人工智能（AI）正日益塑造医疗保健领域，从早期发现疾病到改善医院运营。《管理式医疗执行官》杂志回顾了我们自2025年8月至11月初发表的有关AI的文章，以观察这一快速增长领域的主流趋势。研究结果表明，尽管AI前景广阔，但要使其真正有效，仍需谨慎实施。
AI正被用于更好地理解疾病并改善患者护理。
英矽智能（Insilico Medicine）公司在《衰老》（Aging）期刊上发表的一项研究探讨了衰老和特发性肺纤维化（IPF）——一种主要影响老年人的严重肺部疾病。该研究的科研人员开发了两种AI工具：一种蛋白质组衰老时钟和一个名为ipf-P3GPT的模型。衰老时钟利用血液蛋白质数据来预测生物年龄。
该研究发现，患有严重COVID-19（肺纤维化高风险人群）的患者，其生物年龄比健康人群高出约2.77年。ipf-P3GPT模型分析了IPF患者和正常肺部衰老过程中的基因活动。
作者指出："值得注意的是，这些共享基因中超过一半表现出相反的调控模式：一些在IPF中上调但在正常衰老过程中下调，反之亦然。"
这些发现表明，IPF不仅仅是加速衰老，还涉及异常的基因活动，为开发新疗法和生物标志物提供了新途径。
AI还助力疾病早期检测。
沙伊拉·沙阿医学博士、公共卫生硕士（Shailja Shah, M.D., M.P.H.）及其团队创建了一种自然语言处理（NLP）工具，该工具可从电子健康记录（EHRs）中识别胃部和食道的癌前病变。该算法在检测巴雷特食管和胃肠上皮化生等病症时准确率达97.5%至100%。
该工具还能捕获详细信息，如组织变化的精确位置和类型，这些信息常被标准医疗编码遗漏。这使医院能够识别高风险患者进行密切监测，同时避免对低风险患者进行不必要的检查。
然而，AI并非没有问题。《npj数字医学》（npj Digital Medicine）上的一项研究发现，精神科AI模型常存在种族偏见，对精神分裂症患者的偏见尤为严重。
西达赛奈医疗中心（Cedars-Sinai）的埃利亚斯·阿布贾乌德医学博士、文学硕士（Elias Aboujaoude, M.D., MA）表示："大多数大语言模型在处理非裔美国患者时表现出某种形式的偏见，有时会对相同精神疾病和临床特征的患者推荐截然不同的治疗方案。"
这凸显了谨慎测试AI的必要性，以确保其不会加剧医疗不平等。
AI还被用于提高医院效率。环境监听工具可快速记录患者就诊过程并生成临床记录，使医生有更多时间与患者互动。阿尔特拉数字健康（Altera Digital Health）的本·夏尔夫（Ben Scharfe）分享了AI如何创建高度个性化的患者教育。
夏尔夫解释道："本质上，我们的方法是整合经护理机构审核的官方内容……再结合就诊记录及患者病历中的相关数据，进行情境化处理。"
这种方法使医疗建议更贴合每位患者的生活方式，便于其遵循医嘱。
即便取得这些成功，专家仍呼吁保持谨慎。
阿巴卡健康（Abarca Health）的MBA、首席信息官塞尔日·佩拉（Serge Perras, MBA, CIO）表示，AI仍处于"炒作阶段"。他警告不要过度热情，如同当年互联网泡沫的兴衰。
他强调："请从商业视角和价值主张看待AI，不要为技术而技术，而应关注您试图解决的业务问题。"
在阿巴卡，AI机器人将药物审查时间从2至2.5小时缩短至1小时，展示了明确的效率提升空间。但佩拉指出，AI在应用于高影响力任务时效果最佳。
其他挑战包括数据质量、监管问题以及理解AI决策机制。
佩拉解释道："非确定性意味着我无法真正理解决策是如何做出的"，并补充许多AI模型缺乏关于影响其输出信息的透明度。他表示，试点测试、跨团队协作和员工培训是有效应用AI的关键。
合格健康（Qualified Health）联合创始人凯达尔·梅特医学博士（Kedar Mate, M.D.）等医疗领导者强调有意设计的重要性。
他表示："对我而言，这一切都关乎我们决定做出的选择"，并分享可通过"深思熟虑、清醒明确的行动"解决医疗AI相关问题。
他补充道："我们可选择如何训练这些工具——可在存在偏见的信息上训练……也可修剪知识库，筛选我们认为确实事实准确的高可靠性、高价值信息。"
从改善患者护理到优化医院运营，AI已不再仅是未来概念——它已然到来。然而，其成功取决于审慎应用。《管理式医疗执行官》的分析表明，AI应被视为支持人类决策、提升效率、提高准确性并确保医疗公平性的工具。
【全文结束】
