人工智能在初级保健分诊中的应用：基于标准化过程理论的瑞典医疗专业人员体验质性研究

《BMC Primary Care》：Integrating AI-based triage in primary care: a qualitative study of Swedish healthcare professionals’ experiences applying normalization process theory

为解决初级保健高需求与人力资源短缺的矛盾，研究人员开展AI分诊应用主题研究，发现尽管工具初步整合但未完全嵌入常规实践，存在组织支持不足、专业信任缺失及公平性担忧等障碍，对AI医疗工具可持续实施具有重要警示意义。

　　

随着全球初级保健系统面临日益增长的服务需求与人力资源短缺的双重压力，人工智能（AI）技术被寄予厚望。特别是在分诊环节——这个决定患者就医路径的关键第一步——AI应用被认为能够通过自动化收集病史和初步评估来减轻医护人员负担。然而，当这些技术从实验室走向真实临床环境时，它们是否真的能如预期般融入日常工作流程？瑞典研究人员针对这一问题展开了深入探索。

在瑞典这个以公平医疗 access 为法律基石的国家（根据瑞典医疗法案），初级保健承担着首诊和协调的核心职能。尽管数字化被视为解决医疗挑战的良方，且AI在病史采集、分诊等领域的应用前景广阔，但实际临床场景中的实证研究却相当匮乏。大多数现有研究聚焦于技术原型开发或验证，而忽视了这些工具在真实工作环境中的嵌入过程。正如研究所指出的，AI系统在安全关键场景中的失败，往往源于其对情境因素考量的不足以及系统成熟度评估标准的缺失。

正是在这样的背景下，Larsson等研究者将目光投向了AI分诊应用在临床实践中的整合过程。他们敏锐地意识到，技术的成功不仅取决于其本身的先进性，更关键在于它能否成为医护人员日常工作的一部分——即实现所谓的“规范化”。为了解开这个黑箱，研究团队选择了一个成熟的理论框架：标准化过程理论（Normalization Process Theory, NPT）。该理论特别适合分析复杂干预措施在常规实践中被接纳和持续使用的社会过程，其核心在于理解人们如何通过集体行动使新实践变得“正常化”。

本研究采用质性研究设计，通过半结构化访谈深入收集了14名瑞典初级保健专业人员的亲身经验。这些参与者包括医师、护士、心理学家和社会工作者，他们使用目标AI分诊应用的时间从三周至三年不等，平均达两年，确保了经验反馈的深度与广度。值得注意的是，该应用已在前述医疗机构的在线服务系统中运行3-5年，处于实施的维持期，这为研究其长期整合情况提供了理想窗口。

该AI分诊应用由商业公司开发，拥有CE标志（IIa类医疗器械），并集成于地区初级保健机构的预约系统。其工作流程是：患者通过在线问卷输入结构化数据和症状自由文本描述，机器学习算法（基于贝叶斯网络）对这些信息进行处理，生成包含紧急程度评分、潜在鉴别诊断的综合报告，旨在辅助医护人员决策。

研究团队对访谈资料进行了定向质性内容分析，严格依据NPT的四个构念进行数据归类：连贯性（Coherence）、认知参与（Cognitive Participation）、集体行动（Collective Action）和反射性监测（Reflexive Monitoring）。这种分析框架使得研究人员能够系统化地捕捉医护人员在接纳新技术过程中的心理变化、行为调整和组织互动。

主要技术方法包括：通过目的性抽样在瑞典南部两个初级保健机构招募14名有AI分诊应用使用经验的医疗专业人员；由两位经过培训的博士研究人员通过视频通信进行半结构化访谈（平均41分钟）；使用NVivo软件（版本14）辅助进行基于NPT框架的定向质性内容分析。

研究结果按照NPT框架呈现出清晰的脉络：

在连贯性方面，参与者自认为理解AI分诊应用的目的，但反思指出初期信息不足阻碍了全面理解。虽然他们对尝试新技术感到兴奋，将其视为现代医疗的趋势，但在区分新工作方式与传统分诊实践时发现了显著差异——特别是用阅读AI输出替代电话聆听患者这一变化。

认知参与方面，应用引入被认为由管理层驱动，但参与者投入程度不一。尽管投入了大量时间协助技术公司改进产品，稳固的“实践社区”并未形成，部分原因是使用该应用被视为可选而非必需。专业人员还提到因技术知识不足而难以提出关键问题。

集体行动方面，AI分诊应用的任务仅被部分执行。参与者更依赖患者的自由文本描述而非AI生成摘要，反映出对应用准确性的担忧。组织支持不足表现为缺乏自动预约时间槽、实践方式不统一，以及AI输出与电子健康记录（EHR）系统连接不畅等问题。

反射性监测揭示了对应用价值的持续不确定性。参与者质疑其时间节约效益，指出需额外时间阅读AI报告。安全性方面，缺乏明确处理紧急内容（如自杀风险）的指南引发担忧。公平性上，数字素养低的患者可能处于劣势，且应用设计对复杂非医学问题处理不足。

研究表明，尽管AI分诊应用在表面上已被初级保健系统采用，但远未达到真正意义上的“实践嵌入”。医护人员在数字化趋势面前表现出开放性，但多个障碍阻碍了有意义的整合：组织支持不足、对AI判断可靠性的怀疑、以及公平性担忧。更重要的是，研究发现技术与临床专业知识之间存在张力——医护人员更信任自身专业判断而非AI输出，这提示成功的AI整合需要增强而非削弱临床自主权。

该研究的深刻启示在于：AI医疗工具的实施绝非单纯技术问题，而是复杂的社会技术过程。决策者在推动类似创新时，必须充分考虑组织准备度、专业培训、工作流程适配及持续评估机制。特别是在初级保健这一高度依赖临床判断与人际互动的领域，AI工具的设计更需要与专业价值观和工作实况相契合。正如研究者所强调的，未来研究应当进一步关注商业逻辑、组织优先级与患者能力之间的相互作用，以确保AI技术的引入不会加剧医疗不平等。

这项发表在《BMC Primary Care》的研究为全球正在探索AI应用的医疗系统提供了宝贵参考，它用实证数据表明：技术本身的先进性是必要条件，但绝非充分条件——真正的挑战在于如何让技术创新在人性化的医疗环境中找到其恰当位置。