一、研究背景与问题提出
人工智能在美国医疗系统中的采用率已从各行业平均9%的水平跃升至22%，但这一增长在不同类型的医疗机构之间分布极不均衡。大型医疗集团、学术医疗中心以及拥有强大数字基础设施的机构在AI采用方面走在前列，而农村地区、医疗服务不足地区以及安全网医疗机构则显著落后。
安全网医疗机构是指为无保险、“医助”覆盖人群及其他弱势患者提供大量医疗及其他必要服务的机构，包括联邦认证的健康中心、社区医院和社区诊所。全美有超过3400万依赖这些机构获得常规医疗服务的人群。安全网医疗机构在服务低收入人群、少数族裔、无保险或保险不足者以及农村社区方面承担着不成比例的重任，同时还提供语言翻译、交通、营养和社会支持等“综合配套服务”，主动应对健康的社会决定因素。
尽管安全网医疗机构可能从AI技术中获益最大——例如通过环境式AI听写助手减轻文档负担、利用预测分析早期识别慢性和急性疾病以缩小健康差距——但其AI采用率始终低于其他类型的医疗机构。现有研究多聚焦于结构性或系统层面的障碍，对安全网医疗机构在实际落地特定AI工具过程中面临的微观障碍以及克服这些障碍的有效策略知之甚少。
为此，本研究依托一个为期12个月的技术援助项目“实践网络”，旨在回答两个核心问题：
1、安全网医疗机构在AI全生命周期中面临哪些实际障碍？
2、哪些策略能够有效克服这些障碍？
二、研究方法：参与式研究与集线器-辐条模型
1、技术援助项目结构
研究团队借鉴了历史上成功推动电子病历采用的区域推广中心模式以及项目ECHO的集线器-辐条模型，设计并实施了实践网络项目。在该模型中：
●集线器：由10个具备AI专业知识的组织组成，包括已有AI实施经验的医疗机构、国际律师事务所、电子病历供应商、医疗创新非营利组织以及社区组织，向辐条提供定制化的技术援助。
●辐条：5个安全网医疗机构（4个联邦认证健康中心、1个社区医院），均为首次实施AI工具，分布在明尼苏达州、德克萨斯州、亚利桑那州和加利福尼亚州。
●协调中心：由健康AI合作伙伴关系担任，负责组织项目、协调各方活动，并制定个性化的AI实施计划。
2、参与式研究流程
研究分为四个阶段：
1、数据收集：在12个月项目期间，通过现场笔记记录各站点在AI采用各阶段完成的活动、遇到的障碍及采用的策略。
2、归纳式主题分析：对现场笔记进行分析，识别障碍类别及对应策略。
3、焦点小组：与各机构代表进行结构化焦点小组讨论，验证初步发现，并对策略有效性进行表情符号评分（有效、非常有效、无效）。
4、内容分析：计算障碍频率（该障碍在5个机构中出现的数量，范围1-5）和策略有效性得分（范围-1至2，其中<0无效，0至<1最低效，1至<2有效，2非常有效）。
3、参与机构与AI工具类型
机构 | 地点 | AI工具类型 |
社区-大学健康中心 | 明尼阿波利斯 | CDS：患者失约风险预测 |
德克萨斯州东南部健康中心 | 克利夫兰 | 生成式AI：环境式AI听写助手 |
北国健康中心 | 弗拉格斯塔夫 | 生成式AI：环境式AI听写助手 |
圣伊西德罗健康中心 | 圣地亚哥 | 影像AI：糖尿病视网膜病变筛查 |
三、主要发现
1、障碍分布：整合与生命周期管理阶段最为密集
研究共识别出21项障碍，分布在AI生命周期的四个阶段：
●采购阶段（5项障碍）：包括对拟解决问题的理解有限、缺乏评估可用AI工具的既定流程、与供应商谈判能力不足、供应商缺乏模型构建与性能透明度。
●开发/调适阶段（4项障碍）：包括缺乏标准化的验证程序、亚组验证性能较差、缺乏支持AI转诊的工作流、缺乏理解模型技术细节的专业知识。
●整合阶段（8项障碍）：最为密集，包括缺乏基础AI教育内容（频率4）、缺乏与患者沟通AI使用的策略（频率4）、缺乏评估AI工具性能与影响的系统化流程（频率5，全员）、最终用户对AI工具预期不匹配（频率3）、最终用户抵触及工作流摩擦（频率2）等。
●生命周期管理阶段（4项障碍）：包括缺乏AI治理体系（频率4）、购买和维护AI工具的财务资源不足（频率5，全员）、实施额外AI工具经验有限、支持AI 采用的现有技术基础设施存在缺口。
2、最常见障碍（频率≥4）与有效策略
（1）缺乏基础AI教育内容（频率4）
●有效策略：利用项目资源库中精选的公开教育课程、讲义和网络研讨会。这些资源因简洁、免费、聚焦且常附有可异步查阅的参考材料而受好评。
●最低效策略：仅依靠AI工具供应商提供的培训材料，因其通常缺乏实施前所需的基础知识。
●持续性挑战：仍需要更精简、入门级的教育内容。
（2）缺乏与患者沟通AI使用的策略（频率4）
●背景：所有遇到该障碍的机构最终都选择了披露而非知情同意，因为在临床工作流中提供有意义的知情同意所需的AI教育水平难以实现。
●有效策略：与集线器讨论披露与同意的考量因素及适用法规（有效性得分1.4）。
●最低效策略（得分0.7-0.8）：改编通用的披露语言模板、通过同行交流共享沟通材料、将草案交由集线器审阅。
●局限性：不同机构在不同AI用例和实施阶段，限制了沟通材料的共享与改编价值。
（3）缺乏评估AI工具性能与影响的系统化流程（频率5，全员）
●有效策略（得分1.0-1.4）：
○与同行机构交换性能指标和项目计划；
○与集线器讨论供应商评估结果；
○与集线器讨论试点与部署后监测方法。
●最低效策略（得分0.6）：与学术医疗中心或供应商合作支持评估——因缺乏本地合作伙伴、数据与工具访问受限，以及区域内AI知识技能匮乏。
●持续性挑战：即使策略有效，缺乏额外人力资源来运行报告和创建评估工具仍是重大障碍。
（4）购买和维护AI工具的财务资源不足（频率5，全员）
●背景：安全网医疗机构利润率极薄，需要AI工具快速展示财务投资回报率以证明成本合理。虽然评估了非财务影响（如员工保留），但未收集正式的财务ROI指标。
●有效策略（得分1.0）：设定明确的绩效指标以证明ROI——被确定为未来实施的重要策略。
●最低效策略（得分0.2-0.4）：识别资助机会、与供应商谈判定价结构——因资助机会难寻、供应商不愿调整定价而效果有限。
（5）缺乏AI治理体系（频率4）
●核心发现：这是项目中最大成功。所有遇到该障碍的机构都通过项目资源库和集线器指导成功建立了治理政策和体系。
●非常有效策略（得分2.0）：利用资源库中的数据治理资源——这是唯一被评为“非常有效”的策略。
●有效策略（得分0.9）：制定AI工具评估标准——但供应商常拒绝或不愿完成评估，或提供的信息过于肤浅或过于技术化。
3、策略来源与有效性
●58项策略中，31项为辐条自主行动，27项为集线器提供的支持。
●整合阶段策略最多（27项），其次为采购（13项）、生命周期管理（12项）和开发（6项）。
●最有效的策略均源自集线器而非单个辐条，凸显了集中式支持在应对实施挑战中的核心价值。
●策略有效性得分：生命周期管理阶段最高（均值1.0，有效），整合阶段次之（均值0.9，最低效），采购（0.7）和开发（0.8）阶段为最低效。
四、与学术医疗中心的比较
维度 | 共同挑战 | 安全网医疗机构特有挑战 |
人员培训 | 均需培训 | 更强调为一线员工提供定制化的基础AI知识 |
沟通 | 均需与最终用户和患者有效沟通 | 需在联邦认证健康中心患者占董事会51%的结构下维护患者信任 |
工作流 | 早期用户参与和工作流优化 | 资源更紧张，变更管理更困难 |
评估 | 需标准化性能评估指标 | 缺乏本地学术合作伙伴，难以支持评估 |
财务 | — | 财务约束是核心障碍（学术医疗中心罕见报告） |
供应商谈判 | — | 缺乏谈判能力获取定价、信息和培训材料 |
治理 | 学术医疗中心已建立治理结构 | 治理政策和流程存在空白，需能力建设 |
可持续性 | — | 依赖外部供应商，需透明度和业务伙伴协议约束 |
五、实践启示
1、分布式集线器-辐条模型有效：参与实践网络项目显著提升了所有辐条机构的AI就绪度。协调多种类型的专业知识，使辐条能够获得难以独自实现的支持。
2、同伴学习是有效策略：为安全网医疗机构创造安全空间，分享共同障碍、交换知识和制定策略，有助于集体应对挑战。
3、三个最常见障碍持续存在：系统化评估AI工具性能与影响、为基础一线员工提供AI知识与技能、财务资源约束——即使在专门技术援助下，AI采用在安全网医疗机构中仍然复杂。
4、专业学会需发挥作用：美国医学会和家庭医学教师学会等已提供AI伦理和整合的继续教育模块，应扩大覆盖范围至行政领导、运营团队和数据团队。
5、需要针对性投资：安全网医疗机构的基础AI能力建设需要州和联邦行动者的定向投资，以确保资源不足的健康环境中实现公平的AI采用。
六、局限性
●样本量小：仅5个安全网医疗机构，虽具地域和用例多样性，但普遍性有限。
●结果基于参与者主观评分：策略有效性得分反映感知效用而非客观效果度量。
●项目周期有限：12个月项目虽成功建立治理体系，但财务和评估障碍持续存在，需长期跟踪。
●未直接测量临床或患者结局：研究聚焦于实施过程和障碍，未评估AI工具对患者健康的最终影响。
七、未来方向
健康AI合作伙伴关系的下一步将聚焦于开发针对特定州的区域实践网络项目，采用“培训中介”模式——并非直接支持安全网医疗机构，而是为已向安全网医疗机构提供技术援助的实体（如健康中心控制网络）提供定向AI能力建设支持。这些中介机构因与安全网医疗机构保持密切、持续的关系，更了解其运营约束、人力容量、患者人群和区域监管环境，能够将AI指导转化为情境适切的、可操作的支持。
八、结论
本研究通过对安全网医疗机构AI落地的深入实证考察，识别出从采购到生命周期管理各阶段的21项障碍及58项策略。最关键的障碍集中在整合和生命周期管理阶段，涉及评估能力不足、AI教育缺失、财务资源匮乏和治理体系空白。最有效的策略来自集中式集线器支持，而非单个机构的独立行动。即使在专门技术援助下，安全网医疗机构的AI 采用仍面临持续挑战，需要持续的投资、协作学习和包容安全网视角，以确保AI采用支持依赖这些关键机构的弱势群体获得安全、有效、合乎伦理的医疗服务。
The beautiful thing about life is that, even though your past may have been difficult, your future can still be extremely bright. So never lose hope because you never know what tomorrow WILL BRING. 生命的美妙之处在于，纵使往事萧瑟、前尘坎坷，来日亦可灿烂如晖。故请万祈珍重，莫失希冀；只因你永远不知，明朝旭日，会悄然携来怎样的惊艳与温柔。早上好！
