【医学进展】AI赋能医疗:UCLA Health如何安全、负责任地将人工智能融入临床、科研与教育

🏛️ AI在医疗中的演进：从1975年NIH研讨会到2026年临床落地

1975年6月，美国国立卫生研究院召集了一个研讨会，让科学家们交流各大学开发的临床诊断模型。50年后，AI在医学中的应用已成为现实：医疗数据已数字化，计算能力远超70年代中期。

如今，AI正迅速扩展到全美各地的医疗系统。其日益复杂的程度——机器学习、深度学习、基础模型——正在推动UCLA Health将AI深思熟虑地整合到临床、科研和教育的各个环节。

⚕️ 临床护理：以改善患者结局和体验为核心

UCLA Health首任首席人工智能官Paul J. Lukac博士表示，实施AI的主要重点是改善患者结局和体验。“我一直在思考确保我们使用AI是安全、负责任的，我们的模型在各个患者群体中都能良好、公平地运行。”

已部署的AI工具：

1. 智能聊天机器人：在官网为患者提供快速、精准的信息（如最近专科医生的姓名、号码、日程）。下一迭代将允许直接预约。

2. AI“scribe”：将医患就诊的音频转成临床笔记，已在系统内拥有约1000名用户。它减少了医生记录和修改笔记的时间，让医生能更多地面向患者交流。Lukac博士说：“它真正恢复了我们从医的初衷——与面前的人交谈，而不是在键盘上打字。”

3. 影像分诊工具：例如在急诊室为中风患者做头部CT时，AI先进行初筛。若发现可疑病灶，将该图像推到放射科医生阅读队列的顶部，实现更快救治。

AI来源与审核：

• 约40%来自UCLA Health内部的AI开发实验室，定制模型解决本系统特有需求。

• 电子健康记录系统Epic嵌入多种AI选项（如快速总结病历）。

• 其余来自外部供应商。所有工具均由UCLA Health AI委员会审查，确保伦理、负责任的使用以及数据安全与隐私。

Lukac博士强调：“AI可以成为积极的力量，但我们需要人在回路中。”

🔬 科研：加速药物发现、患者监测与AI能力验证

UCLA Health首任健康AI战略与创新副院长、AI与智能健康中心主任Katherine P. Andriole博士，旨在为研究人员提供基础模型等工具，处理UCLA Health系统内生成的海量临床数据。

应用案例：

1. 老年肿瘤患者预评估：临床研究高级副院长Arash Naeim博士正在测试对话式AI代理，在老年癌症患者就诊前评估其老年状态（能否举起10磅？AI代理可举例说明“相当于两袋杂货”）。患者可自主安排时间，并随时提问。

2. 心力衰竭患者自主管理：UCLA最近提交了一项资助申请，研究利用AI连续监测可穿戴设备和植入设备的数据，预警未来不良事件。Naeim博士比喻：“会像自动驾驶吗？你对安全有多大的信心才能让它自主？这些都是我们将要回答的激动人心的问题。”

3. 基础与转化科学：琼森综合癌症中心发布AI癌症研究种子基金时，约80%的申请属于基础与转化科学，AI正加速药物发现和靶点定位。

4. AI能力科学验证：部署AI scribe前，先在小范围临床医生中测试，随后Lukac博士等研究者对两种领先的scribe技术进行了首个随机对照试验。Andriole博士认为：“通过严格验证这些工具，我们可以展示其运作方式和益处，这是UCLA的与众不同之处。”

🎓 教育：分层培训，平衡传统技能与AI依赖

Andriole博士还负责健康AI教育的咨询。AI的采用意味着员工需要提高技能和培训。每个人都需要基础水平的知识，但额外的教育将分层进行，包括基本用户、技术评估者和AI工具开发者。

“AI技术的用户需要在高层次上理解它们的工作原理，以便了解工具何时可能出错。”

由Serena Wang博士领导的UCLA医学教育AI委员会正在创建将AI融入医学生教学的框架。其中存在微妙的平衡：如果在太初级的阶段就给与这些工具，学生是否会失去学习传统技能的机会，还是会对AI产生依赖？何时在培训中引入AI工具正在讨论中。

Andriole博士总结：“目标是让UCLA成为健康AI领域的国家和国际领导者。”

🌍 总结：人本AI，安全第一

UCLA Health通过AI委员会审核、临床试验验证、分层培训及“人在回路”哲学，正在建立一个负责任、公平、可扩展的AI医疗生态系统。从聊天机器人到临床笔记、从影像分诊到老年评估，AI正成为改善患者体验和临床结局的强有力辅助工具。

注：本文基于官方信息及公开医学资料整理，为知识性科普，仅供学习、交流，请勿用作商业用途；文中插图源自网络及截图，如有侵权请联系删除。

参考资料

1. Abraham MR. Thoughtfully incorporating AI into UCLA Health. UCLA Health Newsroom. June 3, 2026.

2. UCLA Health AI Council guidelines and deployment data.