医疗保健领导者越来越多地依靠人工智能来降低成本、减少临床医生的职业倦怠并加快运营速度。然而，太多的AI试点项目只能提供令人印象深刻的演示，而实际运营影响有限。真正的区别因素不是模型本身，而是AI是否嵌入到已经主导员工时间分配的工作流程中。
在实践中，只有当AI支持相互连接的工作流程、互操作性系统和明确的人工监督时，才能大规模改善结果。当这些要素协同工作时，AI就不再是一种新奇事物，而是开始表现为运营基础设施。
为什么孤立的AI工具在医疗保健中停滞不前
AI采用中的一个常见模式是将每个用例视为独立项目。一个模型可能总结临床记录、起草事先授权包或对传入病例进行分诊，但却存在于主要电子健康记录或管理流程之外。当发生这种情况时，工作人员仍然必须手动复制数据、协调标记和处理异常情况，这意味着负担只是被转移，而非消除。
这就是AI实施可能低于预期的一个原因。2024年对医学影像中AI的系统性综述和荟萃分析发现，虽然许多研究报告了时间节省，但总体证据并未显示自动效率提升，这表明AI在现实世界中的影响很大程度上取决于它如何融入临床工作流程。
因此，医疗保健领导者应该提出一个简单的操作问题：AI工具是减少了工作中的步骤数量，还是仅仅在旧流程上添加了一个新层次？如果工作流程仍然分散，答案通常是后者。
互操作性是使AI在实践中实用的关键
AI无法改进它看不到的流程。这就是为什么互操作性不是AI中的次要问题，而是决定AI功能发挥程度的操作条件。当系统干净地交换数据时，AI可以在正确的时间呈现信息，标记缺失字段，并在不强迫工作人员重新输入或重新检查信息的情况下支持决策。
世界卫生组织将数字健康基础设施描述为依赖于支持跨护理环境更好决策的标准、数据共享和连接系统。在这种观点下，互操作性不是技术上的事后考虑；它是AI驱动工作流程的核心使能器。
在美国背景下，CMS互操作性和事先授权最终规则通过强制改进健康信息交换来减少事先授权和其他管理流程中的摩擦，将这一理念推向政策层面。该规则表明互操作性不再是可选项；它正在成为AI如何在理赔和护理协调中运作的基本要求。
工作流程协调在哪里带来最大收益
最有说服力的医疗保健AI用例往往是那些从重复性、高工作量任务中消除摩擦的用例。例子包括事先授权、文档支持、理赔审查、患者接待、护理协调和决策支持。在每种情况下，收益不仅仅是速度，还包括减少返工和下游错误，这种模式在面向支付方的收入周期工作流程如何通过类智能体系统重新设计方面日益明显。
美国医院协会指出，AI正越来越多地被用于通过支持临床和管理任务来优化临床工作流程并改善患者体验。关键见解是，当AI融入人们工作方式时，改进开始在吞吐量、准确性和满意度方面显现。
可靠性比模型演示更重要
医疗保健组织理所当然地被模型演示所吸引：一个在幻灯片上以高精度进行总结、预测或分类的系统可能感觉具有变革性。但实际运营不是演示。它们包括边缘情况、缺失数据、人员流动和不断变化的需求。在这种环境中，可靠性比视觉上的精致更为重要。
这就是为什么仅靠可观察性是不够的。事后了解发生了什么有助于事后分析，但并不能防止重复失败。一个可靠的AI系统必须表现可预测，适当地升级异常情况，并融入组织现有的变更和风险管理治理模式。
在医疗保健中，小的工作流程错误可能会级联。授权工作流程中遗漏的字段可能会延迟治疗。时机不当的建议可能会在错误的时刻打断临床医生。薄弱的升级路径可能会让工作人员猜测应该信任什么。AI应该减少模糊性，而不是创造新的模糊形式。
成功实施实际上需要什么
成功的AI实施通常从工作流程设计开始，而不是从模型开始。团队需要在部署任何东西之前定义业务问题、决策点、数据源和涉及的人工角色。如果这些基础不清晰，技术将无法弥补流程清晰度的缺乏。
范围纪律也很关键。最有效的部署通常能做好一两件事。它们可能在病例路由前识别缺失信息，为审查总结图表，或在某些内容超出预期模式时触发异常警报。试图过早自动化太多内容往往会带来比价值更多的复杂性。
哈佛医学院指出，当在实践中深思熟虑地使用时，AI可以减轻临床医生的常规负担并提高效率。关键短语是"在实践中深思熟虑地使用"：这意味着培训工作人员，定义覆盖规则，跟踪结果，并确保AI适合工作，而不是强迫工作适应AI。
医疗保健AI改善当流程连接时
医疗保健中最持久的AI收益来自连接的流程，而非孤立的工具。当数据顺畅流动，审查按正确顺序发生，异常情况得到一致处理时，AI可以用更少的人工努力支持更好的决策。当这些条件缺失时，技术可能看起来仍然先进，但工作流程仍然缓慢且分散。
这就是为什么AI应该在系统层面上进行衡量。领导者应该超越模型准确性，询问流程是否变得更容易执行、更容易监督和更容易扩展。真正的测试不是AI是否能独立完成单一任务。而是整个工作流程是否因为AI是其中的一部分而变得更可靠。
医疗保健中连接AI的真正价值
当AI支持完整的工作链而非单一的孤立行动时，它表现最佳。这意味着连接系统、明确所有权、收紧交接环节，并在判断最为重要的地方让人类参与其中。当工作流程协同工作时，AI变得更加可靠、更有用和更具可扩展性。
AI的未来不会由谁拥有最先进的模型决定。它将由谁能够围绕模型设计工作流程，从而在效率、准确性和体验方面带来一致、可衡量的改进来决定。在医疗保健这样一个复杂、高风险的行业中，这很可能是停留在试点阶段的AI与成为护理交付一部分的AI之间的区别。
英格·西万提是Droidal公司的首席执行官，这是一家专注于AI的医疗技术公司。他领导应用人工智能解决方案的开发，包括大型语言模型和AI智能体，旨在改善医疗保健收入和运营决策。他的工作重点是将AI整合到复杂的医疗保健环境中，注重负责任和实用的实施。
【全文结束】