（来源：twt社区 twt企业IT社区）

 导读 

医院需要用可审计的数据证明智能体是否提升临床质量和效率，而不能只看模型精度。如何量化智能体带来的临床价值（诊断准确率提升、误诊漏诊率下降、医生时间节省）？归因模型应采用何种比对基线（历史同期/对照科室/盲法专家共识/最终随访结局）？是否需要多基线同时运行以交叉验证？本文来自社区相关课题下的同行共识投票和探讨，可以看到行业在智能体临床价值量化方面的进展现状以及同行经验和思考。

· 来自企业IT应用趋势项目创新联盟 ·“行业最具价值智能体——跨越AI试点到规模化鸿沟”课题方向 | 三甲医院多模态融合辅助诊断与临床决策支持一体化课题

同行共识投票（现状/选型）

智能体临床价值应采用哪些指标和方法进行评估？

*投票为社区同行投票的阶段性结果（目前来自31家企业同行），仅供参考，更多结论可参考后续发布的课题报告

技术路线状态：当前得票最多为【规划/评估中】

效果度量核心指标：当前得票最多的为【医生采纳率细分——按科室分层（影像科/病理科/临床科室）】

核心能力权衡：在度量智能体价值时，当前认为更应优先保障的是【评估的严谨性：采用随机对照试验或影子模式，确保增量效果归因准确。】

https://www.talkwithtrend.com/Poll/479445

部分同行探讨

如何量化智能体带来的临床价值（诊断准确率提升、误诊漏诊率下降、医生时间节省）？

◉ pongpong 某医院 工程师：

从信息化建设实践来看，量化智能体价值的关键前提是数据可采、可归、可比。我们在部署阶段就需要同步规划数据埋点：处方审核拦截率、危急值提示响应时间、影像 AI 辅助标注与医生终判的差异率，这些过程数据往往比终局指标更能说明问题。技术上建议依托现有 CDR 和临床数据中心，建立"智能体效能评价数据集"，按病种、科室、医生层级做多维切片分析，避免事后补数据的被动局面。另外，智能体模型迭代需要持续的真实世界反馈，信息科应在系统架构上预留 A/B 测试和灰度发布能力，让临床评价与系统优化形成闭环，真正把智能体纳入医院质量管理体系而非孤立运行。

◉ 某公共服务行业用户：

量化智能体的临床价值，不是简单看“用了以后准确率高了多少”，而是要把医生、患者、流程、系统几个变量拆开看。

真实临床环境里最大的难点是：医生本身经验差异很大，病例复杂度也不一样，如果不做分层，很容易把专家医生的能力误认为是智能体效果，或者反过来低估系统价值。所以我觉得首先要建立一套基线，比如按病种、科室、医生年资、病例难度、是否急诊等维度，把智能体上线前后的诊断一致率、漏诊率、报告完成时间、会诊次数、检查追加率做对比。更理想的做法是采用“人机协同前后对照+部分科室试点对照”的方式，不能一上来全院铺开，否则很难评价贡献来源。

其次，智能体的价值不只体现在最终诊断对不对，还体现在过程质量上，比如是否及时提示危急值、是否补充了医生容易忽略的影像或检验线索、是否减少重复检查、是否缩短年轻医生查资料和写病程的时间。

我们做信息化项目时经常发现，医生真正认可的不是系统多智能，而是它有没有在关键节点少打扰、真提醒、可追溯。因此量化时建议设三类指标：一是临床结局指标，如诊断准确率、误诊漏诊率、治疗方案调整率；二是效率指标，如单病例决策耗时、报告生成耗时、医生点击和录入次数；三是管理指标，如平均住院日、检查重复率、质控缺陷率。

最后还要保留医生反馈和典型病例复盘，因为有些价值短期数据看不出来。

智能体不要被当成“替代医生”的工具去评估，而要作为“提高下限、辅助质控、减少遗漏”的临床基础设施来评估，这样更符合三甲医院场景。

◉ diliangyu520 某省医科大学附属医院：

临床医学追求循证，连指南都在一直变化，所以评价甚至量化人工智能的能力是很难的，为相对客观的诊断报告提供必要的”辅助”也许是现阶段最好的选择，比如瑞金的病理大模型就是个很好的例子。

◉ hejiajia 广州某三甲医院 技术主管：

诊断准确率提升、误诊漏诊率下降、医生时间节省，这三点都可以，其他包括方便知识获取，信息成本等等其他各个指标，设置有关权重可以形成综合评价指标。

欢迎交流与分享