用代理式AI重振全球医疗的人性化
摘要
医疗保健提供者正转向代理式AI，实现复杂任务自动化，减轻临床医生倦怠，改善患者预后，如HSS利用AI代理处理保险理赔和患者分诊所示。
<p>全球医疗保健行业正面临日益加剧的压力。</p>
<p>数十年来慢性投资不足和招聘限制，恰逢人口老龄化对服务需求的激增。服务缺口已造成影响——患者获取医疗服务碎片化，员工压力大、倦怠率高。而情况还在恶化。<a href="https://www.who.int/health-topics/health-workforce#tab=tab_1" target="_blank" rel="noreferrer noopener">世界卫生组织</a>警告，到2030年人员缺口将增至1100万。</p>
<p>在迫切寻找解决方案的过程中，许多医疗保健提供者如今将希望寄托于代理式AI。据KPMG报告，<a href="https://assets.kpmg.com/content/dam/kpmg/pl/pdf/2025/07/pl-Intelligent-healthcare-KPMG-Report.pdf" target="_blank" rel="noreferrer noopener">超过三分之二（68%）</a>的机构已在其员工队伍中部署了AI代理。</p>
<p>该技术被用于自动化复杂的后台流程、与医疗团队协作，甚至进行患者分诊——这一切旨在减轻临床医生的认知负荷，并在人类医疗工作者供应减少的同时提高患者护理质量。</p>
<figure class="wp-block-image size-full"><img decoding="async" width="2400" height="1260" src="https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png" alt="" class="wp-image-1137828" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png 2400w, https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png?resize=300,158 300w, https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png?resize=768,403 768w, https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png?resize=1536,806 1536w, https://wp.technologyreview.com/wp-content/uploads/2026/05/MIT-Abstract-Thumbnail-2_-V1.png?resize=2048,1075 2048w" sizes="(max-width: 2400px) 100vw, 2400px" /></figure>
<h3 class="wp-block-heading"><strong>一种不同的数字化</strong></h3>
<p>迄今为止，医疗保健领域数字化的收益十分有限。</p>
<p>许多员工指责缓慢或过时的技术加重了行政负担，而非减轻。例如，美国患者数据早在2000年代初就被迁移至电子健康记录（EHR），但这些数据仍然碎片化，且依赖人工输入。</p>
<p>纽约市专注于肌肉骨骼健康的学术医疗中心——特殊外科医院（HSS）的首席数字与技术官Ashis Barad博士指出，新的远程医疗服务及数字护理工具（如远程监控器）也存在类似缺陷。他说，这两种技术确实通过消除地理障碍改善了医疗服务的可及性，但未能复制面对面护理的质量，也未能赢得患者的信任。</p>
<p>他强调，代理式AI与这些现有技术不同。</p>
<p>AI代理不依赖人工输入，也不会将任何稍微超出严格框架的病例默认交由人类处理——它们能够处理微妙而复杂的场景。它们可以自主决策，从专业临床来源检索信息，并随时间迭代优化，从而解放临床医生，使其专注于更高层级的患者护理。正如Barad博士所说：“代理式AI能够压缩、增强、加速你的工作流程，使其表现更出色。”</p>
<p>在HSS，AI代理已在多个领域部署。它们处理复杂的后台流程，例如保险理赔——此前完成这些理赔需要数周时间，且需HSS员工和第三方承包商共同应对工作量。Barad博士表示，如今AI代理每月完成1100件理赔。它们将上诉阶段从45分钟缩短至5分钟，并在实施后的九个月内将上诉成功率从65%提升至100%。HSS现已将所有理赔处理内部化。</p>
<p>在此成功基础上，HSS目前正通过AI调度与分诊服务，在非临床的患者面向场景中部署AI代理，这是与<em>企业级代理式AI开发商Ema Unlimited</em><a href="https://news.hss.edu/hospital-for-special-surgery-deploys-advanced-ai-to-enhance-patient-access-and-accelerate-care-delivery/" target="_blank" rel="noreferrer noopener">合作</a>的一部分。该服务通过网页、短信或电话提供24/7全天候访问。它使用对话式AI向患者询问关于其病情的澄清性问题，然后根据位置、保险覆盖和医生排班情况，为患者预约最合适的临床医生。Barad博士说：“它完成了整个闭环。”他补充道，该AI代理基于“我们所有的背景信息、所有规则和所有知识库”进行训练，为患者提供来自世界领先外科医生的高度专业知识的简化访问途径。</p>
<p>鉴于委托给AI代理的决策具有高风险性，分诊服务内置了安全措施——敏感、复杂或不确定的场景会被升级至人类专家处理。AI代理做出的每一项决策均可审计，人类员工可随时介入。患者数据保持安全，系统基于HSS的所有规程、政策和护理路径进行训练。Ema表示，通过保持人类参与，其技术在高效自动化、以患者为先的安全性和人类知情决策之间取得了平衡。</p>
<p>Barad博士指出，随着该技术变得更为普及，提供者有责任确保在系统中嵌入此类防护措施。在HSS，关于该技术的所有决策都通过一个AI小组委员会进行筛选，该委员会由Barad博士与一位高级护理管理人员共同主持。他解释道，可能涉及患者护理的AI代理将受到远比后台流程更为严格的审查。</p>
<h3 class="wp-block-heading"><strong>AI代理推动系统级变革</strong></h3>
<p>例如，Barad博士计划在纽约市HSS主校区创建一个专门的AI实验室——此举旨在让整个组织都能平等地使用该技术。他解释道，该实验室将向所有希望了解或构建AI代理的员工开放，提供教学课程和一对一培训。他说：“我们要让每个人都能用上代理式AI。”这与<a href="https://www.deloitte.com/us/en/insights/industry/health-care/agentic-ai-health-care-operating-model-change.html" target="_blank" rel="noreferrer noopener">Deloitte的研究</a>相呼应，该研究发现医疗保健领域领先的代理式AI采用者更倾向于选择多代理解决方案，重新设计端到端工作流程，而非局限于狭窄的解决方案或单一用例。</p>
<p>关键似乎是将AI代理整合到整个企业中，将其视为一种通用技术。正如Barad博士所说：“将代理式AI视为具体用例是错误的……它是一种通用技术，类似于电力。”</p>
<p>在实践中，这意味着医疗保健提供者需要奠定正确的基础，才能从代理式AI中获得价值。这包括创建统一的数据策略——整合组织中碎片化的数据源，形成单一、全面的真实信息来源。在医疗保健领域，数据通常分散在多个部门和提供者之间，各自拥有不同的遗留IT系统。</p>
<p>在依赖碎片化数据源的系统中，指标通常也缺乏标准化定义。例如，Barad博士表示，他工作过的每家医院对“手术开始时间”（衡量手术室效率的常用指标）的定义都略有不同。</p>
查看缓存全文
缓存时间: 2026/06/02 15:33
# 用代理型人工智能重新人性化全球医疗
来源：https://www.technologyreview.com/2026/06/02/1137827/rehumanizing-global-health-care-with-agentic-ai
根据毕马威（KPMG）的数据，在迫切寻求解决方案的过程中，许多医疗服务提供者现在将希望寄托于代理型人工智能，超过三分之二（68%）的机构(https://assets.kpmg.com/content/dam/kpmg/pl/pdf/2025/07/pl-Intelligent-healthcare-KPMG-Report.pdf)已经将AI代理纳入其员工队伍。
这项技术被部署用于自动化复杂的后台流程、与医疗团队协作，甚至对患者进行分诊，所有这一切都是为了在人类医护人员供应日益减少的情况下，减轻临床医生的认知负担，并提高患者的护理质量。
### **一种不同类型的数字化**
迄今为止，医疗领域数字化的收益一直有限。
许多工作人员指责缓慢或过时的技术增加了行政负担，而不是减轻负担。例如，美国患者数据在本世纪初被迁移到了电子健康记录（EHR）中，但这些数据仍然分散且依赖手动输入。
特殊外科医院（HSS）首席数字与技术官Ashis Barad博士表示，新的远程医疗服务以及远程监测仪等数字护理工具也存在类似的缺点。HSS是一家专注于肌肉骨骼健康的纽约学术医疗中心。他说，这两项技术通过消除地理障碍，帮助改善了医疗可及性，但它们未能复制面对面护理的质量，也未能赢得患者的信任。
他坚持认为，代理型人工智能与现有这些技术不同。
与依赖手动输入或将任何稍微偏离僵化框架的病例默认交由人类工作人员处理不同，AI代理能够处理细致入微的复杂场景。它们可以自主决策，从专业临床资料中检索信息，并随着时间的推移不断迭代，从而解放临床医生，让他们专注于更高层次的的患者护理。正如Barad博士所说：“代理型AI能够压缩、增强、提升你工作流程，使其性能更出色。”
在HSS，AI代理已在多个领域部署。它们处理复杂的后台流程，例如保险理赔——过去需要数周才能完成，且需要HSS工作人员和第三方承包商共同处理业务量。Barad博士表示，现在，AI代理每月完成1100起理赔。它们将上诉阶段从45分钟缩短到5分钟，并在实施后的九个月内将上诉成功率从65%提高到100%。HSS现在可以在内部处理所有理赔。
在此成功基础上，HSS现在正在非临床的患者面向环境中部署AI代理，提供AI预约调度与分诊服务*，这是其与*企业级代理型AI开发商Ema Unlimited合作的一部分(https://news.hss.edu/hospital-for-special-surgery-deploys-advanced-ai-to-enhance-patient-access-and-accelerate-care-delivery/)。该服务通过网页、短信或电话提供全天候访问。它使用对话式AI向患者询问关于病情的澄清性问题，然后根据地点、保险范围和医生可用性等因素，为患者预约最合适的临床医生。“它完成了整个闭环，”Barad博士说。他补充道，该AI代理基于“我们所有的背景信息、所有规则以及所有知识库”进行训练，为患者提供了从世界顶尖外科医生那里获取高度专业化知识的便捷途径。
考虑到委托给AI代理的决策事关重大，该分诊服务设有内置保障措施——敏感、复杂或不确定的情况会升级给人类专家。AI代理做出的每一个决策都可审计，人类工作人员可以随时介入。患者数据保持安全，系统基于HSS的所有方案、政策和护理路径进行训练。Ema表示，通过保持人类参与循环，其技术在高效率自动化、以患者为中心的安全以及基于人类决策之间取得了平衡。
Barad博士说，随着这项技术的普及，医疗服务提供者有责任确保将这些类型的防护栏嵌入到系统中。在HSS，所有与这项技术相关的决策都通过一个由Barad博士与一位高级护理主管共同主持的AI小组委员会进行筛选。他解释说，可能涉及患者护理的AI代理，其审查严格程度将远高于后台流程等。
### **AI代理促发系统性变革**
例如，Barad博士计划在纽约市的HSS主校区建立一个专门的AI实验室——此举旨在使整个组织能够更民主地获取这项技术。他解释说，该实验室将向所有希望了解或构建AI代理的工作人员开放，并提供信息丰富的课程和一对一培训。“我们正让代理型AI进入每个人的手中，”他说。这印证了德勤的研究(https://www.deloitte.com/us/en/insights/industry/health-care/agentic-ai-health-care-operating-model-change.html)，该研究发现，医疗领域领先的代理型AI采用者更倾向于选择多代理解决方案，重新设计端到端的工作流程，而不是局限于狭窄的解决方案或个别用例。
关键似乎在于，要将AI代理整合到整个企业中，将其视为一种通用技术。正如Barad博士所说：“把代理型AI看作是特定的用例是错误的……它是一种通用技术，类似于电力。”
在实践中，这意味着医疗服务提供者需要奠定正确的基础，才能从代理型AI中获得价值。这包括创建统一的数据策略，将组织中分散的数据源整合成一个单一、全面的真实来源。在医疗领域，数据通常分散在多个部门和提供者手中，各自都有自己遗留的IT系统。
在依赖分散数据源的系统中，指标通常也缺乏标准化的定义。例如，Barad博士说，他工作过的每家医院对“手术开始时间”（一个常用于衡量手术室效率的指标）的定义都略有不同。这种碎片化程度阻碍了AI代理从不同来源或应用中检索信息，并整合那些使其有别于其他技术的隐性知识。
通过在HSS创建更强的数据互操作性，面向患者的AI代理可以从患者的临床护理史和其临床医生的现有建议中提取信息，将这些信息与当前症状相结合，决定某个情况是否需要升级，然后通知相应的专家并告知患者。
### **构建更好的结果**
对于Barad博士而言，AI代理彻底改革医疗保健、缓解当前资源、可及性和患者护理压力方面的潜力是巨大的。
他设想了一个未来，90%的非临床医疗任务可以由AI代理管理，从而将临床医生解放出来，从事他所谓的“白手套工作”——即最复杂、最专业和最敏感的病例。
大多数医疗服务提供者似乎同样乐观。根据毕马威的研究(https://assets.kpmg.com/content/dam/kpmg/pl/pdf/2025/07/pl-Intelligent-healthcare-KPMG-Report.pdf)，84%的提供者已经乐于将特定流程的决策权交给AI代理。
“我们现在花太多时间在键盘和电脑上，以至于实际上没有做我们应该做的事情，”Barad博士说。“这将会重新人性化医疗保健。”
*本内容由MIT Technology Review的自定义内容部门Insights制作。它并非由MIT Technology Review的编辑人员撰写。它是由人类作者、编辑、分析师和插画师进行研究、设计和撰写的，包括调查问卷的设计和调查数据的收集。可能使用的AI工具仅限于经过人类严格审查的次级制作流程。*
相似文章
AI智能体
分析高盛研究，对比AI智能体与人类在编码、支持和数据录入方面的成本，并预测token消耗增长及推理成本下降。讨论生产力提升、岗位替代及医疗健康领域的机遇。
CHI-Bench: AI智能体能否自动化端到端、长周期、政策密集的医疗工作流程？
本文介绍了CHI-Bench，这是一个用于评估AI智能体在需要基于政策的决策、多角色组合和多边交互的复杂医疗工作流程端到端自动化方面的基准。实验结果表明，最佳智能体仅实现了28%的任务解决率，突显了当前智能体在政策密集的企业领域中的能力差距。
降低医疗保险成本并改善护理质量
Oscar Health 已成功部署 OpenAI 的 API 来自动化临床文档和理赔处理，将文档时间减少 40%，理赔解决时间减少 50%，同时建立了一个 AI Pod 来指导整个组织负责任地采用 AI。
启用全新医疗模式：AI 联合临床医生
Google DeepMind 宣布启动 AI 联合临床医生研究计划，旨在通过"三方协同诊疗"改善医疗服务——即 AI 智能体在医生监督下协助患者。该系统在一项初级医疗咨询研究中展现出高准确率且零严重错误，表现优于现有循证综合工具。
医疗健康
OpenAI Academy 发布了医疗健康用例指南，包含适用于临床工作流程的提示模板，涵盖诊断测试、鉴别诊断、护理计划和患者文档。旨在帮助医疗专业人员利用AI进行临床决策。