2026年：临床智能从承诺走向实践

2012年，我坐在医院停车场里，听母亲讲述一场噩梦。我的父亲刚刚接受了开胸手术来替换二尖瓣主动脉瓣——一次"技术上成功"的手术。但这个成功立即被手术台上的中风和随后三年的康复过程所掩盖。

八年后的2020年，一次洗牙导致的葡萄球菌感染让他陷入败血症。我们一家人再次陷入盲目状态，仅仅因为那周能接触到的唯一数据点——一份干净的超声心动图就让我们欣喜若狂，因为这给了我们一些希望。

每当我来上班时，我都会想起父亲的这段经历。二十年来，医疗保健和生命科学行业一直承诺"数字化转型"将有助于预防慢性疾病，在疾病发作前就将其发现。但这并没有实现——至少目前还没有。

回顾过去，我现在看到我们一直在打基础。我们花了二十年时间实现行政数字化：计费代码、云计算、电子健康记录。我们构建了神经系统。现在，在2026年，我们终于准备好为它装上大脑。

我们即将进入临床智能的新时代。"数字化"作为医疗保健中一项独立活动的时代——你在屏幕前做的事情——将在2026年开始消解。基础设施终于建成。现在，智能将开始在其中流动。

在接下来的十二个月里，我预期三个人工智能驱动的转变将有意义地加速，这些转变将定义这个新时代。当我想象医疗保健的未来时，我会从这对我父亲和我们家庭意味着什么的角度来看待它。虽然我谨慎乐观，但我想区分出我对2026年具体期望看到的内容，因为每个转变都提出了不同的问题：关于权威和责任、基础设施和隐私，以及稀缺性和价值。

转变1：从自动化到权威

过去三年，世界一直痴迷于能够写作和创造的生成式AI。到2026年底，我们将看到智能体被授予在整个医疗保健生态系统中真正的行动权威：批准例行请求、引导患者、分配资源、安排干预措施。

这将标志着从自动化到权威的重大转变，AI自主做出商业决策——在操作工作流程中采取行动而不等待人类批准。

2012年，在我父亲中风后，医疗保健系统在操作上难以支持我们。出院规划混乱。康复机构的安排需要数天的电话联系。术后护理的保险预授权在他的康复时间线上造成了空白。家庭健康协调出现了疏漏。

一个管理他术后护理协调的自主智能体可能改变一切——不是通过观察他的临床状态，而是通过对其采取行动。在他的手术团队记录"中风并发症"的那一刻，智能体就可以自动触发护理协调协议：预授权康复服务、安排神经科随访、提醒病例管理员、启动家庭沟通——所有这些都在任何人需要打电话之前完成。

但风险已经存在。2019年一项具有里程碑意义的研究发现，一个广泛使用的护理资源分配算法系统性地低估了黑人患者的医疗保健需求——因为它使用成本作为需求的代理，而历史上黑人患者即使在同样生病的情况下也接受较少的护理。最近，用于事先授权的AI工具被指控产生的索赔拒绝率比人类审查员高16倍。在2026年，随着智能体获得更大的行动权威——不仅仅是标记——这些问题将加剧。

监管回应已经在形成。六个州已经通过法律限制保险公司使用AI拒绝承保。当2026年不可避免的"惨痛教训"时刻到来时，立法者和监管机构将被迫在医疗保健操作中的人类判断和机器权威之间定义更清晰的界限。

转变2：环境观察的兴起

2020年，我父亲在败血症诊断前几周走进医生办公室，感觉"有点不对劲"。他无法表达哪里不对。其他人也无法表达。他被送回家了。

想象一下如果那次就诊有所不同。如果检查台检测到他体重分布和姿势的细微变化。如果环境传感器从他的呼吸模式中检测到升高的呼吸频率。如果他的Apple Watch数据显示一周的心率变异性下降，被拉入同一系统。没有单一信号会是决定性的。但合在一起？这种汇聚可能触发："建议优先分诊——汇聚指标暗示早期系统性炎症。"他首先看医生，医生知道要关注什么——不是因为他抱怨得最响，而是因为建筑知道。

这不是科幻小说。2025年10月《BMC感染性疾病》的一项系统综述发现，机器学习和深度学习模型可以比传统诊断方法更早地预测败血症，尽管性能取决于数据质量。2026年的问题不会是算法是否有效。而是我们是否建立传感器网络来供应它们。

如果临床智能的第一个转变是关于AI对商业决策采取行动，那么第二个转变是关于AI观察世界并基于其预测开出临床干预处方。这是感知和思考层——观察、预测和浮现人类和智能体可以采取行动的信号的基础设施。

基础设施已经在形成。2024年，71%的医院报告使用集成到其电子健康记录中的预测AI，比2023年的66%有所增加。其中，92%使用它来预测住院患者的健康轨迹。

2026年将是我们开始构建物理传感器基础设施以为这些模型提供连续、真实世界数据的一年。数百万患者已经在手腕和手指上佩戴临床级传感器。今年改变的不会是可穿戴设备——而是环境。环境传感器将开始在整个医疗保健生态系统中大规模部署：在医生办公室、病房和辅助生活设施中。

这个安全网的代价？隐私。我们会同意在公共空间对我们身体进行环境监测吗？历史表明会的。我们用浏览习惯换取了免费搜索。用社交图谱换取了免费网络。用位置数据换取了免费地图。当交易变成"你的生物识别数据换取更早的癌症检测"时，计算甚至不会接近。当替代方案是"我们本可以在你父亲败血症前发现他的感染"时，2020年代的隐私辩论将显得过时。"进入此办公室即表示您同意为临床目的进行AI监测"的表格将成为新的HIPAA披露——在每次医生就诊时都会被签署而不被阅读，因为替代方案是不可想象的。我们正在邀请HAL 9000进入检查室，这次，任务就是我们。

转变3：人类溢价

大部分医疗保健是例行的。链球菌性喉炎诊断。处方续开。稳定的慢性疾病检查。直接的皮肤科筛查。AI将处理它——对于这些大量、低复杂性的咨询，AI可能同样好。也更便宜、更快。

在2026年，我预期我们将看到卫生系统开始试点AI主导的咨询：聊天机器人分诊、算法驱动诊断和例行病例的远程医疗医生监督。我们已经在心理健康护理中看到了这种情况——BetterHelp式的治疗提供大规模、快速和合理成本的护理。今年，该模式将开始波及初级保健、皮肤科和例行专科。

但医疗保健中不是每个时刻都是例行的。不是每个时刻都是关于信息。

我父亲中风后，我们有一个护理团队作为人类而不仅仅是提供者出现。他们帮助我们导航不可能的决定——不是通过给我们更多数据，而是通过与我们一起承担不确定性的重量。这产生了所有的差别。

这就是人类溢价：不是信息综合，而是存在、倡导，以及愿意分担没有完美答案的决定的负担。

临床智能的三车道框架不是关于AI对人类。它是关于将能力与复杂性匹配。智能体自主性和环境观察将处理操作和信息层面，以便人类可以专注于真正需要人类存在的内容。AI承担例行护理不会削减人类溢价；它会澄清它。它将为真正需要人性的时刻释放人类注意力。

这对生命科学意味着什么

上述三个车道描述了医疗保健的根本重新分割。但对于制药和生命科学公司，问题更尖锐：我们在哪里适应？

市场准入和患者服务中的智能体AI：付款人已经在大规模部署AI拒绝索赔。生命科学公司需要以同样的方式回应，在市场准入和患者服务中构建自己的智能体能力，以对抗算法拒绝、为患者倡导并确保治疗的获得。构建智能、响应患者支持系统的公司——能够导航付款人算法、标记错误拒绝并适当升级的智能体——将保护患者和收入。但治理很重要：困扰付款人AI的相同歧视风险将适用于制药公司部署的任何智能体。成功的公司不会是最快部署智能体的公司——它们将是构建防止自己"惨痛教训"时刻的监督框架的公司。

真实世界证据的基础设施：我们承诺去中心化临床试验已经十年了。读者有理由持怀疑态度。2026年改变的不会是承诺；而是基础设施的跟上。可穿戴设备终于无处不在。监管框架（FDA 2024年关于数字终点的指导）已经到位。综合连续被动数据为临床上有意义终点的AI终于成熟。"快照问题"——仅在预定现场访问时捕获患者数据——将开始让位于连续、客观测量。药物警戒将从偶发性报告转变为实时信号检测。现在与卫生系统建立环境数据伙伴关系的公司到2028年将在证据生成方面拥有不可逾越的优势。

田间队伍的战略价值：就像他们的患者一样，当医生淹没在AI生成的摘要和环境数据流中时，他们不需要有人背诵详细说明书。他们需要一个能够与AI一起工作以综合并将数据转化为临床意义的人类伙伴。医学科学联络员（MSL）和销售代表在临床智能时代将继续变得越来越重要，但只有在配备预测洞察力并从目前消耗他们日子的行政负担中解脱出来的情况下。

2026年获胜的公司不会是拥有最多AI试点的公司。它们将是理解每个功能属于哪个车道并相应投资的公司。

进入实践

在2026年，我们将开始看到AI作为医疗保健中一个独立事物的消失。我们将停止"使用AI"，就像我们曾经"上网"一样。智能将变得越来越环境化、嵌入式、不可见——编织到检查室、电子健康记录、对话中。

这三个车道代表着发达医疗保健经济体向临床智能根本转变的开始。智能体将处理可以系统化的决定。环境系统将观察我们无法观察的。人类将做只有人类能做的：连接、共情，在违背算法的情况下行使判断。

我想起我的父亲：中风后出院规划的压力、错过的葡萄球菌诊断，但也有神经科医生在我们最需要时作为人类出现。这些转变可以消除混乱，在疾病传播前抓住它，并使人类存在成为规则而不是例外。这就是我希望每个家庭都能拥有的医疗保健未来。

关于作者

Tom Barry是诺华的AI产品负责人，他为生物制药商业化提供AI，包括田间队伍优化、预测分析和客户参与。他带来了十多年的医疗保健和生命科学经验，包括在武田领导企业数字化转型的五年。Barry也是《现实差距》播客的联合主持人和执行制片人，这是一个关于专业期望与工作场所现实之间脱节的播客。所表达的所有观点都是他自己的。

Q&A

Q1：什么是临床智能三车道框架？

A：临床智能三车道框架包括：智能体自主性（AI自主做出商业决策）、环境观察（AI通过传感器网络监测和预测）、以及人类溢价（人类专注于需要共情和判断的复杂情况）。这个框架旨在将不同能力与相应复杂性匹配，让AI处理例行工作，人类专注于真正需要人性的时刻。

Q2：环境传感器如何帮助早期疾病诊断？

A：环境传感器可以检测到人类无法察觉的细微变化，比如体重分布、呼吸频率、心率变异性等。当多个信号汇聚时，AI可以识别出早期疾病迹象。例如，检查台检测姿势变化、环境传感器监测呼吸，结合可穿戴设备数据，可能在败血症等严重感染早期就发出预警，比传统诊断方法更早发现问题。

Q3：2026年医疗保健AI应用会面临哪些挑战？

A：主要挑战包括算法歧视问题（如历史上对黑人患者护理不足可能影响AI决策）、隐私担忧（环境监测需要患者同意生物识别数据收集）、以及权威责任界限（当AI做出错误决定时的法律责任问题）。监管机构正在制定更清晰的规则，六个州已通过法律限制保险公司用AI拒绝承保。