2021年5月，中国一个县级医院CT室迎来了“新同事”——AI辅助诊断系统。这位不知疲倦的助手能够瞬间识别CT图像中的可疑病灶，为医生提供诊断的“第二意见”。然而，随后的数据却显示出一个令人困惑的现象：医生们的诊断报告变得更加详尽，但科室每日能够处理的CT数量却明显下降了。
这一发现来自于浙江大学管理学院“百人计划”研究员杨浙帅团队的研究，他们通过对该医院胸科CT诊断数据的深入分析，揭示了一个数智医疗领域的悖论：AI辅助在提升医生工作质量的同时，可能会降低工作效率。这项研究将关注点从患者感知转向临床医师行为，对优化医疗资源配置与管理决策、最终提升患者满意度与健康福祉具有关键意义，对正在积极推进数字化转型的基层医院具有重要启示。
杨浙帅，浙江大学管理学院市场营销学系“百人计划”研究员
戴思琦，浙江大学管理学院市场营销学系博士生
谢芷翊，浙江大学管理学院市场营销学系博士生
*伦敦大学学院（University College London）市场营销学系助理教授Wei Miao同为论文合著者
本期【数智创新与管理】，一起来关注这项发表在Journal of Digital Management上的研究，看AI辅助如何在现实中影响医生的工作表现。
当AI医疗走向基层 | Part.1
近年来，人工智能在医疗领域的应用呈现爆发式增长，其临床应用已覆盖多个医学领域。从IBM Watson肿瘤系统到Google DeepMind的眼底疾病诊断，AI技术展示了其在提高诊断准确性和效率方面的巨大潜力。到2025年，预计90%的医院将采用医疗AI辅助医生工作。
然而，大多数研究将目光投向大型三甲医院或顶尖医生群体，对于AI在资源相对有限、医生资质普遍平均的基层医院中的应用效果却关注甚少。这正是杨浙帅团队选择县级中心医院作为研究对象的原因，本研究选区的医院作为该县主要医疗中心，每日接待大量患者，其CT科室医生资质总体处于平均水平，代表了我国广大基层医院的典型情况。
“基层医院是中国医疗体系的毛细血管，它们服务着最广大的患者群体。”研究指出，“了解AI在这些环境中的真实影响，对优化全国医疗资源配置至关重要。”
AI辅助下，工作质量提升，效率却下降了？ | Part.2
研究团队收集了该医院系统上线前后各180天的胸科CT诊断数据，分析了AI引入对医生工作表现的影响。结果揭示了一个看似矛盾的现象：
工作质量显著提升
引入AI辅助后，医生撰写的CT报告长度明显增加了——结论部分和描述部分都有明显增多，诊断过程更加详尽和全面了。这是因为AI卓越的图像处理精度能够识别出人眼经常遗漏的亚视觉异常和小病灶，从而减少诊断遗漏，提高检测的全面性。而且，AI基于数据的学习能够提供专家级别的“第二意见”，这对初级临床医生尤其有益。此外，AI还能促进操作规范的遵循，减少操作不规范和主观错误。
工作效率明显下降
与预期相反，AI辅助并未提高医生的工作效率。数据显示，CT科室每日处理的胸科CT报告总量明显下降，平均每位医生每日处理量减少了。这一发现挑战了“AI能够提升效率”的普遍假设。
这种“质量—效率”权衡关系，揭示了AI辅助在真实医疗场景中的复杂影响。更值得关注的是，这种关系并非静态不变，而是随着时间推移呈现动态演化。研究团队进一步分析了AI引入后六个月内的月度数据，发现了明显的趋势变化。具体而言，工作质量的提升稳步增长，工作效率的下降逐渐加剧。也就是说，随着AI辅助使用时间延长，效率下降的问题会随着时间的推移而加剧。
为什么AI会带来这种悖论？| Part.3
为什么AI辅助并没有实现预期中的“双赢”局面？研究团队指出，有三个关键因素导致了效率的降低。
首先，AI增加了初级放射科医生的认知负担。对于资质较浅的医生而言，当他们与AI输出的诊断结果不一致时，可能会产生自我怀疑，促进而花费更多时间进行验证和确认，延长了单个病例的诊断时间。其次，对AI系统的有限理解降低了他们对AI的信任度。医生对AI系统的信任不是一蹴而就的，在缺乏对AI系统决策逻辑充分理解的情况下，为了确保患者安全，他们不得不花费更多的时间来验证结果。第三，AI辅助改变了原有的临床工作流程，医生需要时间探索与AI协作的最优模式。在这一适应期内，效率暂时下降几乎不可避免。
值得注意的是，这些机制在资质平均的医生群体中可能更为明显。他们既缺乏资深专家的丰富经验来快速验证AI建议，又可能因AI辅助而产生更高的自我要求，导致在质量与效率之间更倾向于前者。这反映了基层医疗机构的现实困境——他们渴望通过新技术提升服务水平，但又面临资源和能力的双重约束。
如何平衡AI辅助中的效率与质量？| Part.4
面对AI辅助带来的“质量—效率”悖论，医院管理者和AI开发者应如何应对？研究团队基于发现，提出了多项实践建议。
差异化应用策略
医院应根据病例复杂度和风险水平，制定差异化的AI使用策略。对于复杂、高风险病例，优先使用AI辅助确保诊断质量；对于常规病例，则可适度限制AI使用，以保持整体工作效率。
加强医生培训
培训内容不应仅限于AI系统操作，还应包括如何快速解读AI建议、将其整合到诊断流程中，以及如何在AI辅助下保持独立临床判断能力。帮助医生建立对AI系统的合理信任，减少不必要的验证时间。
优化系统设计
AI开发者应致力于创建更用户友好的界面，提供决策透明度和解释性，帮助医生理解AI的判断依据。持续更新和扩大数据库，优化算法，提高诊断准确性，从而增强医生对系统的信任。
对于广大基层医院而言，这一研究提供了宝贵的参考。总的来说，在引入AI系统时，应预期到可能的效率下降，并制定相应应对策略。同时，认识到医生需要较长时间适应AI辅助工作模式，管理者应提供足够的支持和培训，帮助团队顺利过渡。
杨浙帅团队的研究打破了我们对AI辅助医疗场景的简单想象，揭示了数智技术在真实医疗场景中应用的复杂性。AI不是万能药，其效果受到组织环境、使用者特征和实施策略的多重影响。
在资源有限的基层医疗环境中，AI辅助呈现的“质量-效率”权衡尤为值得关注。它提醒我们，技术创新必须与组织变革、人员培训同步推进，才能真正发挥价值。未来，随着AI技术的不断成熟和医生适应能力的提升，这一悖论或许会逐渐缓解。但当前阶段，认识到这一挑战，并积极寻求平衡之道，才是推动数智医疗健康发展的关键。
