重新评估将临床领导力(clinical leadership)与AI(人工智能)部署结局相关联的证据

《npj Digital Medicine》：Reassessing the evidence linking clinical leadership to AI deployment outcomes

　　

摘要：Li等人报道，临床医师担任末位作者(last authorship)与AI(人工智能)部署试验具有更大"影响(impact)"相关。本评述(argument)认为，现有证据不足以将该关联归因于临床领导力本身。关注点包括：在88%试验结果为阳性的文献中"影响"结局的定义问题、仅13例非事件发生导致的统计不稳定性、署名顺序作为领导力的噪声代理(noisy proxy)、以及试验设计与地域造成的结构性混杂(structural confounding)。

论文解读：《重新评估将临床领导力与AI部署结局相关联的证据——兼评Li et al. (2025)在npj Digital Medicine上发表的研究》

本文是对Li Q等人发表于《npj Digit. Med.》的研究（The impact of leadership on AI deployment study outcomes in healthcare: an integrative analysis. npj Digit. Med. 8, 799 (2025)）的评述(commentary)。研究背景源于随着医疗AI(artificial intelligence, AI)部署研究不断积累，Li等人整合分析了105项AI部署临床研究（多为随机对照试验(randomized clinical trial, RCT)），按末位作者(last author)身份区分为临床医师组与技术人员组，发现临床医师末位作者的研究报告具统计学显著效应者比例更高（94% vs. 60%），多变量Logistic回归得出临床医师末位作者组的优势比(odds ratio, OR)=7.79（P=0.039），仅限RCT亚组OR高达19.90（P=0.047），据此提出临床领导力(clinical leadership)与更成功的AI部署相关。然而该原始研究自身也承认存在发表偏倚(publication bias)与署名局限性。本评述认为当前数据与方法支持更谨慎的解读，所观察到的关联同样可用以下四点解释："影响(impact)"结局指标的建构问题、发表与选择性报告偏倚、稀疏数据(sparse data/rare events)下统计模型的不稳定性，以及试验设计与团队专长间被临床医师—技术人员二分法仅部分捕捉的系统差异；并提出替代解释及对未来AI部署研究更清晰的报告标准。本评述旨在厘清描述性关联与因果推断之界限，对健康系统规模化AI照护时的队伍建设与组织策略有重要方法论警示意义。

研究方法概述

研究人员基于Li et al.提供的总结数据(summary data)进行再评述分析，未独立开展原始试验。核心方法包括：（1）对Li et al.纳入的105篇已发表AI部署临床研究（主要为RCT，来源于其 integrative analysis 的文献池）中定义的二分类"影响"结局（研究是否报告至少一项统计学显著效应(P ≤ 0.05)或有利结论）进行分布与发表偏倚评估；（2）检验多变量Logistic回归在仅13例非"影响"事件(negative outcome / non-event)下的稀疏数据问题（参数多于每参数两个非事件数），讨论需用Firth校正或罕见事件Logistic回归(rare-events logistic regression)；（3）批判性分析末位作者作为领导力代理变量的效度，包括跨学科混合角色(MD/PhD、影像诊断学PhD等医师—信息学跨界者(physician–informatician boundary spanners))及地区/期刊署名惯例差异；（4）辨析试验设计类型（AI辅助临床医师 vs. AI对照常规照护，即augmentation trial与substitution/triage trial）及地域(region)作为中介—混杂变量在因果结构中的定位；（5）基于上述从测量、统计、代理变量、混杂三个维度提出未来研究改进方向。

研究结果

重新解释领导力与"影响"间所报告关联(Reinterpreting the reported association between leadership and "impact")

Li et al.综合105项临床研究，临床医师末位作者研究中94%（80/85）报告显著AI效应，技术人员末位作者组仅60%（12/20），校正后OR=7.79（P=0.039），RCT-only亚组OR=19.90（P=0.047）。研究人员指出，尽管团队结构与领导力对实现AI价值可能至关重要，但观测关联同样符合四种替代解释：①"影响"结局的建构方式；②塑造文献组成的发表与选择性报告过程；③极度稀疏数据下统计模型不稳定；④试验设计与团队专长被临床—技术二分法掩盖的系统差异。故不宜直接归因为临床领导力本身。

结局定义与发表偏倚限制推论(Outcome definition and publication bias constrain inference)

Li et al.将"影响"定义为研究是否报告至少一项P≤0.05显著效应或有利结论，105项中92项（88%）被判为有显著影响，仅13项为无影响。此分布远较其他临床领域RCT倾斜，提示严重发表偏倚与选择性报告偏倚。在此背景下被建模的结局更接近"已发表论文报告阳性结果的概率"而非AI真实临床影响(underlying clinical impact)。以单一显著性阈值二分类异质试验亦忽视效应量(effect size)、精密度(precision)、多重检验及临床重要性。此外，当稀有事件(rare event)仅有13例负向结局却纳入多协变量（领导力、中心数、AI模型类型、AI来源、临床场景、地区、对照类型、领导力角色等），非事件数/参数比低于常用可靠阈值，导致OR估计不稳、置信区间极宽（RCT-only分析CI: 1.62–910.19），细微误分类或研究集变动可大幅改变结果。推荐在稀疏设定中使用惩罚化方法如Firth校正Logistic回归或罕见事件Logistic回归。因此报告OR宜视为探索性假说生成(hypothesis-generating)而非定论。

署名顺序是领导力与专长的噪声代理(Authorship order is a noisy proxy for leadership and expertise)

Li et al.假设末位作者代表团队领导，但在医工交叉AI领域，计算机/工程学科常强调第一作者，部分期刊按字母排序，且存在共同通讯/共同资深作者(co-senior/co-corresponding authorship)分散领导权。将具MD兼PhD或临床学科（如放射学）PhD作者划为"临床医师"掩盖了混合型角色——当代AI部署中此类受过交叉训练的医师—信息学家(physician–informatician)常充当理解临床工作流(workflow)与算法细节的边界跨越者(boundary spanner)，若其系统性更易成功且被标记为"临床医师末位作者"，则分析将职业身份与跨学科专长(confounded)。Li et al.引入基于2025年公开档案检索的"组织领导职务"（主任、首席等）限于第一与末位作者，模型中未显示与影响显著相关，但该职务时间与AI部署期未必吻合，且操作领导者（护理或行政推动者）未必为第一/末位作者。综上，末位作者学科是领导力与专长属性的不完美且带噪代理(imperfect and potentially noisy proxy)。

试验设计与地域很可能是结构性混杂因子(Trial design and geography are likely structural confounders)

Li et al.注意到技术人员领导研究更多采用"AI vs. 常规照护(routine care)"对照，临床医师领导研究更多评估"AI辅助 vs. 无辅助临床决策"(AI-assisted versus unassisted clinician)（后者占该类别75% vs. 35%）。设计类型非单纯协变量——AI辅助临床医师试验检验增强(augmentation：决策支持能否提升医师表现)，AI对照常规照护常检验替代/分诊(substitution/triage：AI能否取代或初筛)，先验上增强型试验成功率高于替代型，与领导力背景无关。同时影响率存在地区差异（亚洲研究显著效应比例高于其他地区），且临床医师末位作者在亚洲与北美更普遍。地区监管制度、卫生体系准备度(readiness)、报销及期刊受众影响对照类型可行性与中性结果发表倾向。上述构成因果结构：领导者背景影响试验设计与开展地区→地区与专业同时影响领导机会与阳性结果发表概率→试验设计与地区位于领导力至观测"影响"的通路上(pathway)并可作混杂因子(confounder)，简单在稀疏Logistic回归中调整未必完全控制，或高估或低估领导力作用。

从"谁领导"转向"团队如何领导"(From "who leads" to "how teams lead")

尽管有局限，Li et al.工作促使严谨思考AI部署中团队结构。数据较安全能回答的是：AI医疗研究中署名、试验设计及发表规范如何塑造成功表象，而非临床领导者是否本质优于技术领导者。更强因果解读需分离增强与替代试验、采用稀疏结局适用模型、以实际主导工作流重设计(workflow redesign)、实施及评估者替代文献计量署名分类。研究人员提出三方向：（1）AI部署研究额外报告谁主导临床工作流设计、本地模型适配/验证、实施、一线培训、评估及组织变革，捕捉混合型专长而非仅临床vs.技术学位；（2）预设终点、效应量分析与预注册(preregistration)（含前瞻性队列、阶梯楔形(step-wedged)、中断时间序列(interrupted time-series)及前后对照设计），区分预设主要终点与事后有利报告；（3）用通用方案前瞻性追踪AI部署，记录团队组成（临床/技术/配对领导）、对照选择、终端用户参与(end-user involvement)、治理结构(governance structure)、采纳率(adoption)、保真度(fidelity)、工作流变通(workflow workarounds)及可持续性，辅以定性访谈或过程评估(process evaluation)研究团队实际领导方式。

讨论与结论翻译

综上所述，Li et al.首次尝试关联领导力背景与医疗AI部署研究结局具有重要价值。结合其对发表偏倚与署名局限的自陈，现有证据最宜解读为提出关于团队配置方式与试验设计类型的假说，而非临床领导力本身提高AI影响概率的确定性证据。在出现更严谨定义"影响"、处理稀疏数据建模及更直接刻画领导力结构的再分析前，发现应视为已发表文献内的描述性关联(descriptive association)而非因果证据。澄清此区别对健康系统扩大AI赋能照护时的劳动力发展与组织策略制定至关重要。