《健康科技》：健康信息学如何改善患者和提供者体验？
比恩： 首先需要说明，在三位一体健康，我们称团队为健康信息学团队而非临床信息学团队。根据我的专业经验，临床信息学将职业影响局限于临床活动，而健康信息学更具综合性，涵盖护理全流程。这意味着我们的团队支持从门诊、急症护理到长期护理机构的全场景健康信息学服务。
《健康科技》：这种区分很有意思。健康信息学如何具体支持护理连续体？
比恩： 通过适配各护理环境的健康IT工具。例如在医疗集团中，临床医生和前端人员需借助工具优化护理工作流程。健康信息学家正是协助使用者掌握这些工具的专业人员。我们与临床团队深度协作设计工作流程——效率提升不能仅靠信息学家单方面推动，必须成为共同设计的伙伴。这才是确保健康IT成功落地的核心路径。
《健康科技》：当今医疗信息学家面临哪些主要挑战？
比恩： 首要挑战是快速迭代的技术创新。医疗领域存在矛盾张力：新技术层出不穷，但需警惕实施陷阱与战略错位。在瞬息万变的环境中，团队必须保持前沿认知却异常艰难。以人工智能为例，宣传常夸大其承诺，但信息学家必须厘清技术真实能力边界。我们需在拥抱创新与战略审慎间取得平衡，既要探索AI工具价值，又要确保其契合组织目标。
作为信息学家，必须掌握最新知识来解释AI的实际运作逻辑。当"下一个颠覆性技术"热潮涌来时，沟通尤为困难。此时我们的角色是顾问——必须清晰阐明技术能实现什么、不能实现什么。切忌对健康IT（含AI）能力过度承诺，导致临床医生产生不切实际的期望，务必确保使用者全面理解工具特性。
当然，医疗AI也蕴含巨大机遇。我们正探索算法识别高危人群、AI优化人力资源管理的可能性，尤其关注如何用AI减轻文档行政负担。但关键在于：临床端始终连着真实患者，必须确保技术应用不损害患者安全与护理质量。
对待供应商需格外谨慎。他们提供的营销数据可能经过筛选，若缺乏专业知识易被误导。这对健康信息学家是复杂挑战。作为领导者，我既要为利益相关者提供咨询，也要为团队构建AI应用所需的防护机制与支持体系。
"切忌对健康IT（含AI）能力过度承诺，导致临床医生产生不切实际的期望。务必确保使用者全面理解工具特性。"
——穆里埃尔·比恩，三位一体健康高级副总裁兼首席健康信息学官
《健康科技》：人工智能正如何改变临床信息学领域？
比恩： AI正渗透至人力资源等非临床领域。例如开发评估工具验证新技术实施效果，或更智能地解析临床数据。但AI的实质影响仍在演进中——我们如何量化其价值？坦白说，行业仍在探索阶段，尚未完全掌握所有影响维度。
《健康科技》：临床信息学家应如何准备AI应用？
比恩： 我们将AI工具评估流程标准化，如同处理其他健康IT项目。关键在于深度对接最终用户。以临床医生为例：需预先明确其在工作流程中的参与方式，因为技术必须无缝融入日常操作。
这如同智能手机的演变：问世前难以想象其价值，如今却深度重塑生活。每个人使用方式各异——有人依赖导航应用，有人侧重健康管理。AI工具必须适配使用者的个性化工作流，方能提升临床效率。我们不会因技术标签改变实施原则：任何工具都需被日常使用者自然接纳。
必须重申：利益相关者参与决定成败。无论AI、电子病历或其他系统，成功采用必须建立在健康信息学专家与终端用户的协作基础上。
《健康科技》：从临床信息学视角，AI投资应聚焦哪些方向？
比恩： 作为横跨25州92家医院的庞大系统，三位一体健康采取"系统之系统"的全局视角。当前重点投资三类领域：患者服务、自动化及临床/运营效率，优先选择后台等低风险、高可行性区域以实现最大价值。
我们设有跨部门AI治理小组，成员包括CEO、区域医疗总监及CIO等，确保多元视角。AI发展日新月异，必须同步保持伦理审视——坚守核心价值观、患者优先原则与风险管控。
具体案例：正在收入部门部署AI工具提升计费准确性（该领域组织风险较低）。而在直接影响患者的临床领域则格外审慎，必须验证技术安全性与伦理合规性。
《健康科技》：医疗领导者可从临床信息学吸取哪些AI准备经验？
比恩： 首要原则是透明沟通技术真实能力。健康IT实施经验表明：过度承诺必然导致信任危机。尽管推动AI愿景有其必要性，但若投入与产出失衡，终将面临问责。必须坦诚说明技术已知与未知边界。
组织需为技术变革充分准备。明确告知团队变化内容及应对方式至关重要——许多项目因低估问题复杂度而未能充分发挥价值。关键在于让使用者理解："此工具如何提升我的日常工作效率？"必须获得组织层面的认可。
试想日常生活：若认为某物无价值，人们自然不会使用。必须让使用者切实感知工具价值。信息学家的核心使命，就是建立技术与使用者需求的强关联。领导者需确保工具对使用者有意义、能创造价值而非增添负担，这远超简单沟通范畴。
当前技术迭代速度极快，建议采取"试探性投入"策略：先小范围验证而非全力押注，因为更优方案可能转瞬即至。接受延迟满足很重要——有时浅尝辄止比孤注一掷更明智。但医疗组织难以快速转向，这些动辄数百万美元的投资要求我们基于现有信息果断决策。过度分析将导致"分析瘫痪"，阻碍AI应用进程。必须认清自身风险偏好，在创新与稳健间找到平衡点后迅速行动。
【全文结束】
