生成式AI对医疗决策支持的效能评估与风险控制 .docxVIP

PAGE2

生成式AI对医疗决策支持的效能评估与风险控制

摘要

本研究聚焦于生成式人工智能在医疗决策支持领域的效能评估与风险控制问题，旨在构建一个兼具技术审慎与理论深度的分析框架，以回应智能化诊疗时代效率追求与安全底线之间的深层张力。

论文首先梳理了国内外关于AI医疗决策的研究脉络，指出现有文献在准确性评估标准碎片化与过度依赖风险机制阐释不足两个维度上的理论缺口。在此基础上，本研究界定了“生成式AI医疗决策支持”“诊断准确性”与“技术边界”三个核心概念，并引入有限理性理论、人因工程学中的自动化悖论以及风险治理理论作为分析基础，构建了“效能—风险—边界”三维分析框架。

第四章从历史生成、结构性成因与内在矛盾三个层面，深入剖析了AI辅助诊断中“准确性幻象”与“责任弥散”问题的本质，揭示其根植于技术效能统计表征与临床个案不可通约性之间的认识论张力。第五章系统阐释了医生认知依赖从工具性借用滑向认知性替代的作用机制，并识别了技术透明性、任务关键性与医生经验水平三个关键边界条件。第六章在整合与扬弃现有理论的基础上，提出了“认知弹性边界”理论框架，主张技术边界不应是静态的效率阈值，而应是随任务复杂性与医生认知状态动态调适的弹性空间，并论证了其相较于静态阈值模型与纯人本主义进路的解释力优势。

研究结论指出，生成式AI辅助决策的效能评估须超越单纯的准确性指标，将医生的认知自主性维护纳入评估核心