AI与医疗实践中的伦理与专业精神：美国内科医师学会2026年立场文件要点

引言与背景

临床场景中的人工智能（Artificial Intelligence，AI）更准确地说可称为增强智能（augmented intelligence），其应用已迅速从研究阶段进入常规临床工具范畴，广泛用于诊断、风险预测、影像判读、分诊以及行政事务处理。美国内科医师学会（American College of Physicians，ACP）伦理、专业精神与人权委员会于2026年9月发表了立场文件，直面AI在医疗照护现场所带来的伦理与职业挑战（DeCamp et al., 2026）。ACP并未提供技术性的监管规则，而是将医患关系与专业义务置于核心，作为临床实践中伦理部署AI的基础。

为何这篇文章在此时尤为重要
– AI工具在各类医疗场景中的快速普及，已超过临床医师如何以伦理且专业的方式整合这些工具的共识形成速度。
– 既有框架（WHO、AMA、FDA）提供了治理与实施层面的指导，但临床医师仍需要可操作的原则，以应对床旁决策、信息披露以及维持临床完整性等问题。
– ACP文件回应了以患者为中心的指导空白：何时披露AI使用、如何保留专业判断、如何处理公平与隐私顾虑，以及临床医师应如何以公平照护为目标管理AI。

主要支持性来源
– DeCamp M, Snyder Sulmasy L, Karches KE, et al. Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians. Ann Intern Med. 2026 Sep 1. PMID: 42673596.
– World Health Organization. Ethics and Governance of Artificial Intelligence for Health (2021).
– U.S. Food and Drug Administration. Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device Action Plan (2021).
– American Medical Association. Policy H-480.940: Augmented Intelligence in Health Care (2019).
– Char DS, Shah NH, Magnus D. Implementing machine learning in health care — addressing ethical challenges. N Engl J Med. 2018.
– Topol E. High-performance medicine: the convergence of human and artificial intelligence. N Engl J Med. 2019.
– CONSORT-AI and SPIRIT-AI reporting guidance（2020—2021年发布的扩展版本），适用于涉及AI的临床试验。

新指南要点

ACP文件提出了3项以患者—关系为根基的指导原则，用于指导在医疗照护现场对AI的伦理使用：
– 关系性：优先维护治疗性关系——AI必须支持医学中的人际价值，而不能取代之。
– 自我治理：医师必须保有独立的专业判断，并对涉及AI的决策承担责任。
– 胜任力：临床医师必须获得并维持与AI相关、足以安全使用的知识与技能。

主要实践建议（摘要）
– 透明与披露：当AI对诊断或治疗管理产生实质性影响时，临床医师应告知患者，并能够以易于理解的方式解释AI如何影响了照护。
– 知情同意：当AI使用具有实质风险、不确定性，或属于试验性应用时，应取得知情同意，内容包括目的、获益、局限性及数据使用/共享方式。
– 临床监督：医师必须验证某一AI工具是否适用于其所在场景，了解其性能特征与局限，并监督其输出结果。
– 公平与公正：识别并减轻数据集和模型中的偏倚；优先监测对历史上被边缘化群体的不均等影响。
– 隐私与数据管理：采用去标识化与安全的数据治理；对患者数据的次级用途及适当情形下的退出路径保持透明。
– 文书记录与可审计性：在病历中记录AI的使用及其理由；支持部署后监测与不良事件报告机制。
– 职业发展：医学教育与继续专业发展应纳入AI素养、模型解读与伦理使用。

更新后的建议与关键变化（与既往指导相比）

2026年ACP立场文件对现有框架的补充
– 以患者为中心的框架：不同于某些侧重安全性、性能或治理的监管文件，ACP将医患关系置于首要伦理视角。
– 可操作的临床医师责任：该文件明确了医师职责（披露、胜任力、管理责任），而不仅仅是机构义务。
– 强调自我治理：文件确认医师保有独立的实践性推理能力，且必须抵制不加批判的自动化偏倚。

与早期主要声明的比较概览
– AMA（2019）：倡导增强与患者安全原则；ACP（2026）在此基础上进一步提出披露、文书记录与关系伦理方面的具体义务。
– WHO（2021）：提出全球治理与伦理原则；ACP将这些原则转化为美国临床医师的床旁实践，强调知情同意与关系性。
– FDA（2021年行动计划）：聚焦基于AI/ML的医疗器械在上市前与上市后的监督；ACP则补充了临床医师在本地情境中验证工具的职责。

按主题划分的建议

本摘要中采用的建议类别
– 强推荐：几乎所有情形下都建议临床医师执行。
– 条件性推荐：多数情形下建议，但需视情境、资源限制或患者偏好而定。
– 最佳实践声明：虽不易按常规证据等级评定，但强烈建议执行。

1）诊断与治疗决策支持
– 强推荐：临床医师在依赖任何AI诊断或治疗支持工具作出临床决策前，应核实该工具是否已针对所服务患者群体完成验证，并了解其预期用途、性能指标（灵敏度、特异度、校准）及失效模式。
– 条件性推荐：当AI模型提供高风险建议（例如分诊至重症监护病房）时，临床医师应启动第二意见流程，并在遵循或偏离AI建议时考虑记录其理由。

2）披露与知情同意
– 条件性推荐：当AI使用会实质性影响诊断、预后或治疗选择时，应向患者披露AI的使用情况。“实质性影响”包括AI输出改变治疗选项，或仍存在重大不确定性的情形。
– 强推荐（最佳实践）：当AI属于试验性应用或研究部署的一部分时，应取得正式知情同意，说明目的、风险、获益及数据使用方式。

3）隐私、数据使用与次级用途
– 强推荐：建立稳健的数据治理；在可行时对数据进行去标识化，仅限于必要用途共享，并告知患者数据的次级用途及重新识别风险。

4）公平性、偏倚减轻与健康公平
– 强推荐：部署前实施偏倚评估，并按种族、族裔、性别、社会经济状况分层监测结局；必要时调整模型或限制其使用，以防止差异性伤害。
– 条件性推荐：当模型在某些亚群中的表现较差时，可考虑模型再校准、本地数据增强或限制性部署。

5）临床胜任力与培训
– 强推荐：医疗系统与临床医师应承诺持续接受AI素养培训，包括对指标、可解释性局限及安全使用实践的理解。

6）文书记录、可审计性与报告
– 最佳实践声明：记录已使用某AI工具及其原因；保留审计轨迹；并在适当情况下将与AI相关的伤害或“险些发生的不良事件”报告给机构安全系统及监管机构。

7）责任与问责
– 条件性推荐：尽管机构与供应商共同承担工具安全责任，临床医师仍不得放弃专业判断。临床医师应了解有关供应商责任、AI工具准入审核以及医疗过失责任影响的机构政策。

8）特殊人群（儿童、认知受损者、边缘化群体）
– 强推荐：在为脆弱人群部署AI时应采取更高程度的审慎；原则上应采用更保守的使用方式，并提高验证阈值。

专家评述与洞见

委员会立场依据
– 关系性：委员会认为，医学伦理本质上是关系性的——信任、共情与共同决策——而AI必须依据其对这些价值的影响来评判。例如，若某AI虽能加快诊断，却减少了与患者之间有意义的接触，即便其准确，也可能在伦理上存在问题。
– 自我治理：临床医师是最终决策者。委员会强调要抵制自动化偏倚（对AI的过度依赖），并维护道德能动性。
– 胜任力：委员会认为，临床医师的胜任力如今也包括知道何时适合使用AI、阅读性能指标，以及诚实地解读输出结果。

主要争议与讨论点
– 披露阈值：AI的影响达到何种程度才需要披露？委员会建议采取务实标准：当AI对照护决策产生有意义的影响，或患者有合理理由希望知晓时，应予以披露。
– 透明性与专有模型：许多高性能AI模型为专有且不透明。委员会敦促供应商与机构提供足够的解释性信息，使临床医师能够理解其局限，即便完整模型细节仍属专有。
– 责任：与AI相关的医疗过失法律标准仍未定论。委员会呼吁建立共享责任框架，但将法律改革留给政策制定者。

该小组强调的未来趋势与研究需求
– 用于真实世界部署中前瞻性公平性测试与监测AI的方法学。
– 面向普通患者解释AI贡献的实用沟通策略。
– 医学培训中关于AI胜任力的教育课程与认证标准。

对临床医师与医疗系统的实际意义

如何将ACP建议转化为操作
– 部署前：要求开展本地验证研究，或由临床信息学部门审查，以确认模型在本地数据上的表现；明确适用范围与禁忌证。
– 在医疗照护现场：当AI对决策产生实质性影响时，应告知患者；用通俗语言解释，并提供提问机会。
– 文书记录：在病历中注明AI的使用，概述其使用原因，并在遵循或推翻AI输出时记录临床判断依据。
– 监测：持续追踪性能指标，并按人口学亚组分层分析结局，以发现偏倚。
– 培训：将AI素养纳入继续医学教育（CME）与住院医师培训项目；包括伦理使用案例与披露沟通角色扮演。
– 供应商合同：要求披露训练数据来源、性能指标，以及部署后监测与更新承诺。

简要患者案例
– 67岁的玛丽亚·约翰逊（Maria Johnson）患有慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD），因气促加重就诊。急诊科使用一项AI分诊工具，提示其病情恶化风险升高并建议住院。医师核实该模型是否适用于本地COPD人群，结合玛丽亚的体格检查和检验结果，向玛丽亚解释基于AI的风险评估是建议住院的原因之一，并在病历中记录AI的作用及所采用的临床判断。医师还注意到，该院本地验证显示该AI在80岁以上患者中的灵敏度较低，因此对老年患者采取了更高程度的警惕。

参考文献

– DeCamp M, Snyder Sulmasy L, Karches KE; Ethics, Professionalism and Human Rights Committee of the American College of Physicians. Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians. Ann Intern Med. 2026 Sep 1. PMID: 42673596. https://pubmed.ncbi.nlm.nih.gov/42673596/
– World Health Organization. Ethics and Governance of Artificial Intelligence for Health: WHO Guidance. 2021. https://www.who.int/publications/i/item/9789240029200
– U.S. Food and Drug Administration. Artificial Intelligence and Machine Learning (AI/ML)-Based Software as a Medical Device Action Plan. 2021. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device
– American Medical Association. Augmented Intelligence in Health Care (Policy H-480.940). 2019. https://www.ama-assn.org/delivering-care/ethics/augmented-intelligence-health-care
– Char DS, Shah NH, Magnus D. Implementing Machine Learning in Health Care — Addressing Ethical Challenges. N Engl J Med. 2018;378:981–983. https://www.nejm.org/doi/full/10.1056/NEJMp1714229
– Topol EJ. High-Performance Medicine: The Convergence of Human and Artificial Intelligence. N Engl J Med. 2019;375:1218–1220. https://www.nejm.org/doi/full/10.1056/NEJMp1716845
– CONSORT-AI and SPIRIT-AI extensions for clinical trials and study protocols involving artificial intelligence, Nature Medicine/ BMJ publications (2020–2021).

结语

ACP 2026年立场文件是一份及时且面向临床的伦理路线图，要求临床医师将AI视为置于专业监管之下的工具，而非取代判断的“黑箱”。通过突出关系性、自我治理与胜任力，ACP重新界定了讨论的重点：核心问题不仅是AI是否提高了准确性，更在于其使用是否保全了信任、公平，以及医学的基本伦理价值。