从”要不要上”到”上了却没变”

文章作者观察到，两年前医生最常问的是”该不该用 AI”，如今这个问题几乎消失了。取而代之的现象是：一位医生在两位患者之间查一下 AI、读完答案、关掉标签页、继续看病——工具被”采用”了，诊疗本身却没有改变。

飞利浦（Philips）《Future Health Index 2026》印度报告（于当月发布）用数据勾勒了这层落差：71% 的印度医疗从业者表示 AI 提升了自己接诊更多患者的能力，高于全球 50% 的水平；在感受到提升的人群中，中位数达到每周多接诊 10 名患者。与此同时，78% 的印度医疗从业者曾纠正过 AI 生成的错误信息，86% 认为每一条 AI 输出都需要人工复核；58% 的临床医生报告每年节省至少 132 小时，其中约四分之三把这部分时间用于更充分的医患沟通。另有 45% 表示所在机构的 AI 培训有限或不成体系。

三个条件区分”采用”与”整合”

文章提出，区分”采用”与”整合”的有三个条件，且都与模型本身无关。其一是临床适配：在外部诊疗模式下训练出的系统即使准确，也可能因为药品目录、疾病谱、语言与本地不符而难以落地——对印度门诊而言，结核、登革热、抗生素耐药是日常，而非边缘案例。其二是可验证性：输出须能对照临床来源、且来源可见，信任来自系统架构而非宣传话术。其三是可转化的时间：节省的时间要真正流入诊疗，最明显的标志是医生不再”感觉到”技术在场。

整合是结构性功课

结论很清楚：采用是个体的举动，整合是结构性的改变——系统嵌进工作流、持有诊室里患者的上下文、改变做事的方式，而不是在原有流程上多加一步。尽管报告以印度为样本，”采用容易、整合困难”的落差在各国医疗体系中具有共性。整合阶段能走多快，最终由一个又一个门诊科室决定。