SHAKED：急诊科大模型决策支持前瞻评估，参与度而非准确度成落地关键障碍

核心要点

• 问题：急诊科大模型决策支持系统在真实工作流里能否被医生持续使用、能否带来效率提升，长期缺乏前瞻性证据。
• 方法：Nature Medicine 发表 SHAKED 系统的 DECIDE-AI 一期前瞻评估，在以色列海法 Rambam 医院三级急诊科，用两个平行病区对比，4 周内分析 1138 例患者。
• 结果：医生对 SHAKED 的采纳率从 68% 降至 30%；急诊科停留时间两翼均为 4.9 小时（P=0.99），无显著差异。
• 意义：提示医生持续参与度而非算法准确度，可能是急诊 AI 落地的真正瓶颈，为随机试验设计提供参考，但尚不足以支持临床部署。
• 原文：Prospective evaluation of a large language model clinical decision support system in the emergency department，Nature Medicine，2026-08-19（PMID: 42618632）

1. 急诊科大模型决策支持的临床挑战

急诊科是医疗 AI 落地最被寄予厚望、也最难攻克的场景之一。医生要在极短时间、信息不全、节奏高压下做出分诊与治疗决策，任何一个"助手"都必须在几秒钟内真正帮上忙，而不是添乱。

过去几年，大语言模型（LLM）在医学问答和模拟病例上屡创高分，但"考试高分"不等于"床旁好用"。此前我们的卒中多智能体大模型研究解读显示，LLM 辅助能把医生决策准确率从 73.1% 提升到 88.6%——但那发生在受控评估环境下；把同样的系统放进真实急诊科、真实班次里会发生什么，此前一直缺乏严格的前瞻证据。

这正是 SHAKED 研究要回答的问题：算法足够好之后，医生到底愿不愿意用、会不会持续用下去。

2. SHAKED 系统的核心创新

SHAKED 是由以色列理工学院（Technion）与 Rambam 医疗中心团队构建、基于多个大语言模型的临床决策支持系统。这项发表在 Nature Medicine 的前瞻评估，有几点方法论上的实质创新。

第一，采用 DECIDE-AI 一期评估框架。既往 AI 临床研究多为回顾性验证或模拟病例，本研究则把系统真正部署进三级急诊科，在连续四周的日常工作中评估医生的采纳行为与实际影响。

第二，用两个平行病区做准实验对照。1138 例患者被分配到两个平行单元：一个使用 SHAKED，另一个遵循常规轮转流程，从而在接近真实的条件下去比较干预效果。

第三，把"医生参与度"本身作为核心观测对象。研究没有只盯着诊断准确率，而是系统记录了采纳率随时间的变化，以及是什么因素导致医生放弃使用——这个视角直指 AI 落地最常被忽视的软性障碍。

3. 技术原理：事件驱动的多 LLM 床旁决策助手

SHAKED 的架构并不神秘，但贴合急诊科的工作方式。它由事件驱动：当电子病历出现新的临床事件，系统自动调取患者数据，生成结构化的病史摘要与临床洞察，存入中央数据库；医生通过聊天式界面与系统交互，背后由检索增强生成（RAG）知识模块提供循证支持。

简单说，输入是患者的实时病历数据，处理流程是"事件触发—数据汇总—多模型推理—证据检索"，输出是面向医生的临床提示与建议。评价方式也不是单一的对错，而是同时观察三类结局：医生是否采纳（采纳率）、效率是否改善（停留时间、会诊周期）、安全性是否有保障（不良事件与专家适宜性打分）。

需要强调，SHAKED 是研究型决策支持系统，本研究评估的是"系统加医生"在真实科室里的整体协作，并非宣称某个大模型可以独立看诊。

4. 数据说话：采纳率下降，效率无显著差异

最值得注意的是一对看似矛盾的结果：算法的"答卷"并不差——100 份抽样输出里 99 份被专家评为临床适宜，全程未发现不良事件；但医生的使用热情却在快速消退，采纳率一个月内从 68% 跌到 30%，且这种弃用与工作量高度相关——每多上一个班次小时，继续使用的概率就下降。而效率结局（停留时间、会诊周期）都未达到统计学显著。这恰恰说明，问题可能不在 AI 准不准，而在医生有没有余力和动力去用。

5. 从实验室到临床：应用前景与局限

这项研究给产业一个清醒的提示：在急诊这类高压场景，AI 决策支持的落地瓶颈可能不是模型能力，而是工作流集成与医生负担。作者自己的结论也很克制——“为随机试验设计提供参考，但尚不足以支持现阶段临床部署”。

可能的应用方向：其一，SHAKED 在放射学会诊中的使用偏好（OR=2.98）提示，AI 决策支持可能更适合嵌入特定、边界清晰的会诊环节，而非全科室无差别铺开；其二，研究揭示的"工作量敏感弃用"提示，产品设计应把降低使用成本、减少打断放在与提升准确率同等重要的位置。

但局限同样明显：这是单中心（Rambam 医院）、四周的探索性评估，采纳率下降使干预暴露不足，符合方案分析可能受选择性采纳偏倚影响；所有 P 值未经多重比较校正，效率结局均未达显著，不能据此推断患者结局改善；结果基于以色列单一三级医院流程，是否适用于中国急诊科的分诊节奏与信息化水平，仍需独立的本地化验证。

6. 结论与产业启示

SHAKED 研究最有价值的，不是又一个"AI 高分"的故事，而是用前瞻性证据指出：当算法已经足够合格，医生愿不愿意、有没有空去用，才真正决定 AI 能否在急诊科落地。

对医疗 AI 团队而言，至少有三点可执行启示：把医生参与度与工作流契合纳入和准确率并列的核心评价指标；优先在边界清晰的会诊场景做小步验证；在真实部署前用 DECIDE-AI 等框架做前瞻评估，而非只靠回顾性数据讲故事。

这与思陌智能科研服务"医疗大模型、临床决策支持与医疗 AI 评估验证"的业务方向高度契合。我们为医院和研究团队提供医疗 AI 软件的开发落地与科研级评估验证服务，帮助把模型从高分答卷做成床旁真正被用起来的系统。

相关问题

Q：SHAKED 现在能用于急诊科临床了吗？

A：还不能。SHAKED 只是一项 DECIDE-AI 一期探索性评估，样本来自以色列单中心、仅运行四周，且主要效率结局未达统计学显著，作者也明确表示结果尚不足以支持临床部署。它需要后续随机对照试验、更长时间和更多中心的前瞻验证后，才能进一步讨论落地可能。

Q：这项研究是不是说明 AI 临床决策支持没用？

A：不是。研究并未否定算法的能力——100 份抽样输出中 99 份被专家组评为临床适宜，全程也未发现不良事件；真正的发现是医生采纳率随工作量从 68% 跌到 30%，说明当前瓶颈在于医生参与度与工作流契合，而非模型本身的质量，这为产品设计提供了明确方向。

Q：这个结果对中国医院有什么启示？

A：中国急诊科同样面临高压高负荷，这项研究提示：与其追求全科室无差别铺开，不如把 AI 决策支持优先嵌入放射学会诊等边界清晰、医生使用偏好更高的场景；同时要把降低医生操作负担、减少工作流打断纳入产品设计，并在本地开展前瞻性验证。

参考文献

1. Leibovitch L, Ahituv A, Gorenshtein A, et al. Prospective evaluation of a large language model clinical decision support system in the emergency department. Nature Medicine. 2026. DOI: 10.1038/s41591-026-04601-5
2. Vasey B, Nagendran M, Campbell B, et al. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI. Nature Medicine. 2022. DOI: 10.1038/s41591-022-01772-9

本文基于 Prospective evaluation of a large language model clinical decision support system in the emergency department 的独立解读，仅供学术交流，不构成临床建议。