医疗系统的人工智能应用故事正在发生转变。过去数年，生成式人工智能主要处于"试点阶段"，以实验性项目、点状解决方案和谨慎乐观为特征。2026年，这一阶段正逐步过渡到更具操作性的新阶段：医疗机构正超越工具测试，将人工智能深度整合至诊疗服务中。
威科健康（Wolters Kluwer Health）临床决策支持与供应商解决方案高级副总裁兼总经理Yaw Fellin指出，医疗行业正处于转型关键期，实验与运营必须同步推进。
"某种程度上，我们确实已进入运营阶段，"Fellin表示，"但持续实验依然至关重要——我们正处在平衡发展阶段。"他强调，随着技术能力快速演进及组织间监管与治理实践差异显著，这种双重策略变得尤为必要。
贝克医疗近期与Fellin探讨了此次转型的标志性信号，深入分析了人工智能有意义的规模化扩展形态，以及透明度和循证支持对维系临床医生信任的不可替代性。
人工智能正深度融入系统运营架构
Fellin认为，三大趋势表明医疗行业正超越人工智能实验阶段。最显著的是环境化文档技术的应用。虽然此类工具始于试点项目，但当前采用速度已呈现运营级加速态势。
"环境化技术的采用，我认为已进入高度运营化阶段，"他表示，"人们已完成测试和试点——正全力推进。"
第二个信号是人工智能能力正嵌入医疗技术核心。如今人工智能功能日益成为基础平台的内置组件，而非独立附加模块。
"仅从将人工智能能力整合至核心产品的数量来看，这明确标志着我们已进入运营阶段，"他解释道，"这几乎已成为一种基本预期或必备条件。"
第三大信号是治理架构的完善。Fellin观察到，组织不会为一次性实验建立治理框架，而会在某项技术成为运营环境组成部分时构建相应体系。
"我们看到医院和医疗系统正涌现出大量新治理流程，这充分表明已进入运营阶段，"Fellin表示。
采用新战场：工作流整合
当人工智能走向运营化，工作流整合的重要性超越技术新颖性。领导者日益需要能匹配临床医生实际工作场景的工具。
"工作流本质是事务执行方式，"Fellin指出，"谈及嵌入工作流时，我们必须确认它是否参与了驱动业务运转的核心环节。"
同时，他认为行业正面临更大命题：电子健康记录系统（EHR）能否继续主导临床工作流，抑或人工智能驱动的体验将转移这一核心？
"医疗行业存在更宏观的疑问：核心诊疗工作流将多大程度脱离电子健康记录系统？"他表示，"过去二十年电子健康记录系统主导了医院工作流，但无人能准确预判其演变方向。"
部分观点认为环境化与人工智能驱动的体验将成为主导工作流层，另一些则预期这些工具将融入现有电子健康记录工作流。无论何种路径，Fellin强调核心问题始终如一："关键操作究竟发生在哪里？"
临床人工智能跨越临界点
曾几何时，业界普遍认为人工智能的早期优势用例集中于行政领域，而临床应用因风险与复杂性将进展缓慢。这一认知正迅速转变。
Fellin以威科健康的UpToDate专家AI（UpToDate Expert AI）为例，说明当价值主张清晰且治理到位时，临床人工智能如何快速投入实际应用。该产品虽于2025年9月推出不足六个月，但已获50余家医院和医疗系统全面部署，用于诊疗点的临床决策支持。
尤为关键的是，Fellin强调这些均非非正式试验。
"所有50家机构均通过完整治理流程和审查，"他表示，"这并非'某个科室或几位医生的采用'，而是组织层面的正式决策。"
然而治理仍处于进展中，且组织间差异显著。Fellin指出："在人工智能领域，我们仍处于早期阶段。通常表现为定制化流程集合。"
他观察到部分组织正调整现有规范——例如将为环境化文档构建的治理结构应用于更广泛的人工智能采用；其他组织则首次建立治理框架。Fellin特别强调协议与监督的重要性，认为这对支持监控和负责任的部署至关重要，尤其在临床决策支持领域。
定义"有意义的规模化"与价值验证
当更多组织寻求企业级人工智能扩展时，"规模化"概念无处不在。Fellin警告领导者需谨慎定义其内涵。
对他而言，规模化不仅意味着扩大工具覆盖用户数，更暗示着向可持续采用和企业价值的转变，具体包含三大核心维度：
- 有意义的规模化需成本效益平衡。 "讨论规模化时，成本效益比是隐含前提。若当前成本远超收益，将成为规模化应用的重大障碍，"Fellin表示。
- 规模化需持续使用。 领导者应关注使用率是否在新奇感消退后仍保持增长："用户开始使用后，持续使用的可能性如何？整体使用模式是否呈上升趋势？"
- 规模化蕴含可扩展性。 已规模化的AI能力应能解锁其他应用场景，而非局限于单一工作流。"不仅原始用例实现可持续并具备合理成本效益分析，更在于能同步解锁相邻应用场景，"他解释道。
信任建立关键点：诊疗点的透明度
即使采用率提升，信任仍是核心障碍，尤其在高风险的临床决策支持领域。Fellin认为信任本质简单："归根结底在于：我能否依赖它？"
临床决策支持中的这种依赖性既取决于准确性，也取决于深度。临床医生必须确信信息能完整捕捉当前决策的复杂性。
透明度在实现这种依赖中扮演核心角色。
"我视透明度为信任的基石，"Fellin表示，"透明度越高，人们越容易验证答案及其依据，从而确信可信任该响应。"
他补充道，循证医学与这一预期高度契合，因其植根于严谨研究、同行评议和科学验证。当决策涉及风险时，信任成为不可妥协的要素。
长期价值超越效率
时间节省常被视为领导者最易衡量的效益，尤其在环境化文档应用中。但Fellin认为人工智能最具意义的长期价值在于提升人们创造成果的能力——这也是威科健康的核心目标。
"速度和效率至关重要，"他表示，"但能否改善患者健康、影响社区、降低成本？这些技术，尤其是人工智能从行政到临床用例的扩展，我坚信具备实现这些目标的潜力。"
对于处于AI旅程早期的组织，Fellin建议从纪律化实验起步：预先明确定义假设并确立成功衡量标准。此后，领导者可扩展有效实践，通过精益流程等结构化方法推进运营化采用。
当医疗系统扩展人工智能时，Fellin敦促领导者在新技术热潮中勿忽视人文要素。在临床决策支持领域，他认为专家知识必须持续嵌入AI驱动的工作流。
"我仍认为'人在环路'（human in the loop）远远不够，"他表示，"这些AI系统中实际需要'专家在环路'（experts in the loop）。"
在从试点迈向全企业部署的进程中，这可能是核心领导力挑战：以雄心壮志扩展人工智能，同时将信任、治理与临床专业知识置于中心。
【全文结束】
