急诊科AI病历助手未改变现状

波士顿Brigham and Women’s Hospital的急诊楼2022年启用。到2025年，空间已显不足。九月初的一个晚上，急诊科内有59名患者；若算上候诊厅，总数达152人。该科医生Christopher Baugh直言：“急症监护病房只有61间。61间房无法容纳152名患者。”病床被安置在所有可能的角落，部分患者只能躺在走廊里。

急诊科的混乱，最能凸显AI在医疗中实际作用的边界。目前急诊科最先进的技术是“环境记录助手”。这类程序通过监听医患对话，辅助生成病历。STAT在2026年9月9日的报道中对其影响总结简练：现状未变。

这不代表它们毫无用处。已部署该工具的医院普遍反馈了实际收益：病历书写时间减少，团队行政负担减轻，医患沟通改善。问题在于，人力负担的缓解并未自动转化为急诊科的收治能力。病房、床位和人员依然短缺，瓶颈出现在资源环节，而非键盘操作。

当晚的数据值得与AI的实际能力边界对照。语言模型能将对话录音转化为病历条目，但无法开辟新病房，也无法招聘护士。因此，提升系统“出口”即收治能力，需调整资源配置，而非仅优化软件层。在采购下一款急诊科工具时，这一区分至关重要。

证据缺口在哪里

承诺与证据之间的落差，同样见于2026年9月17日发表在npj Digital Medicine上的一篇评论。作者Arjun Mahajan、Nigam H. Shah和Dylan Powell指出，大型语言模型在医学领域的快速迭代，使传统证据生成与评估模式面临挑战：模型更新速度快于研究周期，且前瞻性临床研究的设计与报告方式差异过大，难以快速、可靠地评估临床模型的有效性与安全性。

对医院而言，结论明确。能缩短病历书写时间的部署有扎实依据，可据此考核。但涉及急诊科收治能力、成本或治疗结果的承诺，需开展专门设计的针对性研究。缺乏这些研究，极易出现AI助手让医生满意，患者却仍在走廊等待的局面。