"医生到底有多少在用 AI",这个问题过去只有两种答案:厂商宣传,或者问卷调查。前者有动机夸大,后者测的是态度而不是行为。2026 年 10 月 15 日,JAMA(美国医学会杂志)在线发表了一种罕见的第三种答案:一个真实临床 AI 信息平台 OpenEvidence 两年半的全量使用数据。同一天,JAMA 的主编、副主编与一位关联编辑联名配发社论。当一个商业平台的用户行为统计登上 JAMA 正文,问题就已经变了:不再是"要不要用",而是"已经在大规模地用,怎么评价、怎么治理"。
## 从 355 到 703,265
这项横断面研究由哈佛医学院与布莱根妇女医院的研究者领衔,与平台公司 OpenEvidence 合作完成,资深作者 Jena 隶属哈佛医学院,兼属麻省总医院与美国国家经济研究局。研究分析的是平台上经美国国家提供者标识验证的账户:2024 年 1 月 1 日至 2026 年 6 月 30 日,952,008 名美国临床医师(58.5% 为女性,其中 556,200 名医师)提交了 2.71 亿次查询。月活跃用户从 2024 年 1 月的 355 人涨到 2026 年 6 月的 703,265 人;每个活跃用户的月均查询从 18.0 次升到 39.5 次,两年翻了一倍多。研究团队还用一个大语言模型,对分层随机抽样的 3,880 万条查询做了临床目的与主题分类。
## 谁在用、问什么
使用分布里有四个值得记下的模式。
第一,执业护士与医师助理按活跃用户算,月均查询各为 44.5 次,高于医师的 37.1 次。对执业范围更宽、可及专科支持更少的中级提供者,AI 参考工具的边际价值可能最大——这是推测,数据本身只显示了谁用得更多。
第二,年轻医生用得更多。医师中,毕业十年内者的查询份额是其在全国劳动力中占比的 2.54 倍;住院医师与专科培训医师为 1.84 倍。
第三,科室分化极其鲜明。使用比——某科查询份额与其人力份额之比,等于 1 表示持平——肿瘤血液科为 2.00,内科 1.88,家庭医学 1.80,都远高于持平线;眼科 0.23,放射科 0.24,骨科 0.24,查询份额不到其人力份额的四分之一。认知决策密集的科室拥抱它,操作与影像密集的科室基本绕开——这个归类是本文对使用比数据的归纳。
第四,医生问的主要不是诊断。51.9% 的查询关乎临床决策——尤其是治疗与管理(33.1%);诊断只占 13.9%。查询还常常跨出专科:专科外查询的比例,从肿瘤血液科的 35% 一直到急诊科的 88%。把这些数字拼在一起,这个平台实际扮演的,是一个随叫随到的"全科同事":问得最多的是怎么治,最常跨出自己专科去问的是急诊。
## 质量那一面:一次盲法配对
使用规模只是一半答案;质量呢?2026 年 9 月,梅奥诊所(Mayo Clinic)团队在 Mayo Clinic Proceedings: Digital Health(梅奥诊所论文集:数字健康)发表了一项回顾性研究,给出了一次直接的配对比较。
他们收集了 125 份代谢相关脂肪性肝病的真实消化科专科电子会诊记录(2020 年 1 月至 2024 年 12 月),与用标准化提示词生成的 OpenEvidence 版本一一配对,请 5 名盲态医师评审用一份已验证的工具打分;另有一名执业认证的消化科医师,独立审查 AI 版本的错误与潜在危害。
结果要放在一起看。好的一面:AI 版本的响应质量评分比专科手写版平均高 6.4 分(95% CI 6.0–6.9);总体质量评级的比值比达到 16.1(95% CI 12.0–21.5);"信息量恰当"的比例,AI 版本为 70.9%,专科医师手写为 33.9%。坏的一面:125 份 AI 响应中,12 份含小错误,1 份含潜在重大错误。作者的结论也是两半——感知质量与信息充分性优于专科医师手写响应,"但偶尔会发生有临床意义的错误";这支持在流程成熟的病种上进一步评估 AI 辅助的电子会诊工作流。
这项研究的独立性是干净的:作者声明与 OpenEvidence 无任何财务或职业关系;平台人员仅提供平台访问与配置的有限技术协助,未参与研究设计、病例选择、数据收集、响应评估、统计分析或结果解读。
## 两份短板,摆在桌面上
JAMA 使用研究有三个结构性限制,必须写在明处。其一,数据完全来自平台自身:作者中三人是 OpenEvidence 雇员——一名受薪员工、一名全职员工、一名首席医疗官——且平台提供数据并参与了研究分析。952,008 名临床医师、2.71 亿次查询这样的数字,无法被独立审计。其二,查询量是行为数据,不是受益数据:研究没有测量任何临床结局、诊断准确率或医生决策质量,"用得多"推不出"用得好"。其三,用大语言模型给平台查询做分类,分类器自身的准确性在摘要层面未见独立验证。
Mayo 研究的限制同样清楚:单一病种、回顾性配对,加上标准化提示词——真实使用中,医生不会用标准化提示词提问,这是关于外部效度的常识推断。评审打出的是感知质量,不是患者结局;而那 1 份潜在重大错误的存在提醒:评分全面占优,抵不掉错误的尾部风险。
还有社论这个发表事实本身:《Engaging With Medical Evidence in the Age of AI》(《在 AI 时代参与医学证据》),署名是 JAMA 主编 Bibbins-Domingo、副主编 Ross 与关联编辑 Khera。主编层同日联名回应,这个动作本身就是期刊赋予这份数据的分量——这是本文从发表事实做出的推断,社论的具体论点不在这篇文章的范围之内。
## 拼起来看:三个判断
以下三个判断是本文把两项研究拼起来得出的,不是任何一篇原文的结论。
第一,AI 临床参考的采用已经不是早期市场,而是接近事实标准:单月 703,265 名月活临床医师、两年半 2.71 亿次查询、活跃用户月均查询两年翻一倍多——三个数字放在一起,本身就是采用规模的证据。"事实标准"没有严格定义,是本文的解释性框架;但辩论的重心确实已经从"要不要用"移到了"怎么治理"。
第二,采用的不均衡本身就是研究议程。眼科、放射科、骨科为什么用得这么少?是工作流不兼容,是专科知识 AI 覆盖差,还是这些科室的错误成本结构不同?三种解释各自指向不同的产品设计与监管路径——答案会直接决定其他专科的 AI 该怎么做。
第三,平台自评与独立评价的分工已经摆上台面:使用数据由平台自己发布(JAMA 研究),质量对照由无利益关系的第三方完成(Mayo 研究)。平台提供行为数据,独立团队提供质量与结局数据——这个分工,很可能就是未来临床 AI 证据生态的模板。
而那个悬在所有数字之上的问题,现在可以回答了:2.71 亿次查询对应的患者结局证据在哪?在这两项研究里,一处都没有。下一阶段的竞争,在结局研究。
## 不同的人该带走什么
对临床医师:跨专科问题先查 AI 参考,已经是同行中的普遍行为——急诊科医生 88% 的查询都在自己的专科之外。但 Mayo 数据里 1/125 的潜在重大错误率意味着:关键决策仍要对照权威指南,或者咨询专科。
对医院管理者:政策问题已经从"要不要允许"换成了"使用规范"——怎么标注 AI 来源、怎么核查、怎么纳入病历与质控,这些都是现在就要回答的题。
对行业与采购方:JAMA 研究证明,使用规模本身能构成顶级期刊级别的证据;但它也展示了依赖平台数据的天花板。投资与采购的尽调,都应该要求独立质量评估,而不是只看用户数。
对研究者:空白一目了然——2.7 亿次查询背后,患者结局证据仍然是零。
不确定性照例摆出来:两项研究都没有患者结局数据;使用数据无法独立审计;Mayo 比较限于单一病种与人工标准化提示;查询分类依赖大语言模型,分类器未经独立验证;平台用户存在自选择——愿意注册验证账户的医生,本身就更愿意接受 AI;社论内容本文为未知。
这也留下一个值得争论的问题:当使用行为已经跑在结局证据前面,医院的使用规范与采购决定,应该等结局研究出来再定——还是现在就定、随证据积累再修订?
来源:Patel VR, Finlayson SG, Liu-Hass M, et al. Clinician Use of an Artificial Intelligence-Enabled Clinical Information Platform. JAMA, 2026. https://doi.org/10.1001/jama.2026.21868