阿莱娜·富克斯博士（Dr. Alena Fuchs DHA, MSN, RN）是RPSP医疗咨询集团（RPSP Healthcare Consulting Group）创始人。
医疗行业始终注重风险培训。我们培训员工遵守HIPAA（健康保险可携性和责任法案），因为隐私保护绝非可选项；我们进行感染控制培训，因为一个疏漏可能影响整个病区；我们强调病历记录培训，因为医疗档案不仅是行政文件，更是患者病史的重要组成部分。
人工智能（AI）现已属于同一重要类别。
AI不再是仅由IT或数据科学团队管理的遥远创新项目。它已进入临床文档、排班系统、医学影像、患者沟通、收入周期流程及决策支持工具。美国食品药品监督管理局（FDA）维护着AI赋能医疗设备清单，旨在帮助识别获准在美国上市的AI医疗设备，并向医护人员及患者提供设备使用AI技术的透明度。
每位医疗工作者都需要具备足够的AI素养，以安全使用这些工具、质疑其局限性，并明确何时需以人工判断覆盖自动化结果。当用户不理解工具的局限性时，即使设计精良的系统也可能成为患者安全风险。
世界卫生组织（WHO）已警告大型多模态AI模型需要审慎治理，并发布40余项建议，指导政府、科技公司及医疗机构在医疗环境中恰当使用AI。AI的日益普及意味着AI素养应被视为核心 workforce competency（ workforce competency）。
将AI培训常规化，而非被动应对
医疗领导者不会等到隐私泄露才启动HIPAA培训，也不会等到疫情暴发才教授感染控制。AI应得到同等重视。
美国卫生与公众服务部（HHS）已将AI治理、风险管理、 workforce development（ workforce development）、负担减轻和护理现代化列为AI战略的关键支柱。
AI培训的实用模式可建立三级AI素养体系：一线用户、部门倡导者及治理领导者。
1. 一线用户需接受基于场景的实操培训
一线用户应明确工作流程中出现的AI工具、各工具的功能边界及易错环节。他们需理解受保护健康信息绝不能输入未经批准的工具，并掌握AI辅助工作的记录方法及问题上报流程。
例如，护士在审核AI生成的出院摘要时，需知晓该摘要可能遗漏背景信息、误述时间节点或过度强调次要细节。核心能力并非"信任AI"，而是"以临床责任审核AI输出"。
2. 部门倡导者需深化操作培训，因其连接一线经验与领导层决策
部门倡导者应在工具部署前进行测试、收集反馈、监测工作流程偏移并识别非预期后果。
倡导者可能发现：某文档工具虽节省医生时间，却令医助人员困惑；AI排班系统虽改善就诊可及性，却对特定预约类型造成不利。这些并非抽象的伦理问题，而是影响患者体验、员工信任及质量的日常运营问题。
3. 治理领导者需具备最高级别素养
他们无需审批每个提示词或流程细节，但必须制定基本规则。这意味着需维护AI清单、明确权责归属、设定审查周期、监测安全与公平性指标，并确定哪些事项需经法律、合规、临床或患者安全审查。
美国医学院协会（AAMC）在医学教育中负责任使用AI的原则强调：以人为本、透明度、隐私保护、培训、跨学科课程开发及持续评估。这些原则同样适用于医学院校之外。医院、医师团体、后急性护理机构及健康计划均需提供持续、实用且与真实工作流程挂钩的教育。
目标是建立信心，而非制造 hype
最佳的AI培训应降低恐惧感而不催生盲目信任。员工应能安全提出基础问题：该工具是否获批？能否在此使用患者信息？谁审核输出结果？若建议明显错误该如何处理？纠正错误是否会追责？这些问题并非抗拒，而是健康安全文化的体现。
2025年，美国医学会（AMA）通过政策支持将AI素养纳入医学教育及继续医学教育，包括医学院标准化培训及为执业医师扩展AI专项继续教育（CME）资源。这对医疗领导者发出重要信号：AI素养正成为职业准备的必要组成部分。
成功应用AI的组织，必是那些为员工做好智慧使用准备的组织。AI素养应如隐私保护、安全培训及文档记录般成为常规——注重实操、基于案例并随工具更新迭代。
若AI能影响诊疗、沟通或临床判断， workforce（ workforce）就必须理解它。AI素养不仅是技术倡议，更是患者安全、 workforce development（ workforce development）与信任建设的倡议。医疗领导者绝不能将其视为次要事项。
【全文结束】