人工智能临床评估中的人类专家：全球健康治理中的不可替代角色

当AI评估AI：临床场景中的信任缺口

全球医疗系统正面临资源匮乏与需求增长的双重压力，人工智能被视为提高效率、扩大覆盖的关键工具。然而，一项发表于《npj Digital Medicine》的最新研究发出警示：在临床AI输出的质量评估中，完全依赖自动化评价系统可能忽视本地化的关键问题。

研究团队比较了人类专家评价与“LLM-as-a-Judge”（大型语言模型作为裁判）的表现，发现虽然AI系统能提供一致且低成本的评级，但当地临床医生仍然指出了被自动评估遗漏的重要关切。这一发现直指全球数字健康战略中的一个核心矛盾：如何在规模化部署AI的同时，保留人类专家的语境判断能力。

数字健康中的本地知识价值

对于全球南方国家而言，这一结果尤为重要。许多中低收入国家正借助AI弥补医生短缺，但培训数据多来自高收入环境，可能导致诊断偏差。研究显示，本地临床专家能识别出与疾病流行模式、文化习惯、基础设施限制相关的细微问题——而这些常常超出通用模型的训练范围。

例如，在撒哈拉以南非洲地区，AI辅助的疟疾诊断系统可能需要考虑患者的多重感染风险、药品可及性以及当地实验室的检测能力。自动化评估可能只关注算法准确性，而人类专家则能指出系统在真实临床工作流中的适用性鸿沟。

ESG视角：社会公平与治理责任

从ESG（环境、社会与治理）框架审视，该研究凸显了三方面议题：

• 社会（S）：AI部署应当增进而非削弱健康公平。若评估体系忽视本地声音，边缘群体可能被迫接受不适宜的AI方案。
• 治理（G）：建立透明、可问责的AI监管框架至关重要。研究建议在AI系统的生命周期中持续纳入人类审核，尤其是在高风险临床决策中。
• 环境（E）：虽然AI本身有碳足迹，但高效、准确的诊断可减少过度检查带来的资源浪费，最终助力可持续发展目标。

对全球治理的启示

世界卫生组织已发布《人工智能伦理与治理指南》，强调“人类在循环中”原则。本研究为这一原则提供了实证支持：当人类专家与AI共同参与评估时，既能利用AI的规模优势，又能保留临床判断的深度。

国际合作组织应推动建立“混合评估”标准： 1. 开发低资源环境下的本地化评估工具包； 2. 资助全球南方国家参与AI训练与评估的数据收集； 3. 将人类审核纳入发展融资项目的绩效指标。

结论：技术迭代与人机协同

AI在健康领域的潜力毋庸置疑，但技术进步不应以牺牲本地知识为代价。本研究提醒政策制定者、开发者和资助方：在追求效率的同时，必须投资于人的能力建设与监管机制。实现可持续发展目标3（良好健康与福祉）的真正路径，是让人工智能与人类智能互为补充，而非相互替代。