暴露，那么它就行不通。重要的是它是否适合临床护理的现实，并使正确的事情更容易做到。如果不适合，无论模型有多好都没用。
T.Y. Alvin Liu, MD. 约翰·霍普金斯医学（巴尔的摩）詹姆斯·P·吉尔斯二世医学博士和希瑟·吉尔斯人工智能创新中心捐赠教授、人工智能监督团队成员兼首任主任：“人工智能不会取代医生，但使用人工智能的医生将会取代那些不用的。”这句令人安心的话可能不再安全了。在过去24个月中，前沿人工智能模型在多个技术领域——推理、编码、多模态理解和长上下文整合——都超出了预期，其性能提升速度超过了此前的预测。鉴于这种加速的轨迹，有理由预期通用医学智能的出现：一个在所有专科的医学知识和临床决策方面都优于至少75%医生的人工智能系统。如果这一预测被证明是正确的，那么在医疗保健的某些情境下，例如在遵循规程、诊断或信息综合任务中，人工智能将不仅仅是增强医生，而是有意义地取代医生目前所做工作的某些方面。
Salim Saiyed, MD. 德克萨斯大学奥斯汀分校戴尔医学院（奥斯汀）首席医学信息官：医疗保健中的人工智能代表了一个千载难逢的机会，可以有意义地改善我们提供护理的方式。2026年最大的迷思是，人工智能将取代医生或护士，或者它将单枪匹马地解决所有医疗保健挑战。人工智能将增强并重塑医疗保健劳动力，使我们能够用更少的资源照顾更多的患者。成功将取决于临床整合、治理和信任——而不是模型大小或数据量。
Ashley Antipolo, MD. 库克儿童医疗系统（德克萨斯州沃斯堡）副总裁兼首席医疗信息官：医疗保健领域人工智能最大的迷思之一是它是一种即插即用的解决方案。虽然人工智能将在效率和洞察力方面释放有意义的收益，但信息学的基本原则仍将决定其成功的程度。它可能将信息带到我们指尖，但复杂的医疗系统仍然需要周到的工作流程设计、治理、临床医生信任和教育。如果我们不专注，我们就有可能将技术叠加到破碎的流程上，使临床医生的工作复杂化——而我们真正的机会是简化护理，恢复焦点，并让患者和临床医生始终处于每一项创新的中心。
Brian Dilcher, MD. 西弗吉尼亚大学医学（西弗吉尼亚州摩根敦）急诊医学临床信息学主任兼副首席医学信息官：对我来说，医疗保健领域人工智能最大的迷思是它是解决临床医生面临所有挑战的万能药。虽然人工智能可以有意义地改善许多行政和运营流程，但它无法解决在临床实践中塑造我们日常现实的潜在系统性问题——急诊科积压和过度拥挤、意图良好但繁重的法规、有限的社会服务、对我们老龄化人口支持不足以及对工作场所安全的担忧，等等。这些问题需要集体社会承诺和政策层面的改变。人工智能可以支持我们，但它不能取代优先考虑使医生能够有效照顾我们社区所需条件的必要性。
Racheal Hernandez. 拉什大学医学中心（芝加哥）运营首席总监：医疗保健领域人工智能最大的迷思是，更好的算法本身就能修复破碎的系统。在许多人工智能部署中存在一个基本假设，即工作流程中的所有任务都已经在完成，只是效率不高。许多医疗流程基于部分可见性运行。工作被非正式地分诊、降级优先次序，或者干脆没有被计数。自动化处方续方就是一个明显的例子。组织实施了人工智能驱动的处方续方处理，期望提高效率，并在某些情况下减少人员。设定了基准，假设了生产力，并相应地调整了团队规模。但是，一旦续方请求被完全数字化和聚合，包括之前不一致处理的纸质传真请求，工作的真实量级就变得可见了。在某些实践中，每日续方数量实际上翻了一番。即使是重复的请求也需要审查和核对。看起来是自动化驱动的效率，实际上是工作量的揭示。人工智能并没有创造更多工作。它暴露了那些一直存在但未被充分衡量的工作。当我们在没有运营准备和治理的情况下部署人工智能时，我们就有可能在围绕不准确的基准线进行优化。叠加在不完整流程上的自动化不会消除负担，而是经常重新分配和正式化它。人工智能按现状来扩展系统。如果底层流程是碎片化的，资源不足或与激励机制不一致，那么算法将忠实地放大这些弱点。在询问模型是否准确之前，医疗保健领导者应该先问一个更难的问题：我们确定今天我们了解了工作的全部范围吗？
Russell Horton, DO. 班纳健康（凤凰城）BMG初级保健部门医学主任：医疗保健领域人工智能最大的迷思可能在于人工智能被感知的优势和能力。人们恐惧人工智能将在临床上超越我们或开始取代临床医生。目前，人工智能仍然很大程度上依赖于我们的训练。医学中的人文方面——对世界观、背景、同情心、常识和经验的需求——是人工智能思维无法复制的。它是一个奇妙而令人兴奋的工具，但仍有成长的空间。
Ryan Kenney. 内布拉斯加医学（内布拉斯加州奥马哈）战略赋能副总裁：医疗保健领域人工智能最大的迷思：这是一个技术问题。成功的最重大障碍是运营方面的：工作流程、激励机制和变革管理。成功来自于整合人员、流程和技术来解决我们最关键的问题，而不仅仅是部署一个模型。
Keith Kaiser. 我们的湖夫人健康中心（路易斯安那州巴吞鲁日）护理-心脏病学高级总监：医疗保健人工智能背后最大的迷思是跟随那些字母的恐惧和怀疑。我作为一名临床医生分享这个观点，以及对人工智能在床边整合的疑虑。通常这种抵触始于对被取代或床边临床医生价值被贬低的恐惧。而我相信医疗保健中的人工智能不是替代，而是对资深临床医生直觉的增强和补充。我们开始看到在电子病历（EMR）整合中这种革命性变化的微妙采用，这些整合共享人工智能功能。
Mohammed Abdelaziz, MD. 慈悲健康金斯米尔斯医院（俄亥俄州梅森）医院医学医学主任：医疗保健领域人工智能最大的迷思是它可以修复系统性的医疗问题。人们一直相信人工智能是一颗灵丹妙药，可以消除低效、降低成本并解决整个行业的碎片化问题。人工智能是一套广泛的工具，对话必须从讨论一般的人工智能转向关注具体的、高价值的、具有可衡量结果的用例。采用人工智能不是目标。使用人工智能来解决明确定义的运营和临床问题才能创造可持续的价值。虽然人工智能可以有意义地改进工作流程、文档和决策支持，但医疗保健许多最艰难的挑战根植于经济学、政策、法规和社会决定因素，而仅靠技术是无法解决的。
Chantal Fremont, DNP, MSN, RN. 埃默里医疗保健（亚特兰大）护理绩效标准与创新企业总监：人们假设更好的预测会自动等同于更好的结果，而当没有执行时，预测就只是仪表盘。真正的影响发生在警报有明确指定的负责人、问责结构明确、工作流程无摩擦、一线人员信任该工具时。人工智能并不会改变医疗保健；知道如何操作智能的系统才会。运营智能需要治理、临床归属和持续的重新校准，而不仅仅是模型性能指标。医疗保健人工智能的未来不会由最智能的模型赢得。它将由那些能够将信号转化为可靠行动的组织赢得。
Krishnaj Gourab, MD. 马里兰大学康复与矫形研究所首席医疗官兼副总裁；马里兰大学医学系统（巴尔的摩）急性期后护理系统医学主任：认为在孤立环境中运行的、局限于电子病历或劳动力管理平台等封闭系统的人工智能代理，将为医疗机构带来有意义的临床或运营改进。医疗保健中有效的代理性工作流程必须能够在多个企业系统中运行。在实施代理性人工智能解决方案时，组织需要有意识地设计或明确要求这种互操作性。
Nariman Heshmati, MD. 李医师集团，李健康（佛罗里达州迈尔斯堡）首席医师兼运营执行总监：医疗保健领域人工智能最大的迷思是人工智能将迅速取代劳动力并解决所有护理缺口。也许未来某个状态下，人工智能能让我们显著提高效率，并利用每位个体的更高生产力，但更近未来的现实是，人工智能增强我们的劳动力，让我们能够提供更多我们仅仅因人力不足而无法提供的必要服务。人工智能也不是解决医疗保健中每一个问题的万能方案。人工智能是另一个工具，当深思熟虑地应用时，它可以成为解决方案的一部分；当不适当地叠加到每个应用上时，它会成为代价高昂的干扰。这就是医疗系统目前面临的挑战——识别人工智能在医疗保健中部署的实际且有效的用例，以改善日常运营或患者护理服务。
【全文结束】