医疗系统正竞相推出用于诊断、文档记录、排班、编码和患者沟通的人工智能工具，但若缺乏对医护人员的培训，这些系统将加速面临新的风险。
领导者常常假设人工智能技术本身就能推动改进，但未经准备的临床医生和非临床员工很容易误用、不信任、过度依赖甚至完全弃用这些工具。
这就好比购买了一辆法拉利，却不知道如何在高速下安全操控。在没有培训的情况下向医疗团队提供强大的人工智能工具，会削弱他们安全有效地使用这些可能改变系统的工具的能力。
人工智能准备不止于一次性采用
根据美国医学会的数据，目前三分之二的医生使用增强智能，但医疗行业在人工智能应用方面仍落后于其他行业。世界经济论坛报告称，一个主要原因是技术与战略计划、劳动力准备度之间存在差距，且对人工智能的信任度日益下降。
在许多医疗系统中，临床医生和非临床员工并未准备好安全、持续地使用人工智能。这是因为人工智能培训往往被视为一次性要求或简单的检查项，而非持续投资。弥合这一差距需要针对角色的学习，随着时间的推移建立信心和判断力，而不仅仅是在采用时。
医疗人工智能的成功需要新的员工技能
人工智能准备不仅仅是技术技能问题。医疗团队需要一种新的思维方式，以匹配人工智能实际工作方式。随着人工智能集成到工具中，它提供的是基于统计可能性和置信度的最佳猜测预测和建议，而非确定性。因此，思维方式从"如果这样，那么那样"转变为"如果这样，那么这最有可能是答案"。
因此，培训的目标不应仅限于教授临床医生和非临床员工如何使用人工智能工具，而应是教会他们如何成为能够：
- 解读输出
- 质疑结果
- 识别局限
- 覆盖机器建议的"人工智能协调者"
当人工智能工具在没有这种理解的情况下部署时，可预见的失败就会出现。
临床医生可能在决策支持、分诊和文档记录等领域过度依赖人工智能。或者当不完全理解建议是如何生成时，他们可能不一致地应用输出结果，导致诊断、文档记录和护理交付出现问题。
如果没有正确的培训，系统可能会出现"自动化偏见"，即员工停止批判性思考，因为人工智能通常是正确的；或者出现"算法弃用"，即人工智能犯了一个错误后，他们就停止使用它。好消息是？通过更好的培训和指导，这两种情况都是可以预防的。
匹配员工责任的角色特定培训
在各种角色中，最佳的培训将人员置于现实场景中，并设定明确的使用指导。这里的目标不仅是建立对人工智能的熟悉度，还有对判断的信心，使员工和临床医生了解人工智能应该做什么，以及更重要的是，它不应该做什么。
这正是人工智能赢得作为值得信赖的合作者地位的方式。它从以下关键点开始：
- 将人工智能作为临床判断的支持，而非替代：临床医生需要知道如何提供准确的输入、保持监督，并在临床环境中解读建议。他们还应能够识别人工智能的局限性和偏见，理解何时他们的判断优于人工智能建议。因此，如果一名护士理解为什么人工智能系统将患者标记为败血症风险，他们可以基于自己的评估来验证威胁，而不是盲目遵循人工智能推荐的护理路径。
- 将行政团队定位为人工智能贡献者，而非被动用户：人工智能培训应帮助行政团队了解何时可以信任人工智能生成的输出，以及如何识别和管理人工智能和自动化无法解决的案例。但培训还应提升他们非临床角色的重要性。培训需要超越使用熟练度，让员工理解他们在电子健康记录中输入的每个注释都在训练和告知人工智能。这是对护理质量和系统智能的重要贡献。
- 将人工智能确立为核心能力，而不仅是一次性推出：对于运营和临床领导者而言，人工智能培训与其说是操作工具，不如说是成为技术的守护者。领导者必须能够设定适当使用人工智能的明确期望，并积极监测采用和使用模式。当人工智能不可避免地出现性能、信任或可靠性问题时，这些领导者还需要信心、技能和权威，以迅速调整工作流程、培训和指导。
人工智能改善医疗系统系统的承诺，不会仅仅通过购买更先进的工具来实现。它取决于持续的投资于培训，确保临床医生、员工和领导者能够自信地质疑输出、应用判断并管理风险。那些有意投资于劳动力准备的领导者，将把人工智能从闪亮的采购品转变为强大而高效的工具。
【全文结束】
