急诊AI决策支持越用越少：SHAKED系统4周采纳率从68%跌至30%

核心要点

• 问题：急诊科压力大、节奏快，最需要临床决策支持，但基于大模型的临床决策支持系统能否真正被医生"用起来"、又会不会被持续使用，一直缺少真实环境的前瞻证据。
• 方法：以色列 Rambam 医疗中心与以色列理工学院（Technion）团队把一套多模型临床决策支持系统 SHAKED 部署进三级急诊科，用 DECIDE-AI 第一阶段框架开展为期 4 周、覆盖 1,138 名患者的前瞻评估，两个并行诊区一个启用 SHAKED、一个按常规轮转。
• 结果：系统采纳率在 4 周内从 68% 跌至 30%；班次负荷每增加 1 小时，医生使用概率下降约 28%（OR=0.72）；但医生在影像学咨询上更愿意用它（OR=2.98）。
• 意义：算法准确率之外，“医生愿不愿意持续用"才是急诊临床AI落地的关键瓶颈，为后续随机试验设计提供了依据，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

1. 急诊临床决策支持系统的临床挑战：压力大、决策快、却难持续使用

急诊科（emergency department，ED）是医院里压力最大、节奏最快的科室之一。医生要在有限信息、有限时间下快速做出分诊、检查和处置决策，稍有延误就可能影响患者预后，职业倦怠也普遍偏高。

理论上，临床决策支持系统（clinical decision support system，CDSS）正是为这种场景而生：帮医生汇总信息、提示风险、辅助判断。但过去对这类系统的评估大多停留在回顾性分析或模拟场景，缺少"把它真正装进急诊、看医生到底用不用、用得久不久"的前瞻证据。

这正是本研究想补上的空白：一套叫 SHAKED 的多模型临床决策支持系统，被装进真实急诊、连续运行 4 周，团队要观察的不仅是"它准不准"，更是"医生愿不愿持续用它"。

2. SHAKED 系统的核心创新：把"医生采纳行为"摆到评估中心

研究由以色列 Rambam 医疗中心与以色列理工学院（Technion）团队完成，2026 年 8 月 19 日在线发表于 Nature Medicine（临床试验号 NCT06902675），采用 DECIDE-AI 第一阶段前瞻评估框架。创新点有三。

第一，用 DECIDE-AI 框架做真实环境的前瞻评估。DECIDE-AI 是 2022 年发表在 Nature Medicine 的、专门针对 AI 决策支持系统早期临床评估的报告指南，强调在真实工作流里考察系统的可用性与医生接受度，而不只看算法指标。本研究严格按此框架落地。

第二，把"采纳行为"作为核心观察指标。研究记录的不是模型在某测试集上的分数，而是医生在实际班次中是否点击使用、使用频率如何随时间变化——这直接触及"AI 到底能不能被用起来"这个更现实的问题。

第三，两翼并行对照设计。急诊被分成两个并行诊区，一个启用 SHAKED、一个按常规轮转，在真实运营中比较两者的医生行为与患者流程指标，减少单臂观察的偏倚。

3. 技术原理：多模型决策支持 + DECIDE-AI 评估框架

SHAKED 是一套由多个大语言模型（large language model，LLM）组合构建的临床决策支持系统，部署在三级急诊科，为医生提供辅助判断。研究侧的评估框架 DECIDE-AI 则从几个层面考察系统：算法性能之外，重点看它在真实工作流中的可用性、医生接受度与行为改变。

需要厘清一点：这里测的是一家医院急诊里部署的研究型决策支持系统，而不是面向公众的诊断产品，也不是"让 AI 独立做急诊决策"。系统输出的临床适当性由专家复核把关，医生始终是最终决策者。研究也明确表示，其结果只用于指导后续随机试验设计，并不构成临床部署的依据。

4. 数据说话：采纳率从 68% 跌至 30%

研究覆盖 1,138 名患者，为期 4 周。核心结果如下。

最反直觉的发现是采纳率的"高开低走"：系统刚上线时 68% 的医生会用，到第 4 周只剩 30%；班次负荷每增加 1 小时，使用概率就下降约 28%（OR=0.72），说明医生越忙越不愿意用。 但也有一个亮点：在影像学咨询上医生明显更愿意借助它（OR=2.98），提示 AI 在特定任务上有更强的吸引力。

在安全性与流程指标上，研究未检出不良事件，专家复核认为 100 份抽样输出中有 99 份临床适当；但两个诊区的急诊滞留时间完全相同（4.9 小时），会诊周期时间虽有缩短趋势却未达统计显著——也就是说，目前还看不到它对患者流程的明确改善。

5. 从实验室到临床：应用前景与局限

可能的探索方向包括：把 AI 聚焦到医生真正愿意用的高价值任务（如影像学咨询）上，而不是试图覆盖急诊全流程；在设计阶段就把"医生工作负荷"纳入考量，让系统顺应而非加重既有工作流；也可结合本地部署诊断AI的可靠性信号的思路，用可靠性信号引导系统在"该转人工时转人工"。它与本站此前解读的大模型辅助医生决策的跨国随机试验同属"大模型进入临床决策"方向，一个看"准不准"、一个看"用不用"。

局限至少三条。其一，这是单中心、为期仅 4 周的第一阶段早期评估，样本来自以色列一家三级急诊，结论不能直接推广到其他地区、其他急诊或更长周期。其二，DECIDE-AI 第一阶段是前瞻观察性评估，并非随机对照，发现的"负荷—弃用"关联不能直接解读为因果。其三，研究未证明患者结局改善——滞留时间无差异、会诊时间仅非显著趋势，也未报告长期临床结局；作者明确表示该结果"不构成临床部署依据"。

6. 结论与产业启示

这项研究给出一个清醒的信号：在急诊真实环境里，一套多模型临床决策支持系统 4 周内采纳率从 68% 跌到 30%，医生越忙越少用；算法之外，“医生愿不愿持续用"才是决定临床AI能否落地的关键变量。

对医疗AI产业有三点可执行建议：一是把"医生工作负荷"作为设计输入，让系统顺应而非加重工作流，先解决"愿不愿用"再谈"准不准”；二是采用 DECIDE-AI 等框架，在真实工作流里做前瞻评估，把采纳行为、流程指标与安全性一并纳入"医疗AI评估验证"；三是聚焦高价值单点任务（如影像学咨询）做减法，而非贪大求全覆盖全流程。对从业者而言，一个"技术上可用"的系统，若不能赢得医生的持续使用，其"医疗AI解决方案"的价值就难以兑现。

相关问题

Q：SHAKED 现在能直接用于临床吗？

A：不能。这是 DECIDE-AI 第一阶段的早期前瞻评估，作者明确表示其结果仅用于指导后续随机试验设计，并不构成临床部署依据。系统仍需更大规模随机对照试验验证。

Q：它会替代急诊医生吗？

A：不会。它是一套辅助决策支持系统，医生始终是最终决策者，系统输出的临床适当性也由专家复核把关。研究的核心问题不是"AI 能不能替代人"，而是"医生愿不愿持续用它"。

Q：为什么医生会越用越少？

A：研究发现存在"负荷敏感性"：班次负荷每增加 1 小时，使用概率下降约 28%，说明在高压、快节奏下，未充分顺应工作流的系统反而成了额外负担。医生并非否认其价值，而是只在影像学咨询等少数任务上更愿意使用。

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;28(5):924–933. DOI: 10.1038/s41591-022-01772-9
3. Jabbour S, Fouhey D, Shepard S, et al. Measuring the impact of AI in the diagnosis of hospitalized patients: a randomized clinical vignette survey study. JAMA. 2023;330(23):2275–2284. DOI: 10.1001/jama.2023.22295

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。