进入2026年，医疗行业高管面对着一项颇具吸引力的生产率主张。生成式系统可以聆听问诊、起草记录、概述住院过程并检索档案。若能减少文书工作，临床医生便可接诊更多患者，同时减轻职业倦怠。Abraham Verghese在斯坦福大学的工作，为这一投资逻辑提供了有益的补充：节省的时间只有重新用于医生对患者的关注，而非变成又一个提高吞吐量的单位，才真正具有价值。
维尔盖塞是医学荣休教授，并继续主持由他创立的斯坦福“临在”项目；该项目旨在研究和加强医疗照护中的人际联系。多年来，他一直主张技术应支持床旁诊疗，而非取而代之。这一立场过去听来只是对电子病历的人文主义纠偏。随着医院签订环境感知人工智能服务合同，它已成为一套运营与资本配置框架。
问题已不再是机器是否应当进入诊疗过程——它们早已身在其中。医疗体系面临的决定是：哪些任务应当自动化、保留多少核验环节，以及由此释放的能力应投向何处。维尔吉斯的贡献在于坚持认为，在场并非装饰。专注可以发现遗漏的体征、增进信任、问出关键病史并减少错误。如果一项AI方案只是缩短了病历记录，却让临床医生更加分心，那么它在经济和临床层面都失败了。
初步证据令人振奋，也带来棘手问题
斯坦福大学2026年发表的一项试点研究表明，简单宣称投资回报率为时尚早。一套AI工作流程为384例出院记录起草住院经过摘要，共生成1,274份摘要。医生在57%的病例中采用了AI生成内容。在收到详细反馈的摘要中，25%被发现存在遗漏，20%存在不准确之处，2%出现幻觉。研究未报告严重伤害，独立审查认为该系统在这一受控环境中总体安全。
该工具与医生职业倦怠评分显著下降相关，这对面临人才留任压力的医院而言是一项重要结果。经测算，文档记录环节节省的时间不多，且在统计上存在不确定性：匹配用户最多仅节省约三分钟，尽管临床医生感觉自己节省的时间远不止于此。修改草稿在认知负担上可能比从头撰写更轻松。这一益处确实存在，但并不会自动带来更多可收费的诊疗预约。
这一区别对采购方很重要。供应商常以提高劳动效率来推销人工智能，而员工看重的可能是减轻疲惫。医疗系统应同时对两者建模。从长期看，降低职业倦怠可以减少人员流失、招聘成本和临床风险，但这种影响更难计入季度预算。如果强行把节省下来的每一分钟都转化为更多接诊量，可能会重新制造这款软件原本旨在缓解的负担。
其他早期数据同样表明有必要保持谨慎。在斯坦福大学一项急诊科研究中，环境式医疗记录助手仅用于11.2%的适用就诊。使用者集中在少数医生，应用场景也多为病情较轻且无需口译的病例。使用该工具时，记录用时有所缩短，但这一模式表明，技术首先用于最容易处理的就诊场景。若一套系统主要适用于简单的英语诊疗，可能会扩大生产率和医疗可及性差距。
亲临现场是一种运营能力
Presence尝试把临床接诊定义为一种有意识地运用觉察、专注与联结的实践。其Presence 5框架把这一原则转化为可以教授和研究的行为。这对管理至关重要，因为停留在抽象层面的价值观很少能经受预算压力。医院可以训练临床人员在进入诊室前做好准备、主动倾听、就优先事项达成共识，并清晰结束接诊，继而检视这些做法是否改善体验与安全。
韦尔吉斯还强调体格检查的重要性。数字病历包含海量数据，但一项照抄的诊断或一次遗漏的床旁检查发现，都可能在系统中持续传播。自动化或许能更流畅地概括病历，却无法纠正根本错误。患者的身体仍是独立的信息来源。人工智能接手文书工作后，腾出的注意力应当用于加强观察和交流，而不是促使临床医生把病历视为完整无缺。
其商业影响不止于环境式医疗记录工具。临床决策支持、远程监测和自动分诊都会改变注意力的分配方式。工具可以将某位患者列为优先复核对象，但管理层必须决定由谁响应、响应速度多快。如果不重新设计工作流程，警报只会变成另一条待办队列。因此，技术投资还应包括培训、升级处理规范、质量监测，以及为员工处理系统输出预留专门时间。
这使实施成本高于软件许可费用。医院需要安全的数据基础设施、与电子病历的系统集成、知情同意流程和人工复核。部署后还需要一套衡量遗漏、偏差和险些发生的错误的方法。如果临床医生另行建立变通流程，或低质量记录导致后续纠正，成本最低的试点在规模化后也可能代价高昂。
财务回报分布于整个体系
医疗健康行业的领导者常试图以单一节省项目证明人工智能的合理性。更可信的价值逻辑分布在多个方面：更完善的文档记录可以支持准确编码并减少理赔拒付；减少下班后的文书工作可以改善人员留任；更清晰的出院小结可以减少后续疑惑；问诊时给予更多关注可以提高依从性，并更早发现疾病；患者信任则可能提升医疗系统的声誉并扩大转诊基础。
分散于各处的价值难以归因，由此产生采购风险。支付软件费用的部门，未必能获得软件在其他部门创造的节省。财务团队应在实施前确立企业级衡量指标：病历记录总耗时、员工流失率、记录质量、拒付率、不良事件、患者体验和预约接诊能力。对供应商的付费应依据其能够影响的结果，而不能只看启用的席位数或生成的记录数。
人工审核是另一项隐性成本。临床医生仍须对机器起草的内容负责，并必须加以核实。随着模型生成的文本愈发精致，自动化偏见可能令错误更难被察觉。斯坦福出院试点发现，遗漏比幻觉更常见，这是一个有益的警示。即使现有的每句话都准确，缺失的语境仍可能具有临床重要性。质量保证应检验完整性，而不只是检验错误陈述。
此外还存在责任分配问题。合同可能限制供应商责任，而由医院和临床医生承担临床风险。监管机构仍在调整应对方式。医疗系统应保留审计追踪记录，注明机器生成病历的来源、编辑历史及最终批准人。这套基础设施不会创造收入，但在错误受到质疑时可为机构提供保护。
亚洲让注意力难题更加突出
World Health Organization东南亚区域覆盖近20亿人口，面临卫生人力短缺、地理位置偏远和慢性病负担加重等问题。数字健康可以扩大稀缺专业能力的覆盖范围，推动信息标准化，并为在极大接诊量下工作的临床人员提供支持。该区域还拥有雄心勃勃的国家级数字化项目，自然成为临床人工智能实现规模化应用的市场。
在问诊时间本已十分紧张的环境中，维吉斯的框架尤为重要。自动化可以让医生多出几分钟用于检查和解释，也可能被用来增加每日接诊量。后者或许能改善表面上的医疗可及性，却会减少诊断投入。政策制定者和医院集团应将回归诊疗的时间视为一项明确收益，而非可以立即榨取的未分配产能。
语言和文化带来更多障碍。亚洲的问诊经常在多种语言之间切换，或混合使用多种语言。患者可能用本地表达描述症状，而通用模型会产生误解。急诊科在没有口译介入的病例中呈现的采用模式表明，最需要沟通支持的人可能无法享受到性能优势。本地验证必须涵盖口音、语码转换、健康素养较低者及通过口译员进行的诊疗互动。
数据基础设施同样并不均衡。大型城市医院集团可能拥有整合的记录；农村诊所则可能依赖纸质或碎片化系统。基于文档完备的三级医疗训练的生成式工具，在语境信息稀缺时可能表现不佳。投资不应从护理、基层医疗或使人工智能发挥作用的互操作记录中抽走资金。技术可以放大劳动力能力，但无法替代不存在的劳动力。
AI诊所的领导力标准
维尔盖塞并未领导一家上市医疗公司，但他的影响直接关系到数十亿美元医疗科技资本的配置方式。《临场》重新界定了买方目标：重点不是最大限度实现自动化，而是以更安全、更人性化的方式分配稀缺的临床关注。这会改变产品设计、工作流程和生产率的定义。
医疗系统应从临床医生认为负担沉重、且能够可靠核验的任务入手。文书记录是合理目标，因为医生可以看到最终记录。自主诊断或分诊功能则需要达到更高的证据门槛。只有在性能得到验证后，部署才应逐步扩展至复杂程度更高的患者和更多语言；不能想当然地认为，在英语环境的学术诊所取得成功，就能直接复制到亚洲公立医院。
董事会还需追问，节省出来的时间被用于何处。如果用于增加与患者接触、休息或团队讨论，回报或许会体现在人员留任和安全性上；如果被新的行政工作占据，这项投资只是转移了负担；如果转化为更大的接诊量，管理层就应监测就诊质量或治疗结果是否恶化。所有选择都会产生影响。
2026年具有决定意义的证明，不会是模型基准测试或大型部署合同，而是临床医生用于服务病历系统的时间减少、患者获得更可靠的关注，且错误没有转移到更隐蔽的形式。多年来，维尔盖塞一直致力于将临床在场确立为医疗技术核心的一部分。当AI能让这种稀缺的人类能力惠及更多人——包括最难服务的患者和语言群体——它才足以证明其医疗保健估值合理。
