科罗拉多大学安舒茨医学院内科医学教授、生物医学信息学系兼职教授CT Lin博士在2026年5月21日于科罗拉多州丹佛市举行的美国医学信息学协会(AMIA) Amplify会议闭幕主题演讲中，探讨了生成式AI如何重塑临床护理、操作流程和更广泛的医学人类体验。
日常AI革命
医疗保健中的生成式AI通常被讨论为要么是革命性的，要么是危险的，但这种二元论忽略了当前时刻的复杂性。"我开始将医疗保健中的生成式AI分为三类：平凡的、亵渎的和疯狂的，"林博士表示，"它们共同捕捉了人类今天如何接触AI的全部情感和实践范围，从'我还没试过'到'我正在用AI编码我的整个生活'。"
医疗保健工作者也不例外。有些人谨慎地尝试简单的提示词，而另一些人则正在重新设计工作流程，并比机构评估它们的速度更快地构建工具。
平凡类别可能实际上是最为重要的。这些是实用、易于上手的用例，可以帮助同事入门并立即看到价值。临床医生正在使用生成式AI来总结会议、起草患者教育材料、减少收件箱疲劳并辅助文档编写。运营领导者正在探索自动化那些导致职业倦怠的重复性行政任务的方法。
"这些应用听起来可能很小，但它们很重要，因为它们减少了已经超负荷运转的系统中的摩擦，"林博士解释道，"平凡是信任开始的地方。"
为什么"人在环路"的假设正在崩溃
亵渎类别更加令人不安。这些是挑战长期以来关于人类主导地位和专业监督假设的故事和研究发现。斯坦福研究人员最近报告称，仅使用AI有时比人类使用AI表现更好，这提出了关于医疗保健长期以来视为黄金标准的"人在环路"模型的令人不安的问题。
"如果人类监督AI并不总是能改善结果，这对临床决策和专业知识究竟意味着什么？"林博士问道，"是人类在监督机器，还是机器开始监督人类？"
与此同时，生成式AI引入了熟悉但被放大的风险，包括幻觉、自动化偏见以及对即使错误也听起来权威的系统的过度依赖。医疗保健组织现在正面临着尚未有明确答案的伦理和操作问题。
AI辅助发现的兴起
然后是疯狂类别——那些在突然变成现实之前感觉不太可能的未来一瞥。最近的一个例子涉及一位澳大利亚技术专家，据报道他使用AI辅助方法为其垂死的狗设计、构建并施用了一种实验性癌症疫苗。
"再读一遍这句话，"林博士补充道，"不是制药公司，不是大学实验室，而是由生成式AI赋能的有动力的个人。"
无论这个特定故事最终如何评判，它都指向更大的图景：生成式AI正在显著压缩实验和创新的障碍。曾经仅限于精英机构的能力，现在正变得可供拥有互联网访问、软件工具和好奇心的有动力个人使用。
"这些努力中的一些将会失败，一些将被证明是夸张的，"林博士解释道，"但有些可能会从根本上重塑医学和生物技术中的发现方式。"
医疗保健的新验证问题
对医疗保健领导者来说，挑战在于所有这三个类别都在同时展开。医疗系统被要求采用昂贵的AI助手，同时创建全新的验证、基准测试和治理框架。传统的证据生成模型进展缓慢，而生成式AI系统几乎每周都在演变。
"我们不仅仅是在评估另一个软件平台，"林博士说，"我们正在构建一个新的世界观，关于智能、专业知识和护理在未来如何共同发挥作用。"
临床环境要求安全性和可靠性，而创新往往需要实验和不确定性。围绕医疗保健中AI出现的问题比生产力或自动化更大。它们涉及经济、伦理、专业身份，甚至在一个机器能力日益增强的时代行医的意义。
为临床AI构建新世界观
"这是一个全新的世界，"林博士分享道，"我们必须构建一个新的世界观、一套新的基准测试和一个全新的财务模型，来考虑在临床护理中采用昂贵的AI助手。"
林博士在2026年AMIA Amplify会议上的闭幕主题演讲将邀请与会者共同思考医疗保健中生成式AI的平凡、亵渎和疯狂的未来。
值得一提的是，这次演讲中还将包含一首关于医疗保健中AI的全新尤克里里戏仿歌曲。
专家介绍：
CT Lin，医学博士
【全文结束】