医疗行业几乎所有领导者都认同，虽然人工智能永远无法取代医务人员的临床经验判断，但这项技术可通过处理无附加值任务，为医护人员提供急需的行政负担缓解，一位医疗系统高管指出。
杜克大学医疗系统首席护理执行官特里·麦克唐奈指出，通过处理日常任务，人工智能能让临床医生腾出更多时间和精力专注于患者护理。
"我一直强调，我可以教护士一项技能，但无法教会他们在电话中听出病人病情严重的样子。那是生活经验与学习经验的结晶，正是临床医生的核心价值所在。我们需要聚焦这些关键领域，并确保医护人员有足够时间和精力真正投入患者关怀，"麦克唐奈表示。
她指出，鉴于全国日益增长的医疗需求正与萎缩的临床 workforce 发生碰撞，扩大人工智能驱动的任务自动化比以往更为紧迫。一个重大但常被忽视的瓶颈是，尽管护理项目申请人数众多，但可用于培训新护士的师资严重短缺。
麦克唐奈表示，这些劳动力挑战促使杜克大学大力投资旨在简化流程并改善患者疗效的人工智能产品。该医疗系统采取混合策略：部分AI工具自主开发，部分从供应商采购。
例如，杜克大学使用内部开发的AI模型监控Epic系统的患者数据，标记病情恶化的早期迹象，为护理团队提供提前干预所需的预警。"我们处于医疗流程上游——并非在紧急状况下被动反应。当发现临床状况可能变化时，我们主动干预，这正是AI算法驱动的，"麦克唐奈解释道。
杜克还部署了另一款专注脓毒症的内部AI工具，该工具通过分析患者数据识别高风险人群，并在病情恶化前触发早期治疗方案。
麦克唐奈透露，该医疗系统正与Artisight合作在病房嵌入计算机视觉技术，安装的室内摄像头将配合AI算法监测跌倒风险，并逐步实现文档自动化——例如自动记录患者液体输出量，无需护士手动书写或口述。
她补充道，杜克大学近期完成了与微软Nuance的AI试点项目，并于今年初推出Abridge的人工智能临床文档平台。尽管这类工具在缓解门诊医生职业倦怠方面效果显著，但尚未完全适应住院护理的复杂性。目前杜克正与Abridge合作开展住院文档自动化试点。
关于构建与采购的决策，麦克唐奈强调这取决于待解决的具体问题。杜克所有AI项目均始于明确的问题陈述：首先评估市场现有解决方案，或考察合作伙伴（如Epic、微软）是否已有开发中的工具；若无成熟方案，则考虑与外部技术伙伴联合开发；最后才利用工程学院和IT能力自主构建。
"我们在IT与开发团队拥有强大内生力量，这实属难得——并非所有医疗系统都具备此优势，"她指出。
展望未来，麦克唐奈建议医疗系统在尝试新AI模型时需平衡实用性与创新性。"不能对每个闪亮新工具都盲目追捧，但我们正学会快速试点、尝试并识别可行方案，"她评论道。
对麦克唐奈而言，AI成功的关键不在于追逐最新技术，而在于精心选择和优化那些真正减轻临床负担、提升患者疗效的工具。
【全文结束】
