从CDW的AI研究报告中学到的经验教训

Lessons Learned From CDW’s AI Research Report

自ChatGPT公开发布近三年以来，生成式人工智能仍然是各行业热议的话题。其他形式的人工智能也引起了广泛关注。在今年的ViVE和HIMSS等主要医疗技术会议上，支持临床文档记录的环境监听解决方案仍然是焦点之一。原因显而易见：包括临床和信息学角色在内的多个医疗部门面临人员短缺问题，迫使组织寻求能够更好增强现有团队的技术方案。

根据CDW发布的《2025年人工智能研究报告》，62%的IT决策者表示其组织拥有良好的AI创意，但在执行方面遇到困难；仅有34%的受访者表示已完全部署了其最重要的AI项目。以下我们将探讨这对医疗机构的意义，以及它们如何将这些经验应用于自身的AI战略。

1. 着眼于解决问题，而非盲目部署新工具

组织可能会因为外界的炒作而感到压力，试图尝试新技术。但这种冲动应被抵制。相反，应明确需要解决的问题，并思考AI如何融入其中。

一些简单的切入点可能来自于组织已经使用的解决方案中现有的功能或特性，例如生产力软件套件或电子健康记录系统（EHR）。另一个潜在的问题领域是那些可以通过自动化改善的重复性行政任务。环境监听工具之所以持续受到关注，是因为组织希望减轻临床医生的负担并缓解职业倦怠。那么，医疗系统如何减少临床医生的“睡衣时间”（下班后处理文档的时间），从而修复医患关系？

2. 在监管不确定性中，建立稳固的AI治理结构

随着算法的进步和监管响应仍处于变化之中，医疗机构需要在其AI治理结构中同时具备灵活性和稳定性。由于各州要求可能有所不同，采用多学科方法至关重要，以跟上变化的步伐。

组建适当的工作组，确保相关利益方的代表能够提出关于潜在用例、用户体验、风险识别与缓解、伦理问题、算法偏见、合规性和数据质量等方面的正确问题。此外，还需考虑基础设施因素。您的组织是否准备好采用更多的AI解决方案？团队是否具备必要的技能？环境是否已得到保护？是否有本地部署与云工作负载迁移的考虑？组织需要构建登陆区，并针对计算和存储的使用制定不同策略。

3. 始终将数据安全与隐私置于首位

数据治理与AI治理密切相关，因为大多数AI驱动的解决方案都需要高质量的数据，这是基本前提。这也需要围绕如何保护数据制定策略。

此外，市场上的一些解决方案需要更高的透明度，以便组织能够充分评估其是否符合监管要求。透明度至关重要，因为如果AI解决方案预测错误或使用了低质量数据，可能会带来真正的危险。在医疗领域，一刀切的AI方案是不可能实现的，未来可能仍然需要人类的判断或介入，以确保结果不会造成伤害。

(全文结束)