将人工智能（AI）驱动的临床决策支持系统（CDSS）从科研转化应用于医疗场景仍存在诸多挑战，特别是在感染性疾病领域，行为、文化、不确定性以及常常缺乏客观真相增加了医学决策的复杂性。2025年11月的《The Lancet. Digital health》刊载了一项研究，旨在评估临床医生对抗生素静脉转口服的AI CDSS的看法，以及该系统如何影响其决策。

该项随机、多方法学研究纳入了英国经常参与抗生素处方的医疗卫生专业人员，通过私人联系和英国感染协会的群发邮件招募参与者。研究的第一部分为半结构化访谈，内容涉及参与者的抗生素处方经验及其对AI的看法。第二部分使用定制网页应用程序开展临床情景模拟实验：12个病例情景均涉及一名当前正在接受静脉抗生素治疗的患者，要求参与者判断该患者是否适合转换为口服抗生素。参与者被分为两组，分别接收常规诊疗（SOC）信息，或SOC加上AI CDSS及其提供的解释。研究者们评估了不同干预组参与者决策选择的差异，包括单个情景和总体情况；评估了CDSS在所有转换决策中的综合效应；并描述了参与者间的决策异质性。在研究的第三部分，参与者完成了系统可用性量表（SUS）和技术接受模型（TAM）问卷，以评估他们对AI CDSS的使用评价。

通过直接联系和招募邮件，共有59名临床医生响应，其中来自英国23家医院的42名临床医生于2024年4月23日至8月16日完成了研究。参与者的年龄中位数为39岁（IQR 37–47），19名（45%）为女性，23名（55%）为男性，26名（62%）为主治医师，16名（38%）为规培医师，14名（33%）感染性疾病专科医师。访谈结果显示，处方个体化差异显著、技术使用不均，同时对AI持积极态度，但接受度取决于临床证据和系统可用性，并受行为惯性和基础设施条件的限制。病例情景完成时间和多数决策在SOC和CDSS干预间无显著差异，临床医生能够识别并忽略错误建议。在存在统计学差异的场景中，CDSS会引导参与者倾向于不转换（χ² 7.73, p=0.0054；逻辑回归比值比0.13 [95% CI:  0.03–0.50]；p=0.0031）。AI解释的使用率仅为9%。本研究软件和AI CDSS获得了良好的SUS评分：72.3分（满分100分，标准差 8.79），在TAM问卷中，感知有用性得分为3.6分（满分5分，标准差0.31），感知易用性为3.8分（满分5分，标准差0.20），自我效能为4.1分（满分5分，标准差0.05）。

AI CDSS获得了积极评价，具有辅助抗菌药物处方决策的应用潜力，当其建议不从静脉转换到口服治疗时对临床医生的决策影响最大。需要进一步开展前瞻性研究以收集安全性和获益数据，并了解AI CDSS进入临床实践后的行为变化。该项研究表明，AI解释在临床诊疗现场可能仅发挥次要作用，AI CDSS的推广使用取决于系统的易用性和可信度，而后者主要通过临床证据建立。

原文出处：Bolton WJ, Wilson R, Gilchrist M, Georgiou P, Holmes A, Rawson TM. The impact of artificial intelligence-driven decision support on uncertain antimicrobial prescribing: a randomised, multimethod study. Lancet Digit Health. 2025 Nov;7(11):100912. doi: 10.1016/j.landig.2025.100912. Epub 2025 Dec 9. PMID: 41372053.

链接：https://pubmed.ncbi.nlm.nih.gov/41372053/