全球首次尝试让 AI 独立开处方:医疗效率与安全边界如何平衡?
全球首次尝试让 AI 独立开处方:医疗效率与安全边界如何平衡?
在美国犹他州,一项为期一年的试点正在测试:AI 能否在没有医生事前逐单审核的情况下,为患者完成诊断并开具处方。它的范围目前很窄——只面向成年轻中度痤疮患者;但它提出的问题并不小:当算法开始参与诊疗决策,便利与安全该如何平衡?

从续方到初诊,AI的权限向前一步
此前,犹他州已试行由 AI 协助续开处方:患者须已有明确诊断且病情稳定,系统不能新增药物、调整剂量或作出新诊断,相关变化仍由医生审核。此次 Nolla Health 推出的 Nolla Derm 项目,则把 AI 的职责扩展到识别痤疮、评估病情并推荐初始治疗方案。
用户每月支付 4.99 美元,完成身份验证并填写健康信息,再按要求从多个角度拍摄面部。系统据此评估皮肤状况并生成最高 5 分的严重程度评分。评分超过 3.5 分,或用户处于妊娠、哺乳期,或有严重肝肾疾病等情况时,自动开方流程会停止,转交医生评估。

进入处方环节后,AI 只能从预设的 8 种外用药物中选择,包括维 A 酸、阿达帕林、过氧化苯甲酰、壬二酸及部分复方制剂。口服药、异维 A 酸和重度痤疮均不在范围内。患者可选择配送药物,或凭处方到药房购买;后续还可在线复诊。
这不是让模型自由生成任何治疗方案,而是在限定人群、病情和药物清单内进行筛选,并设置转诊条件。边界设计能降低一部分风险,却不能替代对诊断准确性、用药禁忌和长期效果的验证。
分阶段放权,安全指标是门槛
试点采用逐步扩大自主程度的安排:前 100 名用户至少持续 4 周,每张 AI 处方都须由两名执业医生分别审核批准;随后 400 名用户阶段至少持续 8 周,AI 可直接开方,但医生每周复核;进入后续阶段后,医生每月至少抽查 10% 的处方,并处理病情恶化或不良反应病例。
任何严重不良事件都将触发项目暂停。每次进入下一阶段前,还需获得州政府批准,并满足包括诊疗意见一致率至少 95%、抽检未发现严重遗漏等条件。

这些安排体现了试点的核心思路:先以人工审核积累证据,再逐步扩大自动化。但“医生每周复核”或“按比例抽检”与逐单事前把关并不相同,风险能否被及时发现,仍取决于监测质量、患者反馈渠道以及暂停机制是否真正有效。
低门槛服务的吸引力与盲区
Nolla Health 将痤疮作为切入口,理由之一是皮肤状况可以通过图像观察,而在美国预约皮肤科医生往往需要等待。若系统确实能准确识别适用患者、及时转诊复杂病例,远程服务可能减少就诊等待,让部分轻症患者更早获得治疗。医生也有机会把时间集中在复杂或高风险病例上。
但照片并不能完整呈现患者状况。既往病史、正在使用的药物、过敏情况、皮肤变化和患者主观感受,都可能影响诊断和处方选择。影像质量、肤色差异、训练数据代表性以及模型对少见情况的处理,也会影响系统表现。公司披露的训练病例数量属于企业自述,不能单独证明产品在真实临床中的安全性或有效性。
更重要的是,患者可能把自动化结果当作医生诊断。若系统漏掉需要面诊的病情,或药物不适合特定患者,责任如何在开发公司、医疗服务方、监管部门和临床人员之间划分,也需要明确规则。
真正的分歧:AI可以走到哪一步
医疗领域对 AI 的使用正在扩大,但“辅助医生”与“独立作出诊疗决定”是不同层级。美国联邦层面尚缺少统一、全面的 AI 医疗立法,各州持续制定相关规则;欧盟《人工智能法案》则将不少医疗 AI 系统纳入高风险监管框架,采取更严格的要求。
在中国,互联网诊疗监管规则明确要求处方由接诊医师本人开具,并禁止使用人工智能等自动生成处方。不同制度的差异,反映出监管者对患者安全、医疗责任和创新速度的不同权衡。

因此,犹他州试点的意义不只是“AI能不能开药”。它更像一次边界测试:在适用人群有限、治疗方案受约束、持续监督并可随时暂停的条件下,自动化决策能否达到可接受的安全水平?答案需要由透明的试验数据和独立评估给出,而不能只看便利、成本或企业宣传。
如果这类试点证明有效,它可能推动基础医疗服务重新分工;若出现严重漏诊、用药伤害或责任不清,也会提醒行业:效率不能替代临床责任。AI进入诊疗流程的速度,最终应由证据、监管和患者安全共同决定。