近日，在一場公開的行業(yè)論壇上，國家傳染病醫(yī)學中心（上海）主任張文宏因“拒絕將AI引入其所在醫(yī)院的電子病歷系統(tǒng)”的發(fā)言被推上風口浪尖。

拆解張文宏的完整發(fā)言，里面的觀點可為兩部分。首先，他處理的患者病歷數(shù)量太多，自己會在日常診斷中使用AI，常發(fā)現(xiàn)AI生成的結(jié)果存在錯誤；

(相關(guān)資料圖)

其次，他認為醫(yī)院電子病歷系統(tǒng)引入AI后，醫(yī)生的培訓過程將明顯改變。原本需要經(jīng)過實習醫(yī)生、住院醫(yī)師、高職級醫(yī)生的歷練，現(xiàn)在借助AI便能創(chuàng)造“捷徑”，直接生成與資深醫(yī)生類似的診斷結(jié)論。

這兩種情況共同作用，小則打亂了醫(yī)生的學習進程，大則無中生出醫(yī)療隱患。

站在臨床的角度，張文宏對于AI的審慎立場可以理解，畢竟醫(yī)療安全關(guān)乎患者生命。同時，孕育AI的數(shù)據(jù)本身就來源于這些資深醫(yī)生長年累月的積累，他們的判斷與鑒別能力在絕大多數(shù)情況下比AI更準確。

但在現(xiàn)實之中，三級醫(yī)院的醫(yī)生長期面臨海量患者的診療壓力。相比追求絕對的精準，他們更需要的是在決策過程中做好“準確與效率的平衡”。

如今優(yōu)質(zhì)醫(yī)療資源缺失仍是常態(tài)，有機會優(yōu)化診療平衡的AI工具，或許不應該被簡單地排斥在醫(yī)生的工作流之外。

最受歡迎的醫(yī)療AI工具？

過去一年中，《健聞咨詢》陸續(xù)訪談了30多位經(jīng)常在工作中使用醫(yī)療AI工具的三級醫(yī)院醫(yī)生。在回答“什么樣的AI工具最好用”時，超過70%醫(yī)生選擇了和電子病歷相關(guān)的醫(yī)療AI應用。

廣東某頭部三級醫(yī)院信息科主任李行（化名）告訴《健聞咨詢》，電子病歷涉及的AI功能很多，包含智能錄入、智能生成、臨床質(zhì)控、CDSS（臨床輔助決策系統(tǒng)）等，他所在的醫(yī)院使用質(zhì)控、CDSS及病歷生成應用比較多。

“拿CDSS來講，它能根據(jù)患者的檢查結(jié)果給出一些建議，進而縮短醫(yī)生思考的時間以及書寫病歷的時間。目前所有引入了相關(guān)AI的科室表現(xiàn)都不錯，大概能夠提升醫(yī)生15%～20%的工作效率?！?/p>

此外，當下的AI電子病歷多數(shù)都做到了實時質(zhì)控+內(nèi)涵質(zhì)控，既能隨時提醒醫(yī)生的書寫錯誤，又能在寫好之后找到整份病歷的邏輯錯誤，有效降低醫(yī)生在病歷方面的出錯率。

李行表示，AI電子病歷的臨床價值是明確的，但由于涉及業(yè)務比較廣泛，他沒法給出具體的指標來衡量AI對于業(yè)務層面的效率提升。

除了信息科外，一些臨床科室也樂于引入AI工具，縮短工作流中繁瑣的報告書寫流程。

以放射科為例，常規(guī)流程下放射科醫(yī)生需要先逐層瀏覽影像，再去報告模板里描述他在放射影像中的所見，形成影像學結(jié)論。但現(xiàn)在許多AI廠商將AI應用內(nèi)嵌于PACS系統(tǒng)中，在生成CT、MR影像的同時直接生成影像報告。

通過這種方式，影像科的工作流程在事實上被改寫了。過去需要一個醫(yī)生寫報告，另一個醫(yī)生審核報告。如今在AI賦能下，醫(yī)生只需要做好審核、調(diào)整的角色，人力被極大解放，科室的經(jīng)營效率也顯著提升。

還有一部分醫(yī)生存在科研需求，需要先把影像報告進行“結(jié)構(gòu)化”。這是一個很耗時的工作，“結(jié)構(gòu)化”一份報告大概需要花費醫(yī)生不下半小時的時間。而在AI的幫助下，醫(yī)生的工作方式由“自行歸納”轉(zhuǎn)變?yōu)椤瓣P(guān)鍵詞勾選”，甚至可以用大模型直接把關(guān)鍵詞及對應關(guān)鍵數(shù)據(jù)生成出來。

回顧上述兩個案例，我們可以發(fā)現(xiàn)，AI電子病歷在臨床中的價值路徑和張文宏描述的場景有所區(qū)別。

張文宏強調(diào)的是AI的“生成能力”，認為該能力達不到開箱即用的標準，且普通醫(yī)生沒有識別能力，無法對AI生成的內(nèi)容進行糾錯。

但在絕大多數(shù)情況下，信息化企業(yè)與三級醫(yī)院普通醫(yī)生通常更為強調(diào)“人機協(xié)同”，即在信任醫(yī)生現(xiàn)有水平的基礎(chǔ)上，將其定義為“審查者”的角色，將主要工作的內(nèi)容書寫報告轉(zhuǎn)變?yōu)榧m錯報告，因而醫(yī)生會投入精力與時間對生成內(nèi)容進行審核。

需要注意的是，伴隨大模型的不斷發(fā)展，現(xiàn)有的AI已經(jīng)增強了它的解釋性，它能將生成結(jié)論的邏輯向醫(yī)生展示，因而一定程度上降低了醫(yī)生的糾錯難度，甚至還能幫助醫(yī)生通過糾錯過程強化循證邏輯，加速自身成長。

因此，AI的出現(xiàn)雖說在一定程度沖擊了三級醫(yī)院醫(yī)生的傳統(tǒng)學習流程，但也展現(xiàn)出了另一條更為高效的成長路徑。其中的利弊，我們或許不能單憑個人經(jīng)驗得出結(jié)論，還要綜合考慮更多臨床場景下的真實需求。

存在抵觸，但不會逆轉(zhuǎn)

在三級醫(yī)院，AI有機會做到在提質(zhì)增效的前提下助力醫(yī)生成長。但在更為基層的醫(yī)療機構(gòu)中，張文宏的擔憂確實戳中了它們的痛處。

相較于過去聚焦頭部醫(yī)院的策略，現(xiàn)在的醫(yī)療AI產(chǎn)品主打下沉——哪里缺乏能力充分的醫(yī)生，企業(yè)就將AI應用落在哪里。

和三級醫(yī)院相比，基層醫(yī)療機構(gòu)的醫(yī)生在診斷能力上存在一定差距。且當AI生成的答案與實際相悖時，他們即便發(fā)現(xiàn)了問題，也可能無法快速找到一個能夠幫他們精準答疑的資深醫(yī)生，進而錯失學習機會，最終導致惰性的產(chǎn)生。

但上述問題并非沒有答案。數(shù)智行業(yè)常拿自動駕駛技術(shù)與醫(yī)療AI進行對比，因為兩者都需要研發(fā)者為使用者的生命安全負責，因此對性能要求極為苛刻。

過去十年，自動駕駛已經(jīng)發(fā)生了肉眼可見的變化，由概念技術(shù)前進至L3級有條件自動駕駛，一線城市隨處可見試點的自動駕駛測試公路。

而同一時期內(nèi)，醫(yī)療AI也由最初的輔助診斷工具逐步切入治療環(huán)節(jié)，形成了全病程全模態(tài)的賦能，魯棒性及準確性均實現(xiàn)了突破性提升。

現(xiàn)在的問題是，部分三級醫(yī)院的資深醫(yī)生依然對AI存在抵觸心理。一位受訪醫(yī)生告訴《健聞咨詢》，在院內(nèi)訓練大模型時，很多資深醫(yī)生并不愿交出自己的診療相關(guān)數(shù)據(jù)，“他們會覺得這是個人的知識成果，不愿意直接交給醫(yī)院，轉(zhuǎn)化成一種公共產(chǎn)品。”

“現(xiàn)有的很多AI工具背后是規(guī)則庫，不帶自我訓練功能。”一位AI醫(yī)療廠商負責人表示，選擇這樣的產(chǎn)品，并不是出于技術(shù)難度的考慮，而是一些合作醫(yī)院的專家不愿自己的數(shù)據(jù)被采集，“如果能夠基于院內(nèi)的數(shù)據(jù)進行自我訓練，AI所帶來的提效會更為直觀?！?/p>

但無論這個過程有多長，一個基本的行業(yè)共識是，伴隨高質(zhì)量臨床數(shù)據(jù)的不斷加入及算法的持續(xù)優(yōu)化，醫(yī)療人工智能的準確性必然會向“1”無限趨近。

再談培訓方面，AI為醫(yī)生帶來的不僅是效率的提升，更是知識獲取速度的提升。作為一項需要終身學習的職業(yè)，AI縱然不能縮短本科、規(guī)培階段的時間，但能提升他們在臨床環(huán)境中的學習速度，縮短成為高資歷醫(yī)生所需的時間。

目前市面上已經(jīng)有大量教培一體化的AI模型出現(xiàn)，亦有不少學校（如哈佛大學）開始在教學階段引入AI課程。

因此，身處傳統(tǒng)與智能的時代交錯點，醫(yī)院、醫(yī)生、企業(yè)或許需要協(xié)同探索一種新的合作模式來量化價值，化解矛盾，共同迎接AI時代的來臨。

畢竟，時間總會補足AI的能力缺陷，智能化趨勢已不可逆轉(zhuǎn)。

(本文來自第一財經(jīng))