早在2019年，远在ChatGPT让人工智能家喻户晓之前，微软CEO萨提亚·纳德拉就称AI是“我们时代最具变革性的技术”，并将医疗描述为“也许是AI最紧迫的应用领域”。
快进到今天。这家科技巨头刚刚推出了Copilot Health，这是其Copilot应用中的一个功能，该公司将其描述为AI礼宾医生——在用户同意的情况下，可以访问用户的医疗记录、检测结果、药物、就诊记录以及来自可穿戴设备的生物识别数据。
微软并非孤例。AI已从承诺走向实践，重塑着药物的制造方式、护理的提供方式以及系统的管理方式。而很少有人像马克·鲁吉亚诺那样密切关注这场变革。他是弗吉尼亚大学拉克罗斯伦理人工智能研究所的创始主任，也是达顿医疗保健倡议的联合负责人。
“AI在医疗中的应用是一个亮点，我们看到越来越多的证据表明，AI可以被安全高效地用于解决该领域一些最复杂的问题，”他说。
他与苏尔比·古哈（2026届）合著的新技术笔记《AI在医疗中的应用》详细介绍了AI如何重塑制药和生物技术、患者护理、健康保险以及公共卫生。
他们的结论直截了当：“AI不再是医疗中的实验性附加组件，它正在成为整个系统的关键赋能者。”
医疗故事为何对商业领袖重要
医疗行业极其复杂——监管严格、遗留系统根深蒂固，且容错代价高昂。如果AI能在此取得进展，那么其他每个正在应对采纳过程中的行业都能从中汲取经验。
鲁吉亚诺和古哈将机遇提炼为行业的“四重目标”：提升人群健康、改善患者体验、提高医疗服务提供者满意度以及管理医疗成本。
“AI可能是一个突破，最终让我们能够在美国医疗系统中，围绕四重目标描述的所有重要目标实现阶梯式改进，”鲁吉亚诺说。
对于各行各业的商业领袖而言，其相似之处显而易见：更好的绩效、更强的客户参与度、更高的员工满意度和更低的运营成本。
四个关键应用：每个行业的经验
四个领域，四个教训
1. 制药与生物技术：速度至关重要
AI正在将药物发现时间从数年压缩到数月。例如，2025年，递归制药表示其基于AI的药物发现平台仅用18个月就将一个分子推进到癌症候选药物的临床试验阶段，远快于行业平均的42个月。
作者写道，DeepMind的AlphaFold等工具以及Exscientia（现为递归制药的一部分）等公司，使得曾经不可能的对可行化合物的搜索突然变得可行。
但他们警告：“AI模型通常依赖于不完整或有偏差的数据集，尤其是在罕见疾病或未发表的失败实验的情况下，这可能会限制其可靠性。”
领导者启示： 快速行动，但在押注AI驱动的洞察之前，请投资数据质量和偏差检查。
2. 患者护理：自动化行政，提升人类价值
医生现在花在行政任务上的时间几乎是与患者互动时间的两倍，而近一半的美国护士报告有职业倦怠症状。
生成式AI记录员和智能诊断工具正在扭转这一局面。正如鲁吉亚诺和古哈所写：“AI系统正在减轻文档工作负担，优化人员配置并改进预约安排。像Nuance DAX这样的工具在患者就诊期间利用环境AI生成临床记录，显著减少了医生的下班后工作。”
领导者启示： 瞄准消耗员工精力的痛点。让AI处理文书工作，让人类专注于高价值、高接触性的工作。
3. 健康保险与支付方：透明建立信任
保险可能是复杂性和消费者挫折感的终极案例。在此，AI既承诺效率又承诺个性化——但失误代价高昂。
“利用管理”是保险公司用来决定某项治疗或服务是否具有医学必要性和成本效益的过程。其关键步骤之一是预授权，要求医疗服务提供者在执行某些程序、开具某些药物或进行某些诊断之前获得批准。
“AI正在被测试以简化这一工作流程。这些系统将临床记录与保险公司的指南进行比较，以确定某项服务是否符合批准条件，”作者指出。
然而，他们警告说，在某些情况下，“用于预授权的AI系统被发现以远高于传统审查的比例拒绝护理，引发了医生和患者倡导者的担忧。”
领导者启示： 不要在没有保障措施的情况下自动化判断。让人类保持参与，尤其是在决策影响客户安全或信任的情况下。
4. 公共与人群健康：系统化思维
从预测疫情的废水数据到AI优化的疫苗分发，人群层面的洞察正从滞后指标转向领先指标。
正如作者所指出：“AI现在在帮助更早地发现警示信号方面发挥着越来越大的作用。公共卫生团队可以利用机器学习模型分析来自远不止医院的数据源，例如社交媒体帖子、天气趋势、废水信号和移动数据。这些系统可以标记症状的异常激增，预测潜在的疫情地区，或在模式发生变化时向当局发出警报。”
领导者启示： 放眼企业围墙之外。AI的最大价值可能来自发现更广泛生态系统中的微弱信号。
超越医疗：采纳路线图
对于任何行业的高管而言，达顿技术笔记提供了一份路线图：
- 打好基础： 在追逐“登月计划”之前，投资于互联、集成的数据系统。
- 建立信任： 透明度、可解释性和反偏差保障措施将决定采纳的速度。
- 广泛合作： “医院、保险公司和公共卫生机构正与初创公司、云提供商和科技巨头合作，将AI嵌入医疗服务和运营的核心，”该笔记指出。
- 保持人类中心： 无论是患者、员工还是客户，人类的同理心和监督仍然是不可替代的。正如作者所言：“缺乏共情互动，尤其是在心理健康等敏感领域，会使AI显得冷漠或敷衍。没有透明度和类似人类的理解，用户不太可能持续使用这些工具或依赖它们做出有意义的健康决策。”此外，人类专家——医生和其他受过培训的提供者——仍然是许多人最好的资源，应成为健康相关决策的最终来源。
展望未来
医疗的故事不仅仅是关于医生和患者——它是AI融入我们所拥有的最复杂系统的测试案例。正如鲁吉亚诺和古哈总结的那样：
“当我们站在这个拐点上时，一个问题浮现：如果我们能将AI的力量与医疗的宗旨结合起来，我们能否最终建立一个更快、更公平、更人性化的系统？”
本文基于马克·鲁吉亚诺和苏尔比·古哈（2026届）合著的新技术笔记《AI在医疗中的应用》，由达顿商业出版机构于2026年4月出版。
【全文结束】