医学顶刊《柳叶刀》（The Lancet）主刊于今天（2026年8月8日）发表了一篇人工智能（AI）最新综述——《全球医疗人工智能进展：应对医护人力危机的战略必需》。该文的作者分别来自美国Johns Hopkins大学及加拿大Alberta大学；作者团队具备临床、护理、计算机科学、商学等多领域复合且深厚的经验。
本文核心要点如下：
1. 全球医疗系统正在逼近人力临界点
全球医疗行业面临的核心矛盾，已不仅是患者需求增长，而是劳动力供给正在持续恶化。人口老龄化带来更多医疗需求，医护人员自身也在老龄化；与此同时，行政负担、低效流程、职业倦怠和提前退休不断消耗存量人力。文章援引预测称，到2030年，全球医疗专业人员缺口可能达到1100万，而且疾病负担最重的地区往往也是人才最短缺的地区。
美国医院2024年的护士流失率约为16%，42%的医院护士岗位空缺率超过10%。如果医护人员因为长期超负荷而离开行业，即使增加医学院和护理学院招生名额，也很难迅速弥补经验、技能和职业认同的流失。因此，文章主张把讨论重点从“AI能否替代医生”转向“AI如何帮助医生继续留下来”。当前医疗AI最现实的落地场景，集中在文书、编码、排班、费用预测和患者沟通等环节。环境式AI病历助手可以自动记录医患对话并生成病历草稿。在美国麻省总医院布里格姆医疗系统的一项六周试点中，223名参与者自报的职业倦怠相对下降40%；124名医护人员下班后完成病历所需时间，从至少90分钟降至不足30分钟。在医疗编码方面，AI可以把自由文本转换为ICD编码。相关研究中，系统能够将88%的临床概念分配到正确的ICD-10-CM类别，但精确到具体编码的正确率只有42%。这说明AI已经具备显著提效价值，却仍不能脱离人工复核。在保险与成本管理方面，一个基于100万名美国患者训练的模型，相较线性回归方法，每1万名参保人可减少约350万美元的费用估算误差。机器学习还可以预测床位需求、人员配置、就诊时长和患者爽约概率。一项心脏病门诊试验将问诊时长预测误差降低约一半；另一项覆盖7万多次预约的研究发现，预约等待时间、既往爽约记录和是否拥有手机等少量变量，就能解释多数爽约行为。这些应用的共同点是：不直接争夺医生的临床决策权，而是减少低价值劳动，让有限的人力回到诊疗、教学和患者沟通中。从产业角度看，未来的机会不只属于通用大模型，也存在于医疗工作流的各个环节，包括环境式病历、临床编码、智能排班、患者消息分流、支付审核、风险预测以及部署后的安全监测。真正形成壁垒的企业，可能并不是参数最多的模型公司，而是能够完成本地数据适配、医院系统集成、临床验证、合规审查和持续监测的解决方案提供商。医疗机构购买的也不应只是一个模型，而是一套能够嵌入现有流程、明确责任归属并持续证明安全性的服务体系。美国具备创新和创业优势，但医疗数据及治理体系较为分散；欧洲更强调数据空间、互操作性和监管；中国拥有政策推动和规模化部署能力，但对自主诊断仍保持明确限制；加拿大、新加坡和澳大利亚则展示了国家数字基础设施与本地编码体系的重要性。医疗AI具备明确需求，但商业价值不能只看“节省多少人”。如果医院把AI当成压榨现有员工、提高工作量的工具，短期效率可能上升，长期却可能加剧职业倦怠和抵触情绪。卢旺达全国性医疗AI服务Babyl曾覆盖数百万人，提供分诊和预约服务，但最终于2023年停止运营。它同时证明了全国性AI医疗服务的可行性，以及商业可持续性的困难。孟加拉国的糖尿病视网膜病变自主筛查项目则将临床生产率提高40%，说明在专业人员稀缺地区，聚焦单一高价值场景可能更容易形成实际影响。文章最终强调，医疗AI应当从“自动化”转向“能力放大”。AI可以支持决策，却不应决定诊疗；医疗实践仍须由临床人员主导，以患者为中心，并保留共同决策和明确问责。未来医护人员需要掌握新的能力：理解模型边界、识别错误、评估置信度，并在必要时有依据地否定算法建议。护士也不应只是AI工具的使用者，而应进入产品设计、安全治理和持续监测环节。医疗AI最具想象力的价值，也许不是让系统减少多少医生，而是让医生少做多少无意义的工作，让更多经验丰富的专业人员愿意继续留下。对产业和投资者而言，这意味着评价医疗AI的核心指标，应从模型能力和替代率，转向临床容量、人才留任、安全治理和患者价值。
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
