生成式人工智能正以前所未有的速度进入临床领域，有望更高效地形成医疗见解并优化运营效率。然而，在追求速度的同时，可信度、透明度与临床相关性，成为医疗专业人士关注的焦点。对于生成式人工智能应用于临床决策支持领域时“溯源”的重要性，威科集团医学事业部临床内容战略总监Sheila A. Bond博士分享了她的专业见解。

生成式人工智能正在改变临床医生的工作方式，在医疗领域中，AI的挑战是什么？

当今临床医生面临着海量的医疗信息；挑战不仅存在于如何获取信息，更在于如何辨别信息。没有实质内容支撑的速度即是风险。临床决策需要具有可靠性、相关性和责任追溯机制。这些决策必须建立在事实与证据基础上，而非基于概率性技术。

在临床人工智能领域，这意味着能够将系统建议追溯至其所依据的证据与专家判断。验证并非可选项，而是至关重要的基础。因此，溯源不仅是技术细节，更是临床实践的必要准则。

AI赋能的临床决策支持系统的溯源机制有哪些关键组成部分？UpToDate Expert AI 是如何实现的？

我们认为溯源机制有三大关键支柱，分别是源头、推演、问责制。

首先，临床人工智能需要构建于可信赖的知识基础之上。

当前存在一种普遍的误解——人们往往认为，倘若人工智能能够实时汇总所有的医学文献，临床医生就能做出更优的决策。然而，临床推理不仅仅是信息的整合，更需理解哪些信息重要、何时重要以及为何重要。目前没有任何技术能够独立完成这种判别。

威科集团UpToDate Expert AI的生成式人工智能功能植根于UpToDate的临床知识体系。这些内容的底层编辑流程不仅严谨规范，更具有前瞻性和预见性，旨在精准反映用户面临的真实临床场景。

UpToDate Expert AI所依据的UpToDate临床内容，逐字逐句都由专家撰写、经过同行评审并定期更新。添加到UpToDate的每项研究均经过严格审查，以确保其相关性、与临床背景的契合度、方法严谨性、指导或改变临床实践的适用性以及对风险和获益的平衡考量。

UpToDate Expert AI中的“来源”响应部分

其次，推演过程需要高度透明。

面向临床医生设计的系统不应简单地将通用技术应用于海量内容，而应反映临床医生的思维方式、优先级判断及决策过程。

透明度同样至关重要。临床医生必须能够清晰地追溯系统得出结论的完整路径——不仅要呈现结果，更要展现其背后的推理逻辑。

可追溯性必须实现无缝衔接。验证始终是即时、直观且至关重要的。

第三， 每一项见解背后需要临床专业知识的支撑。

生成式人工智能系统的设计并不是中立的——它反映了构建者的专业判断、实践经验和设计意图。强大的系统不仅是将技术应用于内容；更是由精通临床实践与人工智能技术的团队共同塑造的成果。

这类工作需要复合型的技能和领导力：既要精通循证医学、具备批判性思维，又能以创新方式构建有效的知识体系。我们的方法论植根于临床专家和技术专家的紧密协作。系统的每一环节都与临床推理过程相对应，并通过保障患者安全的防护机制予以强化。

在生成式人工智能系统的开发中，如何平衡技术创新与临床专业性？

我们坚信，医学领域的生成式人工智能系统需由临床专业知识驱动，而非纯粹的技术导向。

我们系统的独特之处在于其背后深厚的临床专业知识储备。UpToDate Expert AI的核心是一支由执业医师和药剂师组成的专业团队，他们拥有专科诊疗、医院管理、患者安全、医学教育、出版和内容技术等方元背景。他们的工作建立在更广泛的基础之上——由全球7600余名内容专家组成的UpToDate专家网络。这些各领域的权威专家，由威科内部接受过循证方法学培训的医师编辑团队提供支持。

“由医生打造、为医生服务”

这种集体经验不仅是一种认证——在医学领域，署名即意味着责任、所有权和对质量的承诺。反之，匿名运行的系统则可能削弱信任。通过让系统背后的专业知识清晰可见，我们坚守这一核心原则：医学领域的生成式人工智能，不仅要以技术能力构建，更必须以专业操守为根基。

对于未来生成式人工智能系统的发展，您有哪些展望？

临床知识正在从“人工审核的证据”转向“概率驱动的合成”，需要将“可追溯、可验证、可问责”嵌入系统的核心，将生成式人工智能变成临床决策的“增强同事”，而非取代医生的“黑盒权威”。我们在白皮书《构建桥梁—生成式人工智能与临床知识的未来》中，详细阐述UpToDate Expert AI如何在临床知识的收集与创新转变之间搭建桥梁。

专家介绍：

Sheila A. Bond医学博士

威科集团医学事业部 临床效能业务 临床内容战略总监

Sheila A. Bond博士是威科集团医学事业部临床内容战略总监，负责领导相关战略计划，确保临床内容持续发展，以满足用户及客户的需求，以及他们所处环境和技术发展的需求。