急诊科存在结构性问题
全美各地的急诊科已成为医疗体系的最后安全网，而这个体系往往在患者到达急诊室门前很久就已经辜负了他们。持续数天的滞留、走廊里挤满等待床位的患者、临床医生淹没在文书工作中、支持人员极度短缺——这些并非异常现象，而是常态。在本周的《AI预后》专栏中，布里塔尼·特朗认为，人工智能工具——无论多么复杂——都无法修复急诊室，因为急诊室的问题不是软件问题。它是医疗保健组织、融资和交付方式中更深层、更顽固缺陷的症状。
这一结论与蓬勃发展的AI医疗保健领域背道而驰。近年来，人们对AI抄写员的炒作已达到白热化程度，这些工具可以聆听患者与临床医生的对话并自动生成临床笔记；预测算法可以标记脓毒症风险或创伤严重程度；计算机视觉有望以超人般的准确性读取胸部X光片和CT扫描。急诊科充满时间压力、数据量大且风险高，看起来是完美的试验场。
为什么AI对急诊医学有吸引力
这种吸引力是可以理解的。急诊医学是最依赖文档记录的专科之一。一个典型的班次会产生大量的病历记录、交接记录、计费代码和质量指标。医生通常每直接护理患者一小时，就要花两小时进行下班后的记录工作。AI抄写员承诺可以节省这些时间，让医生专注于患者而不是屏幕。分诊工具使用机器学习根据风险评分对患者进行优先排序，可能减少等待时间。脓毒症预测模型可以提醒临床医生注意细微的早期迹象，就像自动化的肩后一瞥。
然而，特朗指出，这些工具在系统的边缘运作。它们无法改变这样一个事实：急诊室是许多人在夜间、周末或没有保险时唯一能获得护理的地方。它们不会为需要住院但无处可去（因为医院已满员）的患者创造住院床位。它们无法缓解护士、精神科工作人员或社会工作者的短缺。它们无法阻止那些因无法预约初级保健医生而前来就诊的患者，也无法满足那些并非医疗需求而是社会需求（住房、食品安全、交通）的患者。
AI抄写员治标不治本
以AI抄写员为例，它是医院管理者的宠儿。它是“愚蠢问题”解决方案的完美例子：自动化记笔记这一平凡、重复的任务。在此过程中，在临床接触期间，该工具可能确实减少职业倦怠，并恢复医生与患者之间的眼神交流。使用此类工具的医生报告称，至少最初疲劳感减轻，满意度提高。但文书负担的更深层原因——无用的点击、防御性医疗、合规驱动的复选框以及向保险公司证明每一分钟的必要性——仍然无法触及。
一个奖励数量而非价值的体系仍会推动临床医生看更多患者，即使记录自动化了。即使自动减轻了打字负担，医生仍会感受到拥挤候诊室和管理者设定的四小时目标的压力。AI抄写员并没有增加时间；它只是转移了被压缩的时间去向。如果不改变激励机制、人员配置比例和护理报销方式，最终效果可能是医院只是为相同数量的医生安排了更多患者接触，进一步加速职业倦怠。
同样，基于AI的分诊工具可能有所帮助，但需要仔细校准并整合到已经有效的工作流程中。如果底层流程混乱，算法就会继承这种混乱。预测模型可能编码历史数据中的偏见，从而对已经边缘化的人群造成更差的护理风险。
“愚蠢问题”最难解决
特朗的专栏是更广泛的《AI预后》系列的一部分，该系列一直认为，AI在医疗保健领域采用的最大障碍不是花哨的算法，而是不起眼、乏味的“愚蠢问题”：数据互操作性、警报疲劳、用户界面和监管清晰度。STAT其他地方报道的一位前ARPA-H主任的初创公司据说正在解决这些问题，承认AI在医学领域最大的胜利可能来自重建数字管道，而不是做出宏大预测。
在急诊科背景下，这些愚蠢问题无处不在。驱动叙述性抄写员的自然语言处理必须适应每种口音、方言和医学术语。界面必须在杂乱办公桌上的旧电脑上运行。AI输出需要流入来自多个供应商的电子健康记录，每个供应商都有自己的结构。警报必须调整，以免临床医生因警报疲劳而完全忽略它们。解决这些问题至关重要，但即便如此，也只是让粗糙的表面稍微光滑一些。
无法解决的是滞留问题。全国各地的急诊科报告创纪录的等待时间，因为患者无法转移到住院病房。这通常是由于医院床位短缺，而不是因为入院被文书工作延迟。如果医生有危重患者需要ICU护理，但没有空闲的ICU床位，任何AI工具都无法创造一张。同样，当精神科患者等待数天才能进入精神卫生机构时，AI不会为患者提供住所，也不会扩大精神科劳动力。
有些问题没有技术解决方案
急诊医学的紧缩也反映了更广泛的劳动力短缺。护士大量离职，因疫情时期的倦怠和恶劣的工作条件而加剧。医生提前退休或寻求承诺更好工作与生活平衡的工作。将AI抄写员引入剩余护士和医生中可能会减轻一些压力，但无法重建训练有素的专业人员管道。系统性修复涉及对教育的更大投资、调整工作时间和薪酬，以及创建安全的人员配置比例——这些任务是政治性的，而非技术性的。
然后是患者本身。急诊科越来越多地成为未满足社会需求的存储库。一位没有照护者的老人跌倒；一位有成瘾问题但没有护理计划的年轻人；一个经历无家可归的工作家庭。AI无法安排家庭护理、增加经济适用房或确保获得心理健康咨询。这些案例在运作良好的系统中并非“边缘案例”；在许多医院，它们代表了每日就诊者的相当大比例。EMR数据、诊断代码和叙述都揭示了社会健康决定因素的模式，而不是技术流程中的缺陷。
真正的前进之路
特朗的结论并非AI在急诊室毫无价值。相反，专栏承认一些工具可以提高文档准确性、减少常规错误，并帮助临床医生进行信息检索。但这些是支持性角色。期望AI能够重组和振兴急诊室是错误的。困扰急诊科的问题与困扰整个医疗保健的问题相同：碎片化的融资、初级保健和精神卫生服务短缺、公共卫生资金不足以及人口老龄化，所有这些都叠加在过时的运营模式之上。
用AI“修复急诊室”的努力甚至可能适得其反，如果它们导致领导者回避更艰难的对话。管理者可以指着新的AI仪表板作为改进的标志，同时却忽视增加护士比例、改进滞留协议以及与社区组织合作转移非紧急护理的必要性。急诊科是整个医疗生态系统的减压阀，它已接近爆裂。再多的巧妙技术也无法改变这一点；只有改变护理服务结构的承诺才能做到。
《AI预后》的教训是，我们应该停止问AI能否修复急诊室，而应该问为什么我们期望技术解决只有政策、领导和资金才能解决的问题。让算法提供帮助，但不要让它们承担整个需要支持的系统重量。
正如特朗所写，AI无法改变急诊室的问题。这不是科学的失败。它提醒我们，医疗保健是一个人类系统，其最困难的问题仍然顽固地属于人类。
本文基于STAT新闻的报道。阅读原文。
Originally published on statnews.com
