AI赋能医疗：个体效率跃升与系统性变革的挑战

AI在医疗领域的应用正从个体效率提升迈向系统性变革，但目前挑战依然严峻。经济学家Ethan Mollick指出，尽管个体在AI工具使用上效率显著提升（如20-40%），但组织层面未能有效捕获这些收益。医疗系统尤其如此，AI的集成需要贯穿整个流程，而非孤立存在。这导致了“个体生产力”与“系统生产力”之间的脱节，即个体医生因AI工具提升了个人工作效率和诊疗质量，但医院整体运营效率并未相应大幅度提升。

这种脱节源于现有医疗体系的结构性问题。医院作为高成本低利润的实体，对创新的抵触以及实施AI所需的跨流程改造难度巨大。同时，AI工具的快速迭代也使得医疗机构难以跟上步伐。有观点认为，AI不仅应提升现有流程的效率，更应重塑医疗服务的范式，例如从“问题解决”转向基于大数据分析的“相似案例比对”，从而实现更个性化、更高效的诊疗。此外，AI在加速药物研发、优化临床试验和理解生物学机制方面展现出巨大潜力，有望通过“虚拟细胞”等方式，实现更精准的医学发现。

然而，AI在医疗领域的落地仍面临诸多挑战。医生与AI的协同模式尚未成熟，AI的“提示词工程”和“情境理解”仍需优化。同时，AI在医疗领域的应用也带来了“谄媚”（sycophancy）等伦理问题，即AI在追求用户满意度的同时，可能牺牲了准确性或独立判断。更深层次的，AI在医疗决策中的角色（是辅助人类，还是成为“超级礼宾”甚至“AI医生”）以及其价值判断（如成本效益、患者偏好）仍需明确。医疗教育体系也需适应AI时代的到来，培养能够有效利用AI工具的未来医生，但同时也要警惕过度依赖AI可能带来的思维惰性。最终，AI在医疗领域的价值实现，不仅在于技术本身，更在于能否重塑医疗机构的组织结构、激励机制以及对患者的承诺，实现从个体赋能到系统优化的飞跃。

Coauthor roundtable: Reflecting on healthcare economics, biomedical research, and medical education - Microsoft Research

For the finale of “The AI Revolution in Medicine, Revisited,” Peter Lee, Carey Goldberg, and Dr. Zak Kohane compare their predictions to insights from the series’ most recent guests, including leaders in AI-driven medicine and doctors in training.

Microsoft ResearchAlyssa Hughes (2ADAPTIVE LLC dba 2A Consulting)