李巍：别将AI赋能等同于自身能力

近期，在与多家医疗机构信息管理部门从业者的交流中，一个普遍现象引发了笔者的关注与思考：随着大模型技术的渗透，医疗信息化领域的应用开发门槛显著降低。过去需要专业技术团队历经需求梳理、开发调试、上线测试等完整流程才能落地的工具类应用，如今临床医护人员、行政管理人员仅通过描述业务场景，就能借助AI快速生成可运行的应用原型。

从护理排班工具、病历质控看板到随访管理小程序，各类轻量化应用在科室层面快速涌现，呈现出“全员创新”的繁荣态势。但在这种效率提升的表象之下，一系列潜藏的问题正逐步显现，其中最突出的，就是随之而来的运维压力与能力认知偏差。

繁荣表象下的运维隐忧与合规风险

效率红利的背后，是容易被忽视的长期成本与风险，这些压力最终大多集中到医疗机构的信息管理部门。

第一，一次性应用堆积，运维责任边界模糊。AI生成的应用原型大多可满足基础演示需求，但接入医院HIS、EMR、LIS等核心生产系统后，往往暴露出接口适配性差、异常场景覆盖不足、数据容错机制缺失等问题。开发应用的业务人员通常以完成场景验证为目标，既不具备持续运维的技术能力，也没有相应的职责划分，最终，大量无文档、无注释、无测试的“三无应用”所带来的运维兜底压力，全部传导至医院信息管理部门。

第二，数据安全合规风险凸显。医疗健康数据属于法定敏感信息，有着严格的监管要求。但在自主使用AI工具的过程中，部分业务人员缺乏数据安全意识，为提升效率直接将病历片段、患者标识信息、科室运营数据等输入公共大模型平台。这种行为并非主观故意违规，却埋下了数据泄露的隐患；一旦在网络安全等级保护测评（等保测评）、行业监管检查中发现问题，相关合规责任最终将由医疗机构承担。

第三，技术债务无序累积。短期内涌现的大量零散AI应用，大多未经过正式的立项评审、架构审核与采购流程，接口标准不统一、权限管理不规范、密钥管理分散等问题普遍存在。随着应用数量的增长，系统间的耦合关系日趋复杂，后续的版本迭代、故障排查、权限管控都将面临极大挑战，技术债务进一步累积，为医疗机构信息化的长期稳定运行埋下隐患。

更需警惕的认知误区：AI赋能不等于自身能力

在上述实操问题之外，笔者认为更值得行业警醒的，是普遍存在的能力认知偏差。借助AI快速产出应用成果，固然能带来工作效能的提升与成就感，但如果将AI提供的技术能力完全等同于自身的专业能力，就会陷入认知误区。

大模型所具备的开发辅助能力，建立在海量训练数据、大规模算力支撑与庞大技术团队研发的基础之上，本质上是将通用工程能力封装后对外提供服务。个体借助工具实现了原本无法完成的工作，是工具赋能的结果，而非自身专业能力的本质跃升。这种认知偏差极易导向两种不良倾向：

一是能力认知膨胀。部分人员凭借AI产出的少量应用，便以“跨界技术专家”“复合型人才”自居，过度放大个人能力。而一旦脱离AI工具，面对底层接口调试、系统性能排查、复杂数据治理等核心问题时，往往缺乏独立解决的能力。

二是专业学习懈怠。部分从业者认为AI可以替代专业学习，进而忽视了对数据结构、系统架构、医疗业务规范等核心知识的深耕。事实上，AI可以替代重复劳动，却无法替代专业判断。医疗信息化直接关联临床安全与医疗质量，缺乏扎实的专业功底，便无法对AI输出结果的准确性、合理性进行有效校验，这恰恰是行业最大的潜在风险。

笔者始终认为，AI是提升效率的工具，而非替代专业能力的替身。否定AI的价值固然是固步自封，但模糊工具与自身能力的边界，同样危害深远。

理性拥抱AI的三点实践思考

面对AI技术浪潮，医疗机构与从业者既无需盲目排斥，也不可过度迷信，而应建立理性的认知与规范的应用路径。结合行业实践，笔者有三点思考：

第一，明确工具定位，守住主体责任。应将AI定位为辅助生产的“数字实习生”，用于初稿生成、原型搭建、数据统计等基础性工作，但最终的方案审核、逻辑校验、质量把控必须由人来完成。从业者应当借助AI提效，但更要保持对输出结果的判断力，确保医疗信息系统的安全稳定，守住医疗质量与数据安全的底线。

第二，构建治理框架，规范应用流程。医疗机构不应盲目推动“全民开发”，而应优先建立AI应用的治理体系。明确敏感数据的使用边界与脱敏要求，划定AI应用的立项评审、上线审核、运维管理流程，统一接口与密钥管理，落实安全责任主体。先筑牢合规的“笼子”，再释放创新的活力，才能实现有序发展。

第三，推动经验共享，沉淀行业价值。相比于展示单个AI应用成果，更有价值的是沉淀并分享实践中的经验与教训。将经过验证的业务场景提示词（Prompt）模板、系统对接的常见问题与解决方案、数据安全的实操规范等内容在行业内开放共享，能够帮助更多机构少走弯路。真正的行业价值，不在于个体用AI做出了什么，而在于共同推动整个行业的能力提升与规范发展。

结语

笔者从事医疗信息化工作十余年，深刻体会到这一行业从来没有捷径可言。每一次技术迭代带来的都是效率的提升，而非专业门槛的降低。

AI技术为医疗信息化注入了新的动力，让很多过去难以实现的场景成为可能，但它始终无法替代从业者对临床业务的深度理解、对数据安全的敬畏之心、对系统稳定的责任担当。这些根植于实践的专业能力，才是行业发展的核心根基。总而言之，善用AI工具，保持清醒认知，坚守专业底线，推动经验共享，才是医疗信息化从业者应对技术浪潮应有的姿态。

作者简介

李巍，河北省秦皇岛妇幼保健院医疗设备与计算机服务中心副主任，担任CHIMA委员、河北省肿瘤防治联合会医疗信息专业委员会副主任委员等社会职务，秦皇岛市网络安全和信息化专家库入库专家。承担国家级课题一项，市级课题一项，发表SCI等论文3篇。