张文宏揭开AI医疗最大争议:AI会让医生变蠢吗?
近日，在一场公开的行业论坛上，国家传染病医学中心（上海）主任张文宏因“拒绝将AI引入其所在医院的电子病历系统”的发言被推上风口浪尖。
拆解张文宏的完整发言，里面的观点可为两部分。首先，他处理的患者病历数量太多，自己会在日常诊断中使用AI，常发现AI生成的结果存在错误；
其次，他认为医院电子病历系统引入AI后，医生的培训过程将明显改变。原本需要经过实习医生、住院医师、高职级医生的历练，现在借助AI便能创造“捷径”，直接生成与资深医生类似的诊断结论。
这两种情况共同作用，小则打乱了医生的学习进程，大则无中生出医疗隐患。
站在临床的角度，张文宏对于AI的审慎立场可以理解，毕竟医疗安全关乎患者生命。同时，孕育AI的数据本身就来源于这些资深医生长年累月的积累，他们的判断与鉴别能力在绝大多数情况下比AI更准确。
但在现实之中，三级医院的医生长期面临海量患者的诊疗压力。相比追求绝对的精准，他们更需要的是在决策过程中做好“准确与效率的平衡”。
如今优质医疗资源缺失仍是常态，有机会优化诊疗平衡的AI工具，或许不应该被简单地排斥在医生的工作流之外。
最受欢迎的医疗AI工具？
过去一年中，《健闻咨询》陆续访谈了30多位经常在工作中使用医疗AI工具的三级医院医生。在回答“什么样的AI工具最好用”时，超过70%医生选择了和电子病历相关的医疗AI应用。
广东某头部三级医院信息科主任李行（化名）告诉《健闻咨询》，电子病历涉及的AI功能很多，包含智能录入、智能生成、临床质控、CDSS（临床辅助决策系统）等，他所在的医院使用质控、CDSS及病历生成应用比较多。
“拿CDSS来讲，它能根据患者的检查结果给出一些建议，进而缩短医生思考的时间以及书写病历的时间。目前所有引入了相关AI的科室表现都不错，大概能够提升医生15%～20%的工作效率。”
此外，当下的AI电子病历多数都做到了实时质控+内涵质控，既能随时提醒医生的书写错误，又能在写好之后找到整份病历的逻辑错误，有效降低医生在病历方面的出错率。
李行表示，AI电子病历的临床价值是明确的，但由于涉及业务比较广泛，他没法给出具体的指标来衡量AI对于业务层面的效率提升。
除了信息科外，一些临床科室也乐于引入AI工具，缩短工作流中繁琐的报告书写流程。
以放射科为例，常规流程下放射科医生需要先逐层浏览影像，再去报告模板里描述他在放射影像中的所见，形成影像学结论。但现在许多AI厂商将AI应用内嵌于PACS系统中，在生成CT、MR影像的同时直接生成影像报告。
通过这种方式，影像科的工作流程在事实上被改写了。过去需要一个医生写报告，另一个医生审核报告。如今在AI赋能下，医生只需要做好审核、调整的角色，人力被极大解放，科室的经营效率也显着提升。
还有一部分医生存在科研需求，需要先把影像报告进行“结构化”。这是一个很耗时的工作，“结构化”一份报告大概需要花费医生不下半小时的时间。而在AI的帮助下，医生的工作方式由“自行归纳”转变为“关键词勾选”，甚至可以用大模型直接把关键词及对应关键数据生成出来。
回顾上述两个案例，我们可以发现，AI电子病历在临床中的价值路径和张文宏描述的场景有所区别。
张文宏强调的是AI的“生成能力”，认为该能力达不到开箱即用的标准，且普通医生没有识别能力，无法对AI生成的内容进行纠错。
但在绝大多数情况下，信息化企业与三级医院普通医生通常更为强调“人机协同”，即在信任医生现有水平的基础上，将其定义为“审查者”的角色，将主要工作的内容书写报告转变为纠错报告，因而医生会投入精力与时间对生成内容进行审核。
需要注意的是，伴随大模型的不断发展，现有的AI已经增强了它的解释性，它能将生成结论的逻辑向医生展示，因而一定程度上降低了医生的纠错难度，甚至还能帮助医生通过纠错过程强化循证逻辑，加速自身成长。
因此，AI的出现虽说在一定程度冲击了三级医院医生的传统学习流程，但也展现出了另一条更为高效的成长路径。其中的利弊，我们或许不能单凭个人经验得出结论，还要综合考虑更多临床场景下的真实需求。
[物价飞涨的时候 这样省钱购物很爽]
这条新闻还没有人评论喔，等着您的高见呢
拆解张文宏的完整发言，里面的观点可为两部分。首先，他处理的患者病历数量太多，自己会在日常诊断中使用AI，常发现AI生成的结果存在错误；
其次，他认为医院电子病历系统引入AI后，医生的培训过程将明显改变。原本需要经过实习医生、住院医师、高职级医生的历练，现在借助AI便能创造“捷径”，直接生成与资深医生类似的诊断结论。
这两种情况共同作用，小则打乱了医生的学习进程，大则无中生出医疗隐患。
站在临床的角度，张文宏对于AI的审慎立场可以理解，毕竟医疗安全关乎患者生命。同时，孕育AI的数据本身就来源于这些资深医生长年累月的积累，他们的判断与鉴别能力在绝大多数情况下比AI更准确。
但在现实之中，三级医院的医生长期面临海量患者的诊疗压力。相比追求绝对的精准，他们更需要的是在决策过程中做好“准确与效率的平衡”。
如今优质医疗资源缺失仍是常态，有机会优化诊疗平衡的AI工具，或许不应该被简单地排斥在医生的工作流之外。
最受欢迎的医疗AI工具？
过去一年中，《健闻咨询》陆续访谈了30多位经常在工作中使用医疗AI工具的三级医院医生。在回答“什么样的AI工具最好用”时，超过70%医生选择了和电子病历相关的医疗AI应用。
广东某头部三级医院信息科主任李行（化名）告诉《健闻咨询》，电子病历涉及的AI功能很多，包含智能录入、智能生成、临床质控、CDSS（临床辅助决策系统）等，他所在的医院使用质控、CDSS及病历生成应用比较多。
“拿CDSS来讲，它能根据患者的检查结果给出一些建议，进而缩短医生思考的时间以及书写病历的时间。目前所有引入了相关AI的科室表现都不错，大概能够提升医生15%～20%的工作效率。”
此外，当下的AI电子病历多数都做到了实时质控+内涵质控，既能随时提醒医生的书写错误，又能在写好之后找到整份病历的逻辑错误，有效降低医生在病历方面的出错率。
李行表示，AI电子病历的临床价值是明确的，但由于涉及业务比较广泛，他没法给出具体的指标来衡量AI对于业务层面的效率提升。
除了信息科外，一些临床科室也乐于引入AI工具，缩短工作流中繁琐的报告书写流程。
以放射科为例，常规流程下放射科医生需要先逐层浏览影像，再去报告模板里描述他在放射影像中的所见，形成影像学结论。但现在许多AI厂商将AI应用内嵌于PACS系统中，在生成CT、MR影像的同时直接生成影像报告。
通过这种方式，影像科的工作流程在事实上被改写了。过去需要一个医生写报告，另一个医生审核报告。如今在AI赋能下，医生只需要做好审核、调整的角色，人力被极大解放，科室的经营效率也显着提升。
还有一部分医生存在科研需求，需要先把影像报告进行“结构化”。这是一个很耗时的工作，“结构化”一份报告大概需要花费医生不下半小时的时间。而在AI的帮助下，医生的工作方式由“自行归纳”转变为“关键词勾选”，甚至可以用大模型直接把关键词及对应关键数据生成出来。
回顾上述两个案例，我们可以发现，AI电子病历在临床中的价值路径和张文宏描述的场景有所区别。
张文宏强调的是AI的“生成能力”，认为该能力达不到开箱即用的标准，且普通医生没有识别能力，无法对AI生成的内容进行纠错。
但在绝大多数情况下，信息化企业与三级医院普通医生通常更为强调“人机协同”，即在信任医生现有水平的基础上，将其定义为“审查者”的角色，将主要工作的内容书写报告转变为纠错报告，因而医生会投入精力与时间对生成内容进行审核。
需要注意的是，伴随大模型的不断发展，现有的AI已经增强了它的解释性，它能将生成结论的逻辑向医生展示，因而一定程度上降低了医生的纠错难度，甚至还能帮助医生通过纠错过程强化循证逻辑，加速自身成长。
因此，AI的出现虽说在一定程度冲击了三级医院医生的传统学习流程，但也展现出了另一条更为高效的成长路径。其中的利弊，我们或许不能单凭个人经验得出结论，还要综合考虑更多临床场景下的真实需求。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: