跳到正文
临床研究设计JAMA · 横断面研究

临床医务人员对人工智能赋能临床信息平台的使用情况

Clinician Use of an Artificial Intelligence-Enabled Clinical Information Platform.

一句话AI临床信息平台使用情况因职业、专科和职业阶段而异，查询更常涉及治疗决策而非诊断。

研究问题

临床医务人员如何使用OpenEvidence，使用强度在不同职业、专科和职业阶段之间如何分布？他们提交的查询主要服务于哪些临床目的、涉及哪些主题？

数据与样本

数据来自2024年1月1日至2026年6月30日OpenEvidence上经国家医疗服务提供者标识符验证的临床医务人员账户，共952 008名使用者，包括556 200名医师，累计提交271百万条查询。研究对分层随机抽样获得的38.8百万条查询进行临床目的和主题分类，并以全国人员队伍构成作为使用分布的比较参照。

研究流程

  1. 1界定研究人群：纳入研究期间OpenEvidence上经国家医疗服务提供者标识符验证的临床医务人员账户。
  2. 2描述使用趋势：统计月活跃用户数、临床查询数及每名活跃用户的月均查询数。
  3. 3比较群体分布：按临床人员类型、医师专科和职业阶段比较使用情况，并将查询占比与全国人员队伍占比对照。
  4. 4抽样与内容分类：对38.8百万条查询的分层随机样本使用大语言模型，分类其临床目的和主题领域。
  5. 5分析查询用途：统计临床决策、治疗和管理、诊断查询的占比，并比较各专科医师查询自身专科以外主题的比例。

关键方法与工具

OpenEvidence
提供平台使用与查询数据
large language model
分类查询目的与主题
stratified random sample
抽取待分类查询

设计思路

通过账户验证界定临床使用人群，将平台使用记录与查询内容分类相结合，同时描述使用规模和实际查询用途。以全国人员队伍占比作为参照，有助于区分某类人员查询总量较多与其相对使用程度较高；分层随机抽样用于大规模查询的内容分析。

主要发现

  • 2.5年内，952 008名临床医务人员提交271百万条查询；月活跃用户从355增至703 265，每名活跃用户的月均查询数从18.0增至39.5。
  • 每活跃用户月查询数在执业护士和医师助理中均为44.5，高于医师的37.1；毕业不超过10年的医师使用比为2.54，住院医师和专科培训医师为1.84。
  • 专科分层结果显示，肿瘤科和血液科、内科、家庭医学科的使用比分别为2.00、1.88和1.80，而眼科、放射科、骨科分别为0.23、0.24和0.24。
  • 51.9%的查询涉及临床决策，其中治疗和管理占全部查询的33.1%，诊断占13.9%。
  • 专科分层结果显示，涉及自身专科以外主题的查询占比从肿瘤科和血液科医师的35%到急诊科医师的88%不等。

可借鉴之处

  • 研究临床工具使用差异时，可借鉴本文将查询占比与全国人员队伍占比对照的做法，避免仅凭查询总量判断某类人员的使用程度。
  • 面对海量临床文本，可借鉴本文先分层随机抽样、再用大语言模型分类查询目的和主题的分析路径。
  • 将使用频次与查询内容分开分析，并考察是否跨越使用者自身专科，可更具体地描述工具在临床工作中的使用场景。

数据与代码

摘要和已读取的内容里没有说明，请查看原文的数据可得性声明。

局限

  • 横断面观察性设计不能确定平台使用对临床决策质量或患者结局的因果影响。
  • 研究对象限于单一平台上经验证的账户使用者，结果不一定适用于其他AI工具或未使用该平台的临床人员。

摘要（中文翻译）

重要性：尽管医学领域对人工智能（AI）应用的兴趣日益增长，但关于临床医务人员如何使用这些工具的实证证据仍然有限。

目的：描述临床医务人员对AI赋能临床信息平台的使用情况、使用在临床人员队伍中的分布，以及所提交查询的目的。

设计、场所和参与者：这项横断面研究分析了2024年1月1日至2026年6月30日期间，在广泛使用的AI赋能临床信息平台OpenEvidence上拥有经国家医疗服务提供者标识符验证账户的临床医务人员。使用大语言模型，对分层随机抽样获得的38.8百万条查询的临床目的和主题领域进行分类。

主要结局和测量指标：考察活跃用户数和临床查询数、查询占比相对于其在全国人员队伍中占比的情况，以及查询的临床目的和主题。

结果：总体而言，952 008名临床医务人员（58.5%为女性），包括556 200名医师，在2.5年的研究期间提交了271百万条查询。月活跃用户从2024年1月的355名增至2026年6月的703 265名，每名活跃用户的月均查询数从18.0增至39.5。执业护士（44.5）和医师助理（44.5）每活跃用户月提交的查询数高于医师（37.1）。相对于其在全国人员队伍中的占比，毕业不超过10年的医师（使用比，2.54）以及住院医师和专科培训医师（1.84）提交的查询占比更高。肿瘤科和血液科（使用比，2.00）、内科（1.88）及家庭医学科（1.80）医师的使用也高于平均水平，而操作性和诊断性专科的使用较低（眼科，0.23；放射科，0.24；骨科，0.24）。多数查询涉及临床决策（51.9%），尤其是治疗和管理（33.1%），而诊断占查询的13.9%。涉及医师自身专科以外主题的查询占比，从肿瘤科和血液科医师的35%到急诊科医师的88%不等。

结论与意义：在2.5年内，超过950 000名美国临床医务人员向一个AI赋能临床信息平台提交了超过270百万条查询。使用情况因临床人员类型、专科和职业阶段而异，且经常用于治疗决策，而非诊断任务。

英文原文摘要

Importance:Despite growing interest in the use of artificial intelligence (AI) in medicine, empirical evidence on how clinicians use these tools is limited.

Objective:To characterize clinician use of an AI-enabled clinical information platform, the distribution of use across the clinical workforce, and the purpose of submitted queries.

Design, setting, and participants: This cross-sectional study analyzed clinicians with National Provider Identifier-verified accounts of a commonly used AI-enabled clinical information platform, OpenEvidence, from January 1, 2024, through June 30, 2026. A large language model was used to classify the clinical purpose and topic areas of a stratified random sample of 38.8 million queries.

Main outcomes and measures: The number of active users and clinical queries, the share of queries relative to representation in the national workforce, and the clinical purpose and topic of queries were examined.

Results:Overall, 952 008 clinicians (58.5% female), including 556 200 physicians, submitted 271 million queries during the 2.5-year study period. Monthly active users increased from 355 in January 2024 to 703 265 in June 2026, and average monthly queries per active user rose from 18.0 to 39.5. Nurse practitioners (44.5) and physician assistants (44.5) submitted more queries per active user-month than physicians (37.1). A higher share of queries relative to the national workforce was submitted by physicians within a decade of graduation (use ratio, 2.54) and residents and fellows (1.84). Use was also higher than average among physicians specializing in oncology and hematology (use ratio, 2.00), internal medicine (1.88), and family medicine (1.80), but lower in procedural and diagnostic specialties (ophthalmology, 0.23; radiology, 0.24; orthopedics, 0.24). Most queries addressed clinical decision-making (51.9%), particularly treatment and management (33.1%), whereas diagnosis accounted for 13.9% of queries. Queries addressing topics outside physicians' own specialties ranged from 35% among oncologists and hematologists to 88% among emergency department physicians.

Conclusions and relevance: Over 2.5 years, more than 950 000 US clinicians submitted greater than 270 million queries to an AI-enabled clinical information platform. Use varied across clinician types, specialties, and career stages and was frequently for treatment decisions rather than diagnostic tasks.

摘要来自 PubMed。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。