微新创想（idea2003.com）8月7日 消息：随着人工智能（AI）技术的飞速发展，临床决策支持（CDS）算法正逐渐成为医疗领域不可或缺的助手。这些智能工具能够协助医生在关键的患者诊断和治疗决策中提供精准建议，但它们的效能发挥离不开医生对工具的深刻理解和熟练运用。目前，医疗行业普遍面临医生对AI工具认知技能不足的挑战，这已成为制约技术优势充分发挥的瓶颈。
AI技术正深刻改变着医疗决策的生态格局，而医生作为医疗实践的核心主体，必须提升对AI工具的认知和应用能力。专家指出，系统化的培训和实践学习是提升医生AI技能的关键路径。随着ChatGPT等先进AI系统逐步融入临床工作流，医生们将更直观地感受到这些智能工具在常见医疗场景中的诊断治疗决策支持作用。这些被称为CDS算法的智能系统，能够为医疗工作者提供关键决策指导，例如优化抗生素处方方案，或评估高风险心脏手术的可行性。
然而，8月5日发表在《新英格兰医学杂志》上的一篇权威观点文章指出，这些前沿技术的成功应用高度依赖于医生对工具风险预测的准确解读，而这一能力正是当前许多医生所欠缺的。该研究由马里兰大学医学院（UMSOM）的教师团队联合撰写，揭示了AI医疗工具落地应用中的现实挑战。
CDS算法具有强大的功能，能够在临床不确定性条件下预测多种医疗结果。无论是基于回归推导的风险计算器，还是复杂的机器学习系统，这些算法都能在关键时刻提供专业建议。例如，预测哪些患者面临无法控制的感染导致致命性脓毒症的风险，或是为心脏疾病患者推荐最有效的预防猝死治疗方案。UMSOM流行病学与公共卫生学教授、观点文章合著者Daniel Morgan博士强调：”这些创新技术有望彻底改变患者护理模式，但前提是医生必须先掌握机器的思维方式和工作原理，才能将这些算法真正融入临床实践。”
尽管部分CDS工具已整合进电子病历系统，但医疗工作者普遍反映现有软件操作复杂、体验不佳。UMSOM流行病学与公共卫生学助理教授、观点文章合著者Katherine Goodman博士指出：”医生无需成为数学或计算机专家，但必须具备概率和风险调整的基本认知能力，而目前医学教育在这方面存在明显短板。”
为破解这一难题，Morgan博士、Goodman博士以及波士顿贝斯以色列底比斯医疗中心的合著者Adam Rodman博士提出了系统化解决方案：在医学院早期阶段就开设概率与不确定性基础课程，并采用可视化技术强化概率思维训练。这种培训应包含敏感性和特异性等性能指标解读，帮助医者全面理解测试和算法性能。同时，要培养医生在临床决策中对CDS算法预测进行批判性评估的能力，包括了解算法运行背景、认识其局限性，并考虑可能被算法忽略的患者个体因素。
实践学习环节同样重要。医学生和执业医生可以通过将算法应用于真实病例，研究不同参数输入对预测结果的影响，从而深化对工具的理解。此外，学会与患者就算法指导下的决策进行有效沟通，也是现代医学人才培养的必修课。
马里兰大学近期启动的健康计算研究所（IHC）计划，将为AI医疗发展注入新动能。该研究所整合人工智能、网络医学等前沿计算技术，致力于构建卓越的学习型医疗保健系统。通过评估去标识化医疗数据，IHC将提升疾病诊断、预防和治疗的精准度。Goodman博士将在该研究所担任要职，推动医疗工作者掌握最新技术。
该研究所还计划推出健康数据科学认证项目，为医疗行业培养专业人才。UMSOM院长Mark T. Gladwin博士表示：”概率和风险分析是循证医学的基石，提升医生的这一技能不仅能优化CDS算法应用，更能推动整个医疗体系的现代化转型。”他强调，我们正步入医学变革新时代，像健康计算研究所这样的创新举措，将通过海量数据与机器学习系统结合，为每位患者提供个性化精准医疗方案。