張文宏揭開AI醫療最大爭議:AI會讓醫生變蠢嗎?
近日，在壹場公開的行業論壇上，國家傳染病醫學中心（上海）主任張文宏因“拒絕將AI引入其所在醫院的電子病歷系統”的發言被推上風口浪尖。
拆解張文宏的完整發言，裡面的觀點可為兩部分。首先，他處理的患者病歷數量太多，自己會在日常診斷中使用AI，常發現AI生成的結果存在錯誤；
其次，他認為醫院電子病歷系統引入AI後，醫生的培訓過程將明顯改變。原本需要經過實習醫生、住院醫師、高職級醫生的歷練，現在借助AI便能創造“捷徑”，直接生成與資深醫生類似的診斷結論。
這兩種情況共同作用，小則打亂了醫生的學習進程，大則無中生出醫療隱患。
站在臨床的角度，張文宏對於AI的審慎立場可以理解，畢竟醫療安全關乎患者生命。同時，孕育AI的數據本身就來源於這些資深醫生長年累月的積累，他們的判斷與鑒別能力在絕大多數情況下比AI更准確。
但在現實之中，叁級醫院的醫生長期面臨海量患者的診療壓力。相比追求絕對的精准，他們更需要的是在決策過程中做好“准確與效率的平衡”。
如今優質醫療資源缺失仍是常態，有機會優化診療平衡的AI工具，或許不應該被簡單地排斥在醫生的工作流之外。
最受歡迎的醫療AI工具？
過去壹年中，《健聞咨詢》陸續訪談了30多位經常在工作中使用醫療AI工具的叁級醫院醫生。在回答“什麼樣的AI工具最好用”時，超過70%醫生選擇了和電子病歷相關的醫療AI應用。
廣東某頭部叁級醫院信息科主任李行（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、臨床質控、CDSS（臨床輔助決策系統）等，他所在的醫院使用質控、CDSS及病歷生成應用比較多。
“拿CDSS來講，它能根據患者的檢查結果給出壹些建議，進而縮短醫生思考的時間以及書寫病歷的時間。目前所有引入了相關AI的科室表現都不錯，大概能夠提升醫生15%～20%的工作效率。”
此外，當下的AI電子病歷多數都做到了實時質控+內涵質控，既能隨時提醒醫生的書寫錯誤，又能在寫好之後找到整份病歷的邏輯錯誤，有效降低醫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，但由於涉及業務比較廣泛，他沒法給出具體的指標來衡量AI對於業務層面的效率提升。
除了信息科外，壹些臨床科室也樂於引入AI工具，縮短工作流中繁瑣的報告書寫流程。
以放射科為例，常規流程下放射科醫生需要先逐層瀏覽影像，再去報告模板裡描述他在放射影像中的所見，形成影像學結論。但現在許多AI廠商將AI應用內嵌於PACS系統中，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。過去需要壹個醫生寫報告，另壹個醫生審核報告。如今在AI賦能下，醫生只需要做好審核、調整的角色，人力被極大解放，科室的經營效率也顯著提升。
還有壹部分醫生存在科研需求，需要先把影像報告進行“結構化”。這是壹個很耗時的工作，“結構化”壹份報告大概需要花費醫生不下半小時的時間。而在AI的幫助下，醫生的工作方式由“自行歸納”轉變為“關鍵詞勾選”，甚至可以用大模型直接把關鍵詞及對應關鍵數據生成出來。
回顧上述兩個案例，我們可以發現，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別。
張文宏強調的是AI的“生成能力”，認為該能力達不到開箱即用的標准，且普通醫生沒有識別能力，無法對AI生成的內容進行糾錯。
但在絕大多數情況下，信息化企業與叁級醫院普通醫生通常更為強調“人機協同”，即在信任醫生現有水平的基礎上，將其定義為“審查者”的角色，將主要工作的內容書寫報告轉變為糾錯報告，因而醫生會投入精力與時間對生成內容進行審核。
需要注意的是，伴隨大模型的不斷發展，現有的AI已經增強了它的解釋性，它能將生成結論的邏輯向醫生展示，因而壹定程度上降低了醫生的糾錯難度，甚至還能幫助醫生通過糾錯過程強化循證邏輯，加速自身成長。
因此，AI的出現雖說在壹定程度沖擊了叁級醫院醫生的傳統學習流程，但也展現出了另壹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驗得出結論，還要綜合考慮更多臨床場景下的真實需求。
[物價飛漲的時候 這樣省錢購物很爽]
這條新聞還沒有人評論喔，等著您的高見呢
拆解張文宏的完整發言，裡面的觀點可為兩部分。首先，他處理的患者病歷數量太多，自己會在日常診斷中使用AI，常發現AI生成的結果存在錯誤；
其次，他認為醫院電子病歷系統引入AI後，醫生的培訓過程將明顯改變。原本需要經過實習醫生、住院醫師、高職級醫生的歷練，現在借助AI便能創造“捷徑”，直接生成與資深醫生類似的診斷結論。
這兩種情況共同作用，小則打亂了醫生的學習進程，大則無中生出醫療隱患。
站在臨床的角度，張文宏對於AI的審慎立場可以理解，畢竟醫療安全關乎患者生命。同時，孕育AI的數據本身就來源於這些資深醫生長年累月的積累，他們的判斷與鑒別能力在絕大多數情況下比AI更准確。
但在現實之中，叁級醫院的醫生長期面臨海量患者的診療壓力。相比追求絕對的精准，他們更需要的是在決策過程中做好“准確與效率的平衡”。
如今優質醫療資源缺失仍是常態，有機會優化診療平衡的AI工具，或許不應該被簡單地排斥在醫生的工作流之外。
最受歡迎的醫療AI工具？
過去壹年中，《健聞咨詢》陸續訪談了30多位經常在工作中使用醫療AI工具的叁級醫院醫生。在回答“什麼樣的AI工具最好用”時，超過70%醫生選擇了和電子病歷相關的醫療AI應用。
廣東某頭部叁級醫院信息科主任李行（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、臨床質控、CDSS（臨床輔助決策系統）等，他所在的醫院使用質控、CDSS及病歷生成應用比較多。
“拿CDSS來講，它能根據患者的檢查結果給出壹些建議，進而縮短醫生思考的時間以及書寫病歷的時間。目前所有引入了相關AI的科室表現都不錯，大概能夠提升醫生15%～20%的工作效率。”
此外，當下的AI電子病歷多數都做到了實時質控+內涵質控，既能隨時提醒醫生的書寫錯誤，又能在寫好之後找到整份病歷的邏輯錯誤，有效降低醫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，但由於涉及業務比較廣泛，他沒法給出具體的指標來衡量AI對於業務層面的效率提升。
除了信息科外，壹些臨床科室也樂於引入AI工具，縮短工作流中繁瑣的報告書寫流程。
以放射科為例，常規流程下放射科醫生需要先逐層瀏覽影像，再去報告模板裡描述他在放射影像中的所見，形成影像學結論。但現在許多AI廠商將AI應用內嵌於PACS系統中，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。過去需要壹個醫生寫報告，另壹個醫生審核報告。如今在AI賦能下，醫生只需要做好審核、調整的角色，人力被極大解放，科室的經營效率也顯著提升。
還有壹部分醫生存在科研需求，需要先把影像報告進行“結構化”。這是壹個很耗時的工作，“結構化”壹份報告大概需要花費醫生不下半小時的時間。而在AI的幫助下，醫生的工作方式由“自行歸納”轉變為“關鍵詞勾選”，甚至可以用大模型直接把關鍵詞及對應關鍵數據生成出來。
回顧上述兩個案例，我們可以發現，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別。
張文宏強調的是AI的“生成能力”，認為該能力達不到開箱即用的標准，且普通醫生沒有識別能力，無法對AI生成的內容進行糾錯。
但在絕大多數情況下，信息化企業與叁級醫院普通醫生通常更為強調“人機協同”，即在信任醫生現有水平的基礎上，將其定義為“審查者”的角色，將主要工作的內容書寫報告轉變為糾錯報告，因而醫生會投入精力與時間對生成內容進行審核。
需要注意的是，伴隨大模型的不斷發展，現有的AI已經增強了它的解釋性，它能將生成結論的邏輯向醫生展示，因而壹定程度上降低了醫生的糾錯難度，甚至還能幫助醫生通過糾錯過程強化循證邏輯，加速自身成長。
因此，AI的出現雖說在壹定程度沖擊了叁級醫院醫生的傳統學習流程，但也展現出了另壹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驗得出結論，還要綜合考慮更多臨床場景下的真實需求。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: