AI輔助診療，為何卻讓醫生效率下降了？

“數智創新與管理”

ZJUSOM

2021年5月，中國一個縣級醫院CT室迎來了“新同事”——AI輔助診斷系統。這位不知疲倦的助手能夠瞬間識別CT圖像中的可疑病灶，為醫生提供診斷的“第二意見”。然而，隨后的數據卻顯示出一個令人困惑的現象：醫生們的診斷報告變得更加詳盡，但科室每日能夠處理的CT數量卻明顯下降了。

圖片來源：千庫網

這一發現來自于浙江大學管理學院百人計劃研究員楊浙帥團隊的研究，他們通過對該醫院胸科CT診斷數據的深入分析，揭示了一個數智醫療領域的悖論：AI輔助在提升醫生工作質量的同時，可能會降低工作效率。這項研究將關注點從患者感知轉向臨床醫師行為，對優化醫療資源配置與管理決策、最終提升患者滿意度與健康福祉具有關鍵意義，對正在積極推進數字化轉型的基層醫院具有重要啟示。

學者簡介

楊浙帥，浙江大學管理學院百人計劃研究員。研究方向：消費者心理與行為。

學者簡介

戴思琦，浙江大學管理學院市場營銷學系博士生。

學者簡介

謝芷翊，浙江大學管理學院市場營銷學系博士生。

*倫敦大學學院（University College London）市場營銷學系助理教授Wei Miao同為論文合著者。

本期【數智創新與管理】，一起來關注這項發表在Journal of Digital Management上的研究，看AI輔助如何在現實中影響醫生的工作表現。

當AI醫療走向基層

Part.1

近年來，人工智能在醫療領域的應用呈現爆發式增長，其臨床應用已覆蓋多個醫學領域。從IBM Watson腫瘤系統到Google DeepMind的眼底疾病診斷，AI技術展示了其在提高診斷準確性和效率方面的巨大潛力。到2025年，預計90%的醫院將采用醫療AI輔助醫生工作。

圖片來源：千庫網

然而，大多數研究將目光投向大型三甲醫院或頂尖醫生群體，對于AI在資源相對有限、醫生資質普遍平均的基層醫院中的應用效果卻關注甚少。這正是楊浙帥團隊選擇縣級中心醫院作為研究對象的原因，本研究選區的醫院作為該縣主要醫療中心，每日接待大量患者，其CT科室醫生資質總體處于平均水平，代表了我國廣大基層醫院的典型情況。

“基層醫院是中國醫療體系的毛細血管，它們服務著最廣大的患者群體。”研究指出，“了解AI在這些環境中的真實影響，對優化全國醫療資源配置至關重要。”

AI輔助下，工作質量提升，

效率卻下降了？

Part.2

研究團隊收集了該醫院系統上線前后各180天的胸科CT診斷數據，分析了AI引入對醫生工作表現的影響。結果揭示了一個看似矛盾的現象：

工作質量顯著提升

引入AI輔助后，醫生撰寫的CT報告長度明顯增加了——結論部分和描述部分都有明顯增多，診斷過程更加詳盡和全面了。這是因為AI卓越的圖像處理精度能夠識別出人眼經常遺漏的亞視覺異常和小病灶，從而減少診斷遺漏，提高檢測的全面性。而且，AI基于數據的學習能夠提供專家級別的“第二意見”，這對初級臨床醫生尤其有益。此外，AI還能促進操作規范的遵循，減少操作不規范和主觀錯誤。

圖片來源：千庫網

工作效率明顯下降

與預期相反，AI輔助并未提高醫生的工作效率。數據顯示，CT科室每日處理的胸科CT報告總量明顯下降，平均每位醫生每日處理量減少了。這一發現挑戰了“AI能夠提升效率”的普遍假設。

這種“質量—效率”權衡關系，揭示了AI輔助在真實醫療場景中的復雜影響。更值得關注的是，這種關系并非靜態不變，而是隨著時間推移呈現動態演化。研究團隊進一步分析了AI引入后六個月內的月度數據，發現了明顯的趨勢變化。具體而言，工作質量的提升穩步增長，工作效率的下降逐漸加劇。也就是說，隨著AI輔助使用時間延長，效率下降的問題會隨著時間的推移而加劇。

為什么AI會帶來這種悖論？

Part.3

為什么AI輔助并沒有實現預期中的“雙贏”局面？研究團隊指出，有三個關鍵因素導致了效率的降低。

首先，AI增加了初級放射科醫生的認知負擔。對于資質較淺的醫生而言，當他們與AI輸出的診斷結果不一致時，可能會產生自我懷疑，促進而花費更多時間進行驗證和確認，延長了單個病例的診斷時間。其次，對AI系統的有限理解降低了他們對AI的信任度。醫生對AI系統的信任不是一蹴而就的，在缺乏對AI系統決策邏輯充分理解的情況下，為了確保患者安全，他們不得不花費更多的時間來驗證結果。第三，AI輔助改變了原有的臨床工作流程，醫生需要時間探索與AI協作的最優模式。在這一適應期內，效率暫時下降幾乎不可避免。

圖片來源：千庫網

值得注意的是，這些機制在資質平均的醫生群體中可能更為明顯。他們既缺乏資深專家的豐富經驗來快速驗證AI建議，又可能因AI輔助而產生更高的自我要求，導致在質量與效率之間更傾向于前者。這反映了基層醫療機構的現實困境——他們渴望通過新技術提升服務水平，但又面臨資源和能力的雙重約束。

如何平衡AI輔助中的

效率與質量？

Part.4

面對AI輔助帶來的“質量—效率”悖論，醫院管理者和AI開發者應如何應對？研究團隊基于發現，提出了多項實踐建議。

差異化應用策略

醫院應根據病例復雜度和風險水平，制定差異化的AI使用策略。對于復雜、高風險病例，優先使用AI輔助確保診斷質量；對于常規病例，則可適度限制AI使用，以保持整體工作效率。

圖片來源：千庫網

加強醫生培訓

培訓內容不應僅限于AI系統操作，還應包括如何快速解讀AI建議、將其整合到診斷流程中，以及如何在AI輔助下保持獨立臨床判斷能力。幫助醫生建立對AI系統的合理信任，減少不必要的驗證時間。

優化系統設計

AI開發者應致力于創建更用戶友好的界面，提供決策透明度和解釋性，幫助醫生理解AI的判斷依據。持續更新和擴大數據庫，優化算法，提高診斷準確性，從而增強醫生對系統的信任。

對于廣大基層醫院而言，這一研究提供了寶貴的參考。總的來說，在引入AI系統時，應預期到可能的效率下降，并制定相應應對策略。同時，認識到醫生需要較長時間適應AI輔助工作模式，管理者應提供足夠的支持和培訓，幫助團隊順利過渡。

楊浙帥團隊的研究打破了我們對AI輔助醫療場景的簡單想象，揭示了數智技術在真實醫療場景中應用的復雜性。AI不是萬能藥，其效果受到組織環境、使用者特征和實施策略的多重影響。

在資源有限的基層醫療環境中，AI輔助呈現的“質量-效率”權衡尤為值得關注。它提醒我們，技術創新必須與組織變革、人員培訓同步推進，才能真正發揮價值。未來，隨著AI技術的不斷成熟和醫生適應能力的提升，這一悖論或許會逐漸緩解。但當前階段，認識到這一挑戰，并積極尋求平衡之道，才是推動數智醫療健康發展的關鍵。

（點擊以下標題查看）

*本文改編自論文——The paradox of AI assistance: enhancingquality while hindering efficiency in local hospitals，點擊左下角“閱讀原文”可閱讀論文全文。

編輯排版：伍梁永

審核：佟慶、楊浙帥