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：采纳率从68%跌至30%，班次每多1小时使用概率降28%
一套由多个大语言模型驱动的急诊临床决策支持系统，算法评分近乎满分，医生却越用越少。以色列Rambam医疗中心与梅奥诊所团队在《Nature Medicine》用DECIDE-AI第1阶段框架做了4周前瞻评估，发现采纳率从68%跌到30%，班次负荷每增加1小时使用概率就下降28%。
研究背景：急诊AI临床决策支持为何一直缺前瞻证据？
急诊科是全球医院里最忙、也最容易「堵」的地方之一。病人挤在走廊，等待专科会诊的时间越长，滞留时间（length of stay）就拖得越久。多年来，不少研究想用 AI 帮医生更快地分诊、判断、决定要不要请专科会诊，但一个尴尬的现实是：急诊领域的 AI 临床决策支持，几乎一直停留在「事后回溯」和「基准测试」里。
所谓「基准测试」，就是把精心整理好的病例丢给模型，看它答得准不准。可真实急诊是完全另一回事——医生在嘈杂、连续、被反复打断的班次里，一边要处理突发状况，一边还要决定要不要再点开一个 AI 界面。算法在榜单上考高分，和在真实急诊里被医生持续使用，是两码事。
正因为缺少「真实部署」的前瞻证据，以色列海法 Rambam 医疗中心（三级医院）联合梅奥诊所（Mayo Clinic）团队，把一套叫 SHAKED 的多 LLM 决策支持系统真正投进了急诊，做了一次罕见的前瞻评估。
创新点：把多LLM决策支持系统真正投进真实急诊
这项研究的价值，不在算法有多新，而在评价方式。它用的是 DECIDE-AI 第 1 阶段框架——一个专门为「AI 决策支持系统的早期临床评估」设计的报告指南（2022 年发表于 Nature Medicine），重点考察的是系统在真实临床环境里被医生「怎么用、愿不愿用」，而不是模型在测试集上的准确率。
研究设计很克制、也很务实：
- 选取一家三级急诊科，设两个平行单元（wing）；
- Wing A（干预组，584 例）使用 SHAKED，Wing B（对照组）照常轮转；
- 一共纳入 1,138 名需要专科会诊的成人患者，跑了 4 周。
这也是当前少有的、把 LLM 决策支持系统放在真实急诊、用真实患者数据、让真实医生连续用上一个月的研究。
技术原理：一套事件驱动+检索增强的「临床决策智能体」
要理解结果，先看 SHAKED 是怎么转起来的。它本质是一套临床决策智能体——由多个大语言模型协作，通过事件驱动管线自动运转：
- 临床事件从电子病历（EMR）触发，由「事件服务器 + 调度器（Event Server + Scheduler）」协调；
- 系统从临床数据库拉取患者数据，自动生成结构化病史和临床洞察，存进中心数据库；
- 医生通过聊天界面访问，后台配了一个**检索增强生成（RAG）**知识模块，用于调取循证证据支撑回答。
简单说，医生点开它，就能拿到一份自动整理好的病史摘要 + 初步诊断与检查建议，还能追问一句「为什么这么判断」。这正是「临床决策智能体」区别于普通聊天机器人的地方：它不等人问，而是主动读病历、做汇总、给建议。
数据说话：算法没翻车，医生却越用越少
先把「好消息」摆出来：SHAKED 的算法表现几乎挑不出毛病。
- 4 周内没有检测到任何不良事件；
- 专家盲审抽样的 100 份输出里，99 份被评为「临床适当」。
如果只看这张成绩单，你会以为它会大受欢迎。可真实数据讲了一个完全相反的故事：
| 关键指标 | 数据 |
|---|---|
| 医生采纳率（第 1 周 → 第 4 周） | 68% → 30% |
| 班次负荷每增 1 小时，使用概率 | 下降 28%（OR=0.72，95%CI 0.62–0.83） |
| 放射科会诊使用偏好 | OR=2.98（95%CI 1.58–5.63） |
| 急诊滞留时间（两组） | 均 4.9 小时（P=0.99） |
| 会诊周期时间（意向性分析） | 缩短 9.4 分钟（P=0.077，未达显著） |
几个数字值得单独点破：
- 采纳率一个月内从 68% 跌到 30%，整体只有约 44.3% 的合格就诊真正用上了它；
- 更关键的机制是**「负荷敏感」的弃用**：班次每往后多 1 小时，医生使用它的概率就下降 28%——越忙越不用，而不是越忙越依赖；
- 唯一一个「越用越喜欢」的场景是放射科会诊（偏好提升近 3 倍），因为那是一个边界清晰、能省下检索与汇总时间的窄任务；
- 而硬终点上，两组急诊滞留时间一模一样（4.9 小时），会诊周期缩短的 9.4 分钟也没达到统计显著。
换句话说：算法精度不是问题，医生的持续参与意愿才是。
应用前景与局限
这项研究的价值，是把一个此前被严重低估的变量——「持续临床参与」——正式写进了急诊 AI 落地的账本。
- 它提醒所有做医疗 AI 的团队：「准」只是入场券，「被持续用起来」才是及格线；
- 它给了一个清醒的落点：AI 的用武之地，可能不在「替医生拍板」，而在边界清晰的窄任务（如放射会诊里的检索与汇总）；
- 它也为下一步的随机对照试验（RCT）提供了设计依据——要不要做、怎么做，都更有谱了。
但局限也必须讲透：这是单中心、只有 4 周的早期评估，处于 DECIDE-AI 第 1 阶段，主要结局是「采纳行为」而非患者层面的硬终点；它没检验疗效，也没能力捕捉罕见但严重的安全事件；会诊时间的缩短未达显著。作者自己在文末明确写道：这些发现「用于指导随机试验设计，但现阶段并不足以支持 AI 临床决策支持在急诊的临床部署」。
结论
这项研究最值得记住的一句话是：急诊不缺聪明的 AI，缺的是「能持续用下去」的 AI。
SHAKED 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。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（急诊科大语言模型临床决策支持系统的前瞻评估） |
| 作者 | Liron Leibovitch、Adi Ahituv（共同第一作者）、Alon Gorenshtein、Dvir Aran、Moran Sorka、Keren Miron、Shahar Shelly（通讯作者） |
| 机构 | 以色列海法 Rambam 医疗中心（Rambam Health Care Campus）、以色列理工学院（Technion）、波士顿贝斯以色列女执事医疗中心（BIDMC）、梅奥诊所（Mayo Clinic） |
| 期刊 | Nature Medicine（《自然·医学》） |
| 发表时间 | 2026 年 8 月 19 日在线发表（2026-03-01 投稿、2026-07-22 接收） |
| DOI | 10.1038/s41591-026-04601-5 |
| PubMed | PMID 42618632 |
论文原文信息地址：https://www.simoagent.com/blog/2026-10-05-shaked-ed-llm-clinical-decision-support/
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
相关问题
什么是临床决策智能体？
临床决策智能体（clinical decision agent）是一种能「主动干活」的医疗 AI——它不只回答提问，还会连接电子病历等外部系统，自动读取病史、生成结构化摘要、给出诊断与检查建议，并在需要专业判断时把医生拉回来。它和普通聊天机器人的区别在于：前者「不等人问」就主动读病历、做汇总；后者只在你提问后才给出文字回答。本次研究的 SHAKED 就是典型一例——由多个大语言模型协作、事件驱动管线自动运转，还带检索增强模块供医生溯源。
急诊AI为什么「越用越没人用」？
不是算法不准，而是医生「用不动」。SHAKED 的算法在专家盲审里近乎满分（100 份抽样 99 份临床适当），但医生的采纳率一个月内从 68% 跌到 30%。核心机制是「负荷敏感」的弃用：班次每往后多 1 小时，医生使用它的概率就下降 28%——越忙越顾不上点开它，而不是越忙越依赖它。唯一例外的窄任务是放射科会诊（偏好提升近 3 倍），因为那里边界清晰、省时明显。这说明决定急诊 AI 落地的关键变量是「医生的持续参与意愿」，而非单纯的算法精度。
SHAKED 能替代医生吗？
不能。作者明确把 SHAKED 定位为「辅助决策支持」而非替代者，并强调这些 4 周单中心的前瞻数据「用于指导随机试验设计，但现阶段并不足以支持临床部署」。它没有检验疗效，也把握不住罕见但严重的安全事件，急诊滞留时间和会诊周期也未见显著改善。这项研究的价值在于提醒行业：先把「医生愿不愿持续用」这个前提解决，再谈 AI 能否改变结局。