用语言拯救生命——为疫苗接种开展宣传与沟通

家庭医疗临床医生对AI工具的抵制源于自动化偏见、透明度不足、高误码风险及效益不确定性。通过制定“人类在环”审核机制、聚焦具体痛点解决方案、开展可量化的试点项目及整合CMS合规培训，可有效提升AI采纳率并确保临床决策主导权。

家庭健康护理临床医生越来越多地遇到人工智能（AI）工具，这些工具可以转录或总结护理访问记录、推荐OASIS代码的填写方式，并预先填充护理计划的相关内容。尽管AI在提高效率和降低成本方面具有潜力，但一些家庭健康护理临床医生和团队仍对AI的采用持抵制态度（^{Karnehed等人，2025}）。本文总结了临床医生抵制AI的常见原因，并提出了实际策略，以赢得临床医生的认可，同时确保数据的准确性和患者的安全。

为何会产生抵制

首先，临床医生对“自动化偏见”持谨慎态度——过度依赖机器的建议可能会削弱他们的警惕性并导致错误。在我最近关于家庭健康护理中AI应用的演讲之后，一位参加该会议的资深家庭健康护士向我表达了她的看法：“我确实想尝试AI，但它违背了我在学校学到的所有护理知识。让机器来代替我的工作感觉是不对的。”当前的人因研究显示，在高工作量和时间压力下（如家庭健康护理临床医生所面临的），自动化决策支持可能会分散他们对独立验证的注意力，从而加剧自动化偏见（^{Kupfer等人，2023}）。因此，当提出使用自动化机器来完成需要临床医生专业技能的任务时，临床医生的抵触和怀疑是完全可以理解的。

其次，人们对透明度和责任感的担忧也很普遍。临床医生可能对AI模型了解不多，因此缺乏信心去信任机器能够“接管他们的工作”。那些对AI较为熟悉的临床医生可能会想知道模型是基于哪些数据训练的、它是如何做出推荐的，以及如何验证其输出结果的。

第三，家庭健康护理工作的利害关系重大。OASIS代码的填写直接影响质量评估和报告，进而影响通过“患者驱动分组模型”（PDGM）和“家庭健康价值采购模型”（HHVBP）进行的费用支付。在机构内部，临床医生可以利用OASIS代码来识别患者的需求或差距，从而帮助制定护理计划。如果AI基于不恰当的时间段建议了错误的OASIS代码，或者在没有充分考虑所有必要评估细节的情况下引导临床医生选择错误的代码，那么相关机构可能会面临质量、报销、合规性以及患者护理计划方面的问题。美国医疗保险与医疗补助服务中心（CMS）明确指出，提交给CMS的OASIS数据必须准确无误，基于OASIS的质量评估指标是根据特定的质量事件计算得出的，并且需要使用相应的OASIS代码进行调整，因此数据完整性至关重要。

最后，临床医生不确定AI带来的好处是否真的值得投入精力。虽然成功采用AI可能需要一定的学习成本，但越来越多的证据表明AI确实可以减轻文档工作负担，不过这些效果因具体情况而异（^{Olson等人，2025}）。

赢得认可的策略（同时不牺牲临床判断力）

• 1) **采用“人在其中、验证先行”的标准**。通过明确的对策来减少自动化偏见。制定政策，要求临床医生：(a) 审查模型推荐及其理由；(b) 将模型推荐与原始文档进行核对；(c) 主动接受、拒绝或修改AI推荐的OASIS代码或护理计划内容。记录临床医生拒绝AI推荐的OASIS代码或护理计划内容的趋势，并与AI解决方案开发者分享这些发现，以帮助持续改进模型。临床医生的参与不仅有助于优化模型，还能增加他们对模型的信任，并促进必要的迭代过程。
• 2) **将AI工具的采用与临床医生和/或患者面临的具体问题联系起来**。将AI的采用视为解决临床医生已经遇到的某个或多个问题的方法。例如，可以将AI工具引入作为减少文档填写时间、支持护理计划制定或提高高风险OASIS代码填写准确性的手段，这样就能立即将AI与实际问题联系起来。将特定的AI工具或功能与直接惠及临床医生和/或患者的解决方案联系起来，将有助于提高合作度和采用率。
• 3> **与内部支持者一起开展简短但设计完善的试点项目**。选择两到三个团队，明确成功标准（例如，完成护理评估所需的时间、对AI支持的OASIS评估进行质量审核所需的时间、下班后记录工作所需的时间、自我报告的疲劳程度、OASIS代码编码的差异率等）。明确衡量目标指标的方法和时间节点，以及其他试点方法。通过跟踪和报告客观可衡量的指标，可以评估试点项目的效果，并根据结果进行调整或扩大规模。
• 4> **提供全面的培训和支持，不要将AI视为万能解决方案**。在实施AI工具时，要将政策与实践相结合。在培训临床医生如何接受或拒绝AI生成的OASIS编码建议时，也要讲解CMS的相关指导。为临床医生提供所需的临床知识和资源，使他们能够基于充分的信息做出决策。

虽然最初这些审查、验证以及接受或拒绝AI推荐的步骤仍需要临床医生的积极参与，但让知识渊博且经验丰富的临床医生全面参与AI模型的测试、优化和验证过程，是AI赢得他们信任的必要条件。

结论

家庭健康护理领域对AI的抵制更多是一种暂时性的障碍，而非不可逾越的障碍。临床医生希望确保AI能够在不削弱其判断力或取代他们作为OASIS代码填写和护理计划制定最终决策者的角色的情况下减轻工作负担。通过坚持透明度、让临床医生进行严格验证、开展周密的试点项目以及提供符合CMS要求的培训，领导者可以将对AI的怀疑转化为积极、注重安全和准确性的采用态度。