AI健康素养：医疗人工智能治理中被忽视的基础设施！

人工智能正以前所未有的速度重塑医疗保健，从影像分析到脓毒症预测，应用日益广泛。然而，技术的迅猛发展与其被安全、有效使用及治理的能力之间，存在日益扩大的鸿沟。当前主流的负责任AI伦理框架虽强调公平、透明与问责，却忽视了一个根本性前提——利益相关者的AI素养。本文通过批判性叙事回顾与规范性治理分析，提出“AI健康素养”这一核心概念，主张缺乏素养基础，即使最符合伦理设计的AI系统也难以实现可信赖部署。

目前的严峻现实在于，医疗AI采纳速度已超出有效治理能力。现有度量工具不足，提出“AI健康素养”概念，定义为“批判性地理解、评估并安全地依据医疗AI系统输出采取行动所需的能力”，并构建四层能力层级模型：基础健康素养、数字健康素养、AI增强健康素养、数据治理素养。高层级能力需以低层级能力为基础，当前许多AI部署失败，正源于在数字健康素养基础尚未夯实之际便试图培养高层级素养。

通过案例分析，该文归纳出5种反复出现的失败模式——信任错位、程序性合规、素养不对称、部署前素养评估缺失、治理缺陷的级联效应。在生成式AI时代，这些模式更为严峻。大语言模型输出流畅且看似专业，但“幻觉”问题构成重大风险，临床文档生成中显著幻觉率近半可能影响诊疗决策，“对抗性幻觉”基线率高达66%。LLM临床推理还存在系统性社会人口统计偏差，偏见更根深蒂固且难以通过事后修正消除。

研究指出，当前测量工具匮乏构成危机，提出6维度AI健康素养框架：算法素养、偏差意识、数据治理理解、AI输出批判性评估、信任校准、可解释性解读。基于此，提出核心“三层AI健康素养框架”：第一层评估基础设施，开发基于表现的验证性评估工具；第二层教育生态系统，将AI素养整合进医学院课程、继续教育及社区项目，关注弱势群体；第三层治理整合，将“素养影响评估”作为AI部署授权先决条件，纳入机构质量框架。实施中需遵循风险分层方法，将素养评估嵌入现有采购流程。

该研究最后重申，将AI素养从“附加培训”提升至“基础设施要求”是根本性思维转变。缺乏素养，透明度、可解释性和监督机制都将流于形式，沦为“治理剧场”。AI素养是连接技术设计与可信赖实践的关键桥梁。作者指出，提出的框架及核心论断目前仍属需实证检验的治理假说，并规划了从专家共识、工具开发、心理测量验证到实施试点研究的四年期实证研究议程。在AI迅速渗透医疗的今天，这项研究为政策制定者、医疗机构和研究者敲响了警钟，并指明了一条可行的行动方向。热门微博 医学新闻 ai医疗 哈勃观察员