# 医疗 AI 已经进医院了，但我们还不知道它到底能不能让病人好得更快

> 原标题：Health-care AI is here. We don’t know if it actually helps patients.

- 来源：MIT Technology Review · AI
- 发布时间：2026-04-24T09:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/10408
- 原文：https://www.technologyreview.com/2026/04/24/1136352/health-care-ai-dont-know-actually-helps-patients/

## 摘要

密歇根大学的 Jenna Wiens 和多伦多大学的 Anna Goldenberg 在《自然·医学》上发了篇文章，核心就一句话：医院里 AI 工具铺得很快，但没人认真评估它们对病人最终健康结果的影响。2025 年一项研究说，美国约 65% 的医院在用 AI 做预测，其中只有三分之二会检查模型准不准，至于用了之后临床决策有没有变好、病人有没有受益，基本...

## 推荐理由

我会先打个折，这篇文章没有新模型、新法规或临床试验结果，所以分数到不了顶。但它抓的时机很准：医院里AI预测工具铺开了，病人结局的证据却缺位。2025年那两个数字——65%的医院在用，三分之二只测了准确性——直接把信息缺口摆上台面。对从业者来说，这比又一个刷榜的模型更值得盯，因为部署后的临床决策影响才是真金白银的考验。

## 锐评

这条评论的核心判断很直接：医疗 AI 在“跑马圈地”，但效果评估严重滞后。密歇根大学的 Jenna Wiens 和多伦多大学的 Anna Goldenberg 在《自然·医学》上发了篇文章，指出一个尴尬的现实——美国约 65% 的医院已经在用 AI 做预测，但其中只有三分之二会检查模型准不准。至于用了之后医生决策有没有变好、病人有没有实际受益，基本是笔糊涂账。

文章举了“环境 AI”（AI  scribe，就是自动帮医生记病历、写摘要的工具）的例子。医生们用得很开心，觉得省时间、少加班，初步研究也说能缓解职业倦怠。但 Wiens 直接点破：大家只测了医生和病人的满意度，没人去验证这些工具到底有没有影响临床决策。准确率高是一回事，能不能让治疗方案更合理、让病人恢复更快，是另一回事。

我会给这个判断打个折：文章主要引用的是观点文章和行业调查，没有给出具体的病人结局数据对比，所以“不知道有没有用”这个结论本身也缺乏量化支撑。但它的价值在于把问题摆上了台面——医疗 AI 的落地评估不能只停在“模型跑分”和“用户说好”，得有人去追临床终点的硬指标。正文没披露具体的评估框架建议，这也是接下来最该补上的部分。