AI輔助診療，為何卻讓醫(yī)生效率下降了？

“數(shù)智創(chuàng)新與管理”

ZJUSOM

2021年5月，中國(guó)一個(gè)縣級(jí)醫(yī)院CT室迎來了“新同事”——AI輔助診斷系統(tǒng)。這位不知疲倦的助手能夠瞬間識(shí)別CT圖像中的可疑病灶，為醫(yī)生提供診斷的“第二意見”。然而，隨后的數(shù)據(jù)卻顯示出一個(gè)令人困惑的現(xiàn)象：醫(yī)生們的診斷報(bào)告變得更加詳盡，但科室每日能夠處理的CT數(shù)量卻明顯下降了。

圖片來源：千庫(kù)網(wǎng)

這一發(fā)現(xiàn)來自于浙江大學(xué)管理學(xué)院百人計(jì)劃研究員楊浙帥團(tuán)隊(duì)的研究，他們通過對(duì)該醫(yī)院胸科CT診斷數(shù)據(jù)的深入分析，揭示了一個(gè)數(shù)智醫(yī)療領(lǐng)域的悖論：AI輔助在提升醫(yī)生工作質(zhì)量的同時(shí)，可能會(huì)降低工作效率。這項(xiàng)研究將關(guān)注點(diǎn)從患者感知轉(zhuǎn)向臨床醫(yī)師行為，對(duì)優(yōu)化醫(yī)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(guān)鍵意義，對(duì)正在積極推進(jìn)數(shù)字化轉(zhuǎn)型的基層醫(yī)院具有重要啟示。

學(xué)者簡(jiǎn)介

楊浙帥，浙江大學(xué)管理學(xué)院百人計(jì)劃研究員。研究方向：消費(fèi)者心理與行為。

學(xué)者簡(jiǎn)介

戴思琦，浙江大學(xué)管理學(xué)院市場(chǎng)營(yíng)銷學(xué)系博士生。

學(xué)者簡(jiǎn)介

謝芷翊，浙江大學(xué)管理學(xué)院市場(chǎng)營(yíng)銷學(xué)系博士生。

*倫敦大學(xué)學(xué)院（University College London）市場(chǎng)營(yíng)銷學(xué)系助理教授Wei Miao同為論文合著者。

本期【數(shù)智創(chuàng)新與管理】，一起來關(guān)注這項(xiàng)發(fā)表在Journal of Digital Management上的研究，看AI輔助如何在現(xiàn)實(shí)中影響醫(yī)生的工作表現(xiàn)。

當(dāng)AI醫(yī)療走向基層

Part.1

近年來，人工智能在醫(yī)療領(lǐng)域的應(yīng)用呈現(xiàn)爆發(fā)式增長(zhǎng)，其臨床應(yīng)用已覆蓋多個(gè)醫(yī)學(xué)領(lǐng)域。從IBM Watson腫瘤系統(tǒng)到Google DeepMind的眼底疾病診斷，AI技術(shù)展示了其在提高診斷準(zhǔn)確性和效率方面的巨大潛力。到2025年，預(yù)計(jì)90%的醫(yī)院將采用醫(yī)療AI輔助醫(yī)生工作。

圖片來源：千庫(kù)網(wǎng)

然而，大多數(shù)研究將目光投向大型三甲醫(yī)院或頂尖醫(yī)生群體，對(duì)于AI在資源相對(duì)有限、醫(yī)生資質(zhì)普遍平均的基層醫(yī)院中的應(yīng)用效果卻關(guān)注甚少。這正是楊浙帥團(tuán)隊(duì)選擇縣級(jí)中心醫(yī)院作為研究對(duì)象的原因，本研究選區(qū)的醫(yī)院作為該縣主要醫(yī)療中心，每日接待大量患者，其CT科室醫(yī)生資質(zhì)總體處于平均水平，代表了我國(guó)廣大基層醫(yī)院的典型情況。

“基層醫(yī)院是中國(guó)醫(yī)療體系的毛細(xì)血管，它們服務(wù)著最廣大的患者群體?！?/strong>研究指出，“了解AI在這些環(huán)境中的真實(shí)影響，對(duì)優(yōu)化全國(guó)醫(yī)療資源配置至關(guān)重要。”

AI輔助下，工作質(zhì)量提升，

效率卻下降了？

Part.2

研究團(tuán)隊(duì)收集了該醫(yī)院系統(tǒng)上線前后各180天的胸科CT診斷數(shù)據(jù)，分析了AI引入對(duì)醫(yī)生工作表現(xiàn)的影響。結(jié)果揭示了一個(gè)看似矛盾的現(xiàn)象：

工作質(zhì)量顯著提升

引入AI輔助后，醫(yī)生撰寫的CT報(bào)告長(zhǎng)度明顯增加了——結(jié)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?yàn)?strong>AI卓越的圖像處理精度能夠識(shí)別出人眼經(jīng)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(cè)的全面性。而且，AI基于數(shù)據(jù)的學(xué)習(xí)能夠提供專家級(jí)別的“第二意見”，這對(duì)初級(jí)臨床醫(yī)生尤其有益。此外，AI還能促進(jìn)操作規(guī)范的遵循，減少操作不規(guī)范和主觀錯(cuò)誤。

圖片來源：千庫(kù)網(wǎng)

工作效率明顯下降

與預(yù)期相反，AI輔助并未提高醫(yī)生的工作效率。數(shù)據(jù)顯示，CT科室每日處理的胸科CT報(bào)告總量明顯下降，平均每位醫(yī)生每日處理量減少了。這一發(fā)現(xiàn)挑戰(zhàn)了“AI能夠提升效率”的普遍假設(shè)。

這種“質(zhì)量—效率”權(quán)衡關(guān)系，揭示了AI輔助在真實(shí)醫(yī)療場(chǎng)景中的復(fù)雜影響。更值得關(guān)注的是，這種關(guān)系并非靜態(tài)不變，而是隨著時(shí)間推移呈現(xiàn)動(dòng)態(tài)演化。研究團(tuán)隊(duì)進(jìn)一步分析了AI引入后六個(gè)月內(nèi)的月度數(shù)據(jù)，發(fā)現(xiàn)了明顯的趨勢(shì)變化。具體而言，工作質(zhì)量的提升穩(wěn)步增長(zhǎng)，工作效率的下降逐漸加劇。也就是說，隨著AI輔助使用時(shí)間延長(zhǎng)，效率下降的問題會(huì)隨著時(shí)間的推移而加劇。

為什么AI會(huì)帶來這種悖論？

Part.3

為什么AI輔助并沒有實(shí)現(xiàn)預(yù)期中的“雙贏”局面？研究團(tuán)隊(duì)指出，有三個(gè)關(guān)鍵因素導(dǎo)致了效率的降低。

首先，AI增加了初級(jí)放射科醫(yī)生的認(rèn)知負(fù)擔(dān)。對(duì)于資質(zhì)較淺的醫(yī)生而言，當(dāng)他們與AI輸出的診斷結(jié)果不一致時(shí)，可能會(huì)產(chǎn)生自我懷疑，促進(jìn)而花費(fèi)更多時(shí)間進(jìn)行驗(yàn)證和確認(rèn)，延長(zhǎng)了單個(gè)病例的診斷時(shí)間。其次，對(duì)AI系統(tǒng)的有限理解降低了他們對(duì)AI的信任度。醫(yī)生對(duì)AI系統(tǒng)的信任不是一蹴而就的，在缺乏對(duì)AI系統(tǒng)決策邏輯充分理解的情況下，為了確?；颊甙踩麄儾坏貌换ㄙM(fèi)更多的時(shí)間來驗(yàn)證結(jié)果。第三，AI輔助改變了原有的臨床工作流程，醫(yī)生需要時(shí)間探索與AI協(xié)作的最優(yōu)模式。在這一適應(yīng)期內(nèi)，效率暫時(shí)下降幾乎不可避免。

圖片來源：千庫(kù)網(wǎng)

值得注意的是，這些機(jī)制在資質(zhì)平均的醫(yī)生群體中可能更為明顯。他們既缺乏資深專家的豐富經(jīng)驗(yàn)來快速驗(yàn)證AI建議，又可能因AI輔助而產(chǎn)生更高的自我要求，導(dǎo)致在質(zhì)量與效率之間更傾向于前者。這反映了基層醫(yī)療機(jī)構(gòu)的現(xiàn)實(shí)困境——他們渴望通過新技術(shù)提升服務(wù)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(zhì)量？

Part.4

面對(duì)AI輔助帶來的“質(zhì)量—效率”悖論，醫(yī)院管理者和AI開發(fā)者應(yīng)如何應(yīng)對(duì)？研究團(tuán)隊(duì)基于發(fā)現(xiàn)，提出了多項(xiàng)實(shí)踐建議。

差異化應(yīng)用策略

醫(yī)院應(yīng)根據(jù)病例復(fù)雜度和風(fēng)險(xiǎn)水平，制定差異化的AI使用策略。對(duì)于復(fù)雜、高風(fēng)險(xiǎn)病例，優(yōu)先使用AI輔助確保診斷質(zhì)量；對(duì)于常規(guī)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(kù)網(wǎng)

加強(qiáng)醫(yī)生培訓(xùn)

培訓(xùn)內(nèi)容不應(yīng)僅限于AI系統(tǒng)操作，還應(yīng)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(dú)立臨床判斷能力。幫助醫(yī)生建立對(duì)AI系統(tǒng)的合理信任，減少不必要的驗(yàn)證時(shí)間。

優(yōu)化系統(tǒng)設(shè)計(jì)

AI開發(fā)者應(yīng)致力于創(chuàng)建更用戶友好的界面，提供決策透明度和解釋性，幫助醫(yī)生理解AI的判斷依據(jù)。持續(xù)更新和擴(kuò)大數(shù)據(jù)庫(kù)，優(yōu)化算法，提高診斷準(zhǔn)確性，從而增強(qiáng)醫(yī)生對(duì)系統(tǒng)的信任。

對(duì)于廣大基層醫(yī)院而言，這一研究提供了寶貴的參考?？偟膩碚f，在引入AI系統(tǒng)時(shí)，應(yīng)預(yù)期到可能的效率下降，并制定相應(yīng)應(yīng)對(duì)策略。同時(shí)，認(rèn)識(shí)到醫(yī)生需要較長(zhǎng)時(shí)間適應(yīng)AI輔助工作模式，管理者應(yīng)提供足夠的支持和培訓(xùn)，幫助團(tuán)隊(duì)順利過渡。

楊浙帥團(tuán)隊(duì)的研究打破了我們對(duì)AI輔助醫(yī)療場(chǎng)景的簡(jiǎn)單想象，揭示了數(shù)智技術(shù)在真實(shí)醫(yī)療場(chǎng)景中應(yīng)用的復(fù)雜性。AI不是萬能藥，其效果受到組織環(huán)境、使用者特征和實(shí)施策略的多重影響。

在資源有限的基層醫(yī)療環(huán)境中，AI輔助呈現(xiàn)的“質(zhì)量-效率”權(quán)衡尤為值得關(guān)注。它提醒我們，技術(shù)創(chuàng)新必須與組織變革、人員培訓(xùn)同步推進(jìn)，才能真正發(fā)揮價(jià)值。未來，隨著AI技術(shù)的不斷成熟和醫(yī)生適應(yīng)能力的提升，這一悖論或許會(huì)逐漸緩解。但當(dāng)前階段，認(rèn)識(shí)到這一挑戰(zhàn)，并積極尋求平衡之道，才是推動(dòng)數(shù)智醫(yī)療健康發(fā)展的關(guān)鍵。

（點(diǎn)擊以下標(biāo)題查看）

*本文改編自論文——The paradox of AI assistance: enhancingquality while hindering efficiency in local hospitals，點(diǎn)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