急诊AI临床决策支持为何越用越没人用？SHAKED多LLM系统4周前瞻评估揭示采纳率从68%跌至30%
一、研究背景
急诊科是医院里最紧绷的场所：患者来去匆匆，病情急、决策时间短，医生要在几分钟内完成分诊、检查、会诊、用药等一系列判断。正因如此，急诊被普遍视为人工智能临床决策支持（CDSS）最有价值的落地场景之一——但「有价值」和「真的被医生用起来」之间，一直隔着一道很少有人量化的鸿沟 DOI: 10.1001/jama.2023.22295。
过去几年，急诊AI研究大多停留在回顾性验证或离线模拟任务上，真正把系统装进急诊、让真实医生在真实班次里用的前瞻性证据少之又少。而即便系统被部署，医生用不用、愿意在什么场景用、越用越少还是越用越多，这些「人」的问题往往被算法指标的漂亮数字盖了过去。
2026 年 8 月 19 日，以色列海法 Rambam 医疗中心神经科联合以色列理工学院、美国波士顿贝斯以色列女执事医疗中心、梅奥诊所团队，在 Nature Medicine 发表研究，对基于多个大语言模型的急诊决策支持系统 SHAKED 做了 DECIDE-AI 第 1 阶段前瞻评估，第一次把「医生到底愿不愿意用」这个问题摆到了台面上 DOI: 10.1038/s41591-026-04601-5。
二、研究创新点
这项工作的价值不在算法有多新，而在于它在真实世界里问了一个真问题，有三点鲜明设计：
第一，采用 DECIDE-AI 第 1 阶段前瞻评估框架。 该框架是专门为临床AI早期评估制定的报告指南 DOI: 10.1038/s41591-022-01772-9，要求系统在真实临床环境中接受检验，而非只在离线数据集上打分。研究把 SHAKED 真正部署到三级急诊科，在 4 周、两个平行单元中真实运行。
第二，把「医生采纳行为」当核心结局。 以往研究盯着准确率、灵敏度，这项研究却把医生在真实工作流里「用还是不用」「在哪个环节用」「随班次时间怎么变化」作为主线索，直接测量临床AI落地的头号障碍——人。
第三，多 LLM 架构加事件驱动管道。 SHAKED 由多个大语言模型构成，通过事件驱动管道自动从电子病历抓取数据、生成结构化病史与临床洞察，再经带检索增强生成（RAG）的聊天界面供医生调用。
三、技术原理
SHAKED 的整体架构围绕「临床事件触发—数据加工—知识增强—对话交互」四段展开：
- 事件驱动管道：临床事件从电子病历（EMR）触发一条由事件服务器（Event Server）与调度器（Scheduler）协调的流水线，自动拉取患者数据，生成结构化病史摘要与自动化临床洞察，写入中央的 SHAKED 数据库；
- RAG 知识模块：临床医生通过聊天界面与系统交互，背后的检索增强生成模块实时从知识库调取证据，为回答背书、抑制大模型幻觉；
- 多 LLM 支撑：系统并非单一模型，而是基于多个大语言模型协同工作，部署在安全的医院级基础设施（AWS Bedrock）上。
这套设计把「病历数据」和「医学知识」拧成一股绳，让医生在急诊的紧张节奏里，用自然语言就能追问决策依据。
四、实验结果
研究在 4 周内共分析 1,138 名患者，分成两个平行单元：干预单元（Wing A，n=584）使用 SHAKED，对照单元（Wing B）沿用常规轮转。核心结果一栏表：
| 指标 | 结果 | 统计量 |
|---|---|---|
| 临床采纳率 | 从 68% 降至 30% | 4 周内持续下滑 |
| 工作量相关脱离 | 每增加一个班次小时，使用概率下降 | OR=0.72（95% CI 0.62–0.83） |
| 放射会诊使用偏好 | 医生更倾向在放射会诊中使用 | OR=2.98（95% CI 1.58–5.63） |
| 输出质量 | 100 份抽样中 99 份临床恰当 | 99/100 |
| 不良事件 | 未检出 | — |
| 急诊住院时长 | 两翼无差异，均 4.9 小时 | P=0.99 |
| 会诊周期时间 | 缩短趋势但不显著，−9.4 分钟 | P=0.077 |
这几个数字拼出的图景耐人寻味：系统的「质量」其实很好——100 份抽样输出里 99 份被专家评为临床恰当，且没有检出任何不良事件；但「用量」却在持续萎缩，采纳率从最初的 68% 一路掉到 30%。更关键的是，脱离的诱因指向工作负荷——每多上一个班次的小时，医生使用系统的概率就显著下降（OR=0.72）。而医生也并非一律排斥：在放射会诊这类信息检索密集型场景里，他们反而更愿意用（OR=2.98）。
也就是说，算法没问题、输出没问题，卡住的是「人有没有余力和意愿去用」。
五、应用前景
这项研究对临床AI落地给出的启示，比一份漂亮的准确率更有分量：
其一，落地难题从「算不准」转向「用不动」。 急诊医生在高峰班次里连喝口水的时间都紧张，再好的决策支持，若每次调用都要额外点几下、读一段，就很容易被搁置。AI 系统要做的不是「更聪明」，而是「更省事、更顺滑地嵌进工作流」。
其二，场景选择比全面铺开更重要。 医生在放射会诊等特定环节明显更愿意用 SHAKED，说明急诊AI应当「有的放矢」，先在医生真正需要、且能即时获益的高频场景扎根，而不是一上来就追求全流程覆盖。
其三，为后续随机试验提供了设计依据。 作者明确指出，这些发现可用于指导随机试验设计，但尚不足以支撑 AI 决策支持在急诊的临床部署——这是一份诚实的、克制的前瞻性结论。
需要客观指出，本研究是第 1 阶段的早期前瞻评估，主要结局聚焦采纳行为而非患者层面的硬终点，会诊周期时间的缩短也未达统计学显著。但它把「持续临床参与」这个此前被低估的变量，正式写进了急诊AI落地的账本里。
六、结论
急诊不缺聪明的AI，缺的是「能持续用下去」的AI。SHAKED 的这项 DECIDE-AI 第 1 阶段前瞻评估，用 1,138 名患者、4 周真实部署的数据，说清了一个反直觉的事实：在算法精度之外，医生的持续参与意愿，才是决定临床AI能否真正落地的关键变量 DOI: 10.1038/s41591-026-04601-5。
它没有宣称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」。
| 论文标题 | Prospective evaluation of a large language model clinical decision support system in the emergency department |
| 作者 | Leibovitch L、Ahituv A、Gorenshtein A、Aran D、Sorka M、Miron K、Shelly S |
| 机构 | 以色列海法 Rambam 医疗中心神经科、以色列理工学院、美国波士顿贝斯以色列女执事医疗中心、梅奥诊所 |
| 期刊 | Nature Medicine，2026 |
| 发表时间 | 在线发表 2026 年 8 月 19 日 |
| DOI | 10.1038/s41591-026-04601-5 |
| PubMed | PMID: 42618632 |
论文原文信息地址：https://www.simoagent.com/blog/2026-08-22-shaked-emergency-llm-cds/
参考文献
- 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
- 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
- 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