英国国家医疗服务体系人工智能实验室混合方法形成性评估：经验教训与未来启示

本研究针对全球医疗系统AI应用进展缓慢的问题，对英国NHS AI Lab这一开创性项目开展混合方法评估，通过分析1021份文档和85个利益相关者访谈，揭示了AI在医疗领域部署的关键促进因素与阻碍。研究发现该实验室在政策制定、监管框架和能力建设方面取得重要进展，但也面临目标偏移、能力不足和系统需求错配等挑战，为全球医疗AI规模化应用提供了宝贵经验。

　　

在全球医疗系统纷纷投资人工智能(AI)以提升安全性、质量和效率的背景下，大多数AI项目仍停留在局部试点阶段。英国国家医疗服务体系(NHS)于2019年启动的AI实验室(NHS AI Lab)作为全球首个国家级医疗AI项目，旨在破解这一困局。这项发表在《npj Digital Medicine》的研究由爱丁堡大学(University of Edinburgh)Kathrin Cresswell领衔的团队开展，通过系统性评估揭示了医疗AI从实验室走向临床实践的复杂路径。

研究人员采用混合方法，分析1021份项目文档和85个利益相关者访谈数据，结合12次现场观察。关键技术方法包括：(1)基于TPOM框架(技术-人员-组织-宏观环境)的定性分析；(2)AI健康与护理奖(AI Awards)中Phase 4项目的技术特定评估团队(TSET)定量分析；(3)国家COVID-19胸部影像数据库(NCCID)等基础设施的成效评估；(4)利益实现(benefits realisation)框架下的投资回报率(ROI)测算。

主要研究结果包括：

1. 复杂生态系统中的雄心实验
   AI Lab作为跨供应商、监管机构和政策制定者的生态系统干预项目，面临早期创新与成熟技术规模部署的双重目标冲突。COVID-19大流行虽促使开发了NCCID等应急工具，但也导致资源分流和战略重心偏移。

2. 动荡的宏观环境影响
   政治驱动因素显著，6任卫生部长和4任首相更迭导致战略不连贯。2022年支出审查将预算从2.5亿英镑削减至1.435亿英镑，迫使项目从实验转向可量化成果。

3. 支持市场授权的真实世界证据
   Phase 4奖项项目显示：

• 卒中诊断工具(Project 1)使治疗率从3.6%提升至5.7%，预计5年社会护理节省3100万英镑
• 肿瘤诊断平台(Project 6)改变7.9%结节病例的临床管理决策
• 病理AI(Project 7)减少90天内36英镑/患者的组织学检测

1. 技术规模化与采购路径
   项目暴露出NHS采购机制与AI动态特性不匹配的问题。42%供应商因英国复杂监管转向美国市场，而平台部署模式等规模化尝试也面临挑战。

这项研究的重要意义在于：首次系统评估了国家级医疗AI项目的全生命周期经验，提出医疗AI成功部署需要(1)平衡创新热情与证据基础；(2)建立灵活监管和采购框架；(3)强化实施组织的能力建设；(4)发展持续的学习生态系统。研究特别强调，AI的最大价值不在于任务自动化，而在于通过临床路径重构实现预防医学和人群健康管理转型。这些发现为正在制定医疗AI战略的各国提供了关键参考，尤其对解决"死亡之谷"(从研发到应用的转化困境)问题具有重要启示。