无论临床医生是否已做好准备，人工智能（AI）正逐渐进入医疗和心理健康护理领域。AI在诊断和临床预测方面表现出色，但也可能生成虚假或误导性信息。通过分析患者的视频，AI能够检测到临床医生可能忽略的细微但关键的行为。
作为一家大型儿童医院的新任科室主任，在21世纪初，我（Frank W. Putnam，简称FWP）目睹了电子病历（EMR）运动对临床护理日益增长的影响。如今，作为一名经验丰富的老者，我开始思考人工智能（AI）可能带来的影响。
从电子病历运动中学到的经验
在我看来，EMR的许多潜力尚未完全实现。尽管人们普遍宣传EMR可以简化不同医疗机构之间的病历转移，但即使同一个供应商为两家不同的机构实施了相同的EMR模型，一个医院的版本往往与另一个医院的版本不兼容。这是由于EMR被“定制”以适应每个机构的特殊需求和政策所致。
此外，在我参与会诊的病例中，我发现尽管患者的症状在住院期间发生了显著变化，但临床记录未能准确反映这些变化。相反，过时的内容经常被反复“复制粘贴”到进展记录中，有时甚至延续了严重的错误。
最后，当我们试图将EMR的数据转换为纸质记录时，它常常变得无法使用。例如，每次血压、脉搏、实验室数值或药物管理都会打印在单独的一页上，导致堆积如山的纸张难以整理。
人工智能的临床前景
AI不可避免地进入了临床护理领域，其影响力将远超迄今为止的EMR运动。AI通常被认为能改善诊断和对临床进程的预测，越来越多地用于指导决策和患者管理。AI还被用来审查患者记录并生成笔记和出院总结。最后，AI正在成为研究和教学的重要工具。
一些研究发现，AI可以在诊断准确性上媲美甚至超过经验丰富的专家——且仅需花费一小部分时间。AI处理海量数据的能力无与伦比。例如，一项旨在预测急诊室中激动和暴力事件可能性的研究检查了超过300万次就诊记录。有趣的是，研究结果“……与现有文献一致，表明历史上的暴力行为是未来激动事件的最佳预测因子”（Wong等，2025）。因此，在这种情况下，AI确认了一条长期存在的临床真理：过去的行为是未来行为的最佳预测指标。
AI还可以“看到”临床医生难以识别的行为。例如，确定重症早产儿的觉醒状态对于喂养和护理的最佳时机至关重要（Putnam，2016）。利用AI对象检测模型分析了新生儿重症监护病房中婴儿的手机视频，量化头部和手部动作（Nishio等，2025）。结果提供了一种简单的方法来确定照顾危重早产儿的最佳时间。
人工智能的问题
随着AI使用的迅速增加，出现了一系列严重影响广泛应用的问题。所谓的“幻觉”是AI程序生成的虚假“事实”陈述，包括虚构的参考文献甚至是伪造的数据。令人不安的是，每次新版发布时，幻觉的发生频率似乎都在增加（这是目前所有AI平台的共同特点），发生率可能高达40%至75%。
像我这样的老一辈人担心临床医生对AI的盲目依赖以及对患者风险和收益的误传。事实上，一些研究表明，基于AI的医疗搜索可能会产生大量错误信息，包括看似可信但由AI生成的医学图像（Menz，2023）。
正在采取哪些措施改进AI的临床用途？
EMR的许多开创性发展发生在退伍军人事务部（VA），其拥有170家医院，大约比其他医疗机构采用EMR早了十年。现在，凭借其在EMR方面的丰富经验，VA已成为使用AI开发临床预测模型并将结果整合到常规患者护理中的领导者。
其中一个教训是，AI预测模型会随着时间推移而漂移，可能需要每年重新校准。另一个教训是，AI模型在预测低频医疗或心理健康事件（例如自杀）方面表现不佳，导致假警报远远多于真阳性。
虽然许多AI模型专注于临床预测，但它们更重要的功能之一是简单地搜索患者的EMR，寻找相关症状并将其与适当的科学文献联系起来。VA正在开创诸如“环境监听”之类的技术，该技术利用AI记录、转录和分析患者与临床医生之间的对话，自动化文档记录，让临床医生能够专注于患者而非键盘。
Stephan Fihn是VA在EMR工作中的先驱之一，也是AI的早期采用者，他认为未来AI处理患者EMR的方式将更像是Google搜索，而不是传统的医疗图表——只需一次点击即可汇集所有相关信息（Perlis，2024）。
如果是这样，AI可能有助于EMR最终实现其真正的潜力。
(全文结束)
