全文概要：8 月 25 日，一项由以色列 Rambam 医疗中心联合梅奥诊所等开展的前瞻研究引发关注：研究团队用 DECIDE-AI 框架对急诊科部署的多 LLM 临床决策支持系统 SHAKED 进行第一阶段评估，发现其采纳率在 4 周内从 68% 跌至 30%，班次负荷每增加 1 小时，使用概率下降 28%。论文发表于《自然·医学》（Nature Medicine）。

2026年8月25日资讯，一项由以色列 Rambam 医疗中心联合梅奥诊所等开展的前瞻研究引发关注：研究团队用 DECIDE-AI 框架对急诊科部署的多 LLM 临床决策支持系统 SHAKED 进行第一阶段评估，发现其采纳率在 4 周内从 68% 跌至 30%，班次负荷每增加 1 小时，使用概率下降 28%。论文发表于《自然·医学》（Nature Medicine）。

1. 一个反直觉的发现：算法精度之外，"愿不愿用"才是关键

这项 DECIDE-AI 第一阶段前瞻评估覆盖 1,138 名患者、为期 4 周的真实部署数据，说清了一个反直觉的事实：即便 AI 系统本身拥有可观的算法精度，决定其能否真正落地临床的，是医生"持续参与"的意愿。

研究并未宣称 AI 改变了患者结局，却为"AI 该以何种姿态进入急诊"提供了一个更清醒的起点——先解决"愿不愿用"，再谈"准不准"。数据显示，系统的采纳率从初期的 68% 一路下滑至 30%；更重要的是，医生班次负荷每增加 1 小时，其使用该系统的概率便下降 28%，清晰揭示出"工作负荷"这一现实变量对 AI 采纳的强烈压制。

2. SHAKED：急诊场景下的多 LLM 决策支持

SHAKED 是一套部署于急诊科的多 LLM 临床决策支持系统，其设计初衷是辅助急诊医生在高压、快节奏的环境下做出更及时、更准确的决策。研究团队严格采用 DECIDE-AI 报告指南（《人工智能驱动决策支持系统早期临床评估报告指南》，2022 年发表于 Nature Medicine）对其进行了第一阶段前瞻评估。

这一方法学的选择本身即具示范意义：DECIDE-AI 框架强调在 AI 系统的早期临床评估中，不仅要看算法性能，更要系统考察其在真实工作流中的可用性、医生接受度与行为改变。SHAKED 研究的结论为这一理念提供了生动注脚——一个"技术上可用"的系统，若未能在真实的高负荷临床环境中赢得医生的持续使用，其临床价值便难以兑现。

3. 给"AI + 医学"落地的三点反思

该研究（DOI: 10.1038/s41591-026-04601-5）对 AI 医疗落地具有普遍启示：其一，急诊科的决策支持工具必须顺应而非加重临床工作流，任何增加操作负担的设计都可能被"负荷敏感性"放大为使用率暴跌；其二，AI 系统的价值评估应纳入"持续使用"这一长期指标，而非仅看单次试点期的采纳峰值；其三，AI 的"入场姿态"应从"替代决策"转向"无缝辅助"，以最低的认知成本嵌入医生既有流程。

对国内正在推进急诊、重症 AI 辅助决策系统落地的机构而言，这一研究提供了难得的现实参照：技术的精准只是起点，理解医生的真实工作负荷与使用动机，才是 AI 医疗从"演示成功"走向"持续使用"的关键一步。

来源：拓冰网络/生物医学解读（2026-08-25）；Leibovitch L, Ahituv A, Gorenshtein A, et al. Nature Medicine, 2026. DOI: 10.1038/s41591-026-04601-5

解螺旋科研助手企业微信二维码，扫码添加免费领取科研资料礼包，包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。