急诊科的AI病历助手没有改变现状

波士顿布莱根妇女医院的急诊楼2022年启用。到2025年，它已经不够用了。九月初的一个晚上，急诊科里有59名患者；如果把候诊厅里的人也算上，则是152人。该科室的医生Christopher Baugh说得很直接：“急症监护病房我们有61间。不可能把152名患者安置在61个房间里。”病床被摆到一切可能的位置，一些患者躺在走廊里。

急诊科的混乱，最能让人看清AI在医学中真正改变的边界。急诊科里最先进的技术是所谓的环境记录助手。这类程序会听医生与患者的对话，并帮助把它写成病历。STAT在2026年9月9日的报道对其影响总结得很简短：没有改变现状。

这并不意味着它们没用。已经部署这些工具的医院反复提到一些实际收益：花在病历上的时间更少，团队的行政负担更轻，与患者的沟通更好。问题在于，人得到的缓解不会自动变成急诊科的收治能力。房间、床位和人员依然短缺，队伍堵在流程的另一个环节，堵在资源上，而不是键盘上。

那个晚上的数字值得与AI究竟能改变什么放在一起看。语言模型可以把一段对话录音变成病历中的一条记录，但它不能打开一间新病房，也不能雇一名护士。所以，改善系统的“出口”，也就是收治能力，需要改变资源，而不只是改变软件层。在为急诊科采购下一件工具时，这一区分很关键。

证据真正缺在哪里

同样的问题，也就是承诺与证据之间的落差，见于2026年9月17日发表在npj Digital Medicine上的一篇评论，作者是Arjun Mahajan、Nigam H. Shah和Dylan Powell。作者指出，大型语言模型在医学中的快速发展，让生成和评估证据的传统做法变得困难：模型变化的速度快于研究的速度，而前瞻性临床研究的项目设计和报告方式又过于多样，无法快速、可靠地评估临床模型的有效性和安全性。

对医院的实际结论是这样的。能够缩短病历书写时间的部署有扎实的依据，可以据此考核。而关于急诊科收治能力、成本或治疗结果的承诺，则需要单独设计、针对这些问题的研究。没有这些研究，很容易出现一种局面：AI助手让医生高兴，患者却仍在走廊里等待。