美国医疗保健提供者正在迅速接受生成式人工智能，但根据发表在《Healthcare》杂志上的一项新研究，热情与系统准备之间的差距不断扩大，引发了关于安全、培训和伦理监督的担忧。
这项题为《美国医疗保健提供者对生成式人工智能（GenAI）的采纳、适应、同化与使用的看法》的研究，提供了临床医生在实际实践中如何看待、使用和评估生成式人工智能的详细快照。
基于一项针对美国医疗保健专业人员的全国横断面调查，该研究表明，生成式人工智能已超越早期实验阶段，进入常规临床工作流程，特别是在行政和文档处理任务中。研究还揭示了培训、治理和基础设施方面的关键弱点，这些弱点可能影响该技术安全有效地融入患者护理。
强烈的临床医生支持与有限的机构准备形成对比
研究发现，临床医生对生成式人工智能在医疗保健中的使用给予了压倒性的支持，近九成受访者认为该技术在当前患者护理中有用，预计未来其有用性将增长的比例甚至更高。这种接受程度标志着专业态度的明显转变，反映了AI工具进入临床环境的速度之快。
然而，研究强调了这种乐观主义与实施现实之间的明显不匹配。不到一半的受访医疗提供者报告接受过任何正式的AI培训，只有少数人表示其所在组织已开始采用或整合AI系统到工作流程中。这种差距表明，尽管临床医生越来越愿意参与AI，但医疗系统本身在准备劳动力和基础设施以实现安全部署方面滞后。
研究结果指出了一种碎片化的采纳格局，临床医生可能独立尝试或使用AI工具，往往缺乏标准化指导或机构监督。这造成了能力不均，并引发了对患者护理一致性的担忧。
研究还显示，组织层面的采纳通常由高层领导推动，而非系统范围的协调战略。同时，相当一部分受访者表示不确定其组织内谁在领导AI采纳工作，凸显了治理结构的模糊性。
尽管存在这些限制，支持更广泛AI整合的意愿仍然很高。超过三分之二的受访者表示愿意在临床环境中接受AI，前提是有适当的保障措施。这表明抵触并非源于对技术本身的排斥，而是源于对技术引入和管理方式的担忧。
人工智能重塑临床工作流程，聚焦效率
生成式人工智能已经影响医疗保健提供者执行日常任务的方式，其最强影响体现在行政和文档处理流程中。研究确定报告撰写、医疗文档和文书工作是最常见的AI使用领域，反映出利用AI减少耗时行政负担的明显趋势。
临床医生报告称，AI工具在改善时间管理和简化文档方面特别有价值，而文档处理常被认为是工作压力和工作倦怠的主要因素。通过自动化重复性任务，AI使提供者能够将更多时间分配给面向患者的活动，从而可能改善护理质量和职业满意度。
除了文档处理，AI还用于研究、诊断和患者护理的某些方面，但程度较低。AI在诊断支持和临床决策中的作用正在增长，但由于对可靠性、透明度和问责制的担忧，其采纳仍然较为谨慎。
研究强调，AI的感知益处不仅限于效率提升。许多受访者认为AI可以减少错误并提高临床文档的准确性，这对患者安全有直接影响。行政流程更快的周转时间和改进的数据处理也被视为关键优势。
然而，将AI整合到临床工作流程并非没有复杂性。研究强调，虽然AI可以提高生产力，但它也引入了新的依赖性和风险。例如，过度依赖AI生成的输出可能导致临床医生批判性参与减少，尤其是当系统被认为高度可靠时。
另一个新出现的问题是不同临床角色和专科之间AI使用的不均衡分布。教育水平更高的提供者，特别是拥有博士学位的，更可能识别出诊断和报告撰写等高级用例，表明熟悉度和专业知识影响AI的利用方式。
尽管取得了这些进展，研究揭示许多医疗保健提供者对将AI的作用扩展到行政支持之外仍持谨慎态度。这反映了在认识AI潜力与保持对人类主导临床判断的信心之间的潜在紧张关系。
伦理风险、培训差距和治理挑战减缓采纳速度
虽然对生成式人工智能的热情很高，但研究识别出一系列可能减缓或复杂化其整合到医疗系统的障碍。最显著的障碍是临床医生对AI知识的有限了解，这仍然是采纳的首要障碍。
与此密切相关的是缺乏结构化培训项目。没有正规教育和实践经验，提供者可能难以有效使用AI工具或理解其局限性。这不仅影响个人表现，还增加了临床环境中错误和误解的风险。
对工作被取代的恐惧也成为一个显著担忧，反映了对自动化影响医疗角色的更广泛焦虑。尽管研究表明AI更可能增强而非取代临床医生，但这些恐惧依然存在，并可能影响对采纳的态度。
伦理和操作风险是另一个主要挑战。对数据隐私和监控的担忧是受访者识别出的最突出问题，其次是安全风险、错误信息和缺乏监管框架。这些担忧凸显了医疗数据的敏感性，以及保护患者信息所需的强大保障措施。
研究还指出了与算法偏见、缺乏透明度以及所谓的黑箱问题相关的风险，即AI系统在没有明确解释的情况下产生输出。这些问题可能削弱信任，使临床医生难以完全依赖AI生成的建议。
重要的是，研究指出缺乏人类监督被视为关键风险。大多数受访者认为需要人在环系统，以确保AI支持而非取代临床决策。这与更广泛的负责任AI治理呼吁相一致，优先考虑问责制和安全。
为应对这些挑战，研究概述了若干关键策略。这些包括扩大培训项目、增加临床医生参与AI设计和开发、改进数据保护措施，以及提高AI系统运作的透明度。研究结果表明，成功整合不仅取决于技术创新，还取决于组织和文化变革。
另一个值得注意的见解是需要重新思考如何利用AI带来的效率提升。虽然AI有潜力提高生产力，但大多数临床医生不愿意因此增加患者负荷。相反，研究建议这些收益应再投资于改善工作与生活平衡、减少工作倦怠以及加强医患关系。
【全文结束】