十二个月前，马沙尔·朗格并非完全持怀疑态度，但也算不上真正的支持者。他认为生成式人工智能在医疗领域会有用武之地——一个有用的工具，一种渐进式的进步。但他从未预料到它的发展速度如此之快，也未曾想到变革会如此深刻。他更不曾料到自己会坐在PYMNTS首席执行官凯伦·韦伯斯特对面，描述一个AI已在重塑医院运营方式、医生思维方式以及患者首次寻求帮助途径的世界。他坦诚地承认，作为一个真正感到惊讶的人，这场变革才刚刚开始。
“一年之内，我彻底改变了想法。”
当这样的表态出自朗格这样的人之口时，分量格外不同。他曾担任密歇根医学中心院长兼首席执行官，该中心是美国顶尖的学术医疗中心之一。作为一位在临床实践与医学创新交叉领域深耕多年的心脏病学家和医师科学家，他向来不易被新潮所蒙蔽。
他目睹过医疗领域多次变革浪潮，也见证过许多承诺在接触系统顽固现实后烟消云散。当这样的人表示AI当前的速度和广度确实让他措手不及时，值得认真倾听。
随后的周一访谈既是一份进展报告，也是一次坦诚的审视。探讨AI已在医疗领域带来哪些实际成果、存在哪些不足，以及当前潜力与长期愿景之间尚存哪些障碍。
“医生GPT”与医疗服务的新入口
朗格描述的最具影响力转变并非发生在医院内部，而是在患者家中——在他们拨打医生电话之前。
韦伯斯特直指核心：患者“正像与真实医生对话一样向‘医生GPT’倾诉”。他们将症状、担忧和疑问输入AI系统，获得即时响应；这些系统能综合分析数千个变量，且绝不会让患者感到自己在浪费时间。
朗格并未轻视这种现象。他自己也在使用AI作为知识资源，并对其能力深感震撼。
“AI的思考具有广度，”他表示。它能同时考量患者的年龄、用药情况和基础疾病，发现那些因医生日程紧张而可能忽略的关联点。他亲眼见证AI提出了受过专业训练的临床医生最初未曾考虑的诊断可能性。
但他也强调，风险真实存在。
过度依赖、错置的信任、以及将临床本应存在的不确定性误认为确定答案的诱惑。AI不携带听诊器，无法解读诊疗室氛围，更无法感知患者的恐惧情绪，或察觉患者表情暗示的问题与描述不符。
停止要求AI达到医学自身无法企及的标准
朗格最具启发性的观点在于：他明确拒绝“AI必须零错误才能进入临床环境”的论调。
“我们不能要求某种根本不可能实现的东西，”他说。即便是最谨慎资深的医生，医疗实践中也会产生错误。对AI要求完美无缺，并在达到前拒绝部署，这并非安全标准，而是无所作为的借口。
他真正需要的是结构性保障：认证体系与护栏机制。
“我认为医疗领域所有涉及AI的应用都应经过认证并设置安全护栏，”他告诉韦伯斯特。
他深知首个归因于AI的不良事件必将引发轩然大波，无论其实际安全记录如何。他希望构建能预判而非被此类事件摧毁的框架体系。
“我们正处过渡阶段，”朗格表示，“尚未准备好让AI成为自主医疗服务提供者，但确实已迫切需要它承担更多任务。”
提升20%容量：无需增聘任何外科医生
若上述理念探讨显得抽象，朗格用一个具体数据锚定讨论：20%。
这是一家医院部署AI后手术室利用率的提升幅度——AI通过观察手术流程并预测患者从手术室转入恢复室的时间实现。这引发关于“快医”与“慢医”的讨论：AI学习了医生个体化、手术类型化的操作模式，从而比人工排程更精准地协调系统。
试想在满负荷运转的医院中，20%意味着什么。
它意味着帮助更多患者、执行更多手术，让家属听到“下周可安排”而非“下月”；意味着缩减因绝望而非必要而涌向急诊室的候诊名单；更意味着在不扩编的情况下提升系统承载力——当全美医生短缺日益严峻时，这是关键优势。
按此逻辑，AI并非取代外科医生，而是为他们创造更大施展空间。
无人谈论的排程难题
医疗可及性问题通常被框定为供给困境：医生不足、护士短缺、时间有限。朗格重构了这一认知。他表示排程长期处于“混乱”状态：预约时段散落在分散系统中，彼此不可见，各自孤立管理。集中化管理曾带来改善，而AI正实现更根本的变革。
AI系统能瞬间扫描整个医生的日程表，不仅捕捉明显空档，更发现隐藏在周计划中的未充分利用时段。它能匹配取消预约与缩短的午休间隙，再将这些碎片时间分配给急需的患者。
“可及性是关键，”朗格强调，这既是他务实的观察，也是道德立场。
无法及时获得预约的患者不仅承受等待之苦，更会延误治疗，或被迫涌向急诊室，推高成本并消耗本应流向他处的资源。
真正的障碍：并非算法本身
当被问及阻碍AI全面影响医疗的因素时，朗格并未谈及算力、数据质量或监管框架，而是直指金钱问题。他直言不讳地将当前支付体系称为“完全混乱”。
决定医生报酬的相对价值单位（RVU）设计于数十年前。它们之所以延续，并非因其反映临床价值，而是行政便利且根深蒂固。转向以结果为导向的支付模式、为健康而非手术付费，需要瓦解整个机构赖以建立的评估与薪酬结构。
朗格承认，改革不会迅速或轻松。
但这已非选项。AI能优化破碎的系统，却无法修复它。
AI无能为力之处：为何这依然重要
尽管立场转变，朗格从未丧失临床直觉。他清晰界定了AI的边界：体格检查、人类情绪解读、以及医生与恐惧患者间经年累月建立的信任关系。
“我仍怀疑它能否真正读懂人类情绪，”他说。这并非贬低AI，而是对医学本质的提醒——医学最理想的状态并非信息传递系统，而是人性化的相遇。
在朗格的愿景中，未来医生需掌握足够医学知识以质询AI输出而非全盘接受，理解建议背后的逻辑，在感觉不对时提出质疑，并运用算法尚未能复制的临床判断力。他们更需比以往任何时候都更专注地做好AI无法完成的事：全身心在场。
一年前，朗格会将AI描述为有前景的工具。如今，他视其为嵌入式基础设施——已融入医疗运营与认知层，持续加速且远未触及天花板。
在他看来，问题已不再是AI是否会变革医学，而是医疗机构、支付体系及监管框架能否加速转型，为这场变革铺平道路。
马沙尔·朗格是医师科学家，前密歇根医学中心首席执行官兼院长，《医疗大颠覆》一书作者。
【全文结束】
