技术解读SHAKED 是部署在急诊科真实工作流里的多 LLM 决策支持系统本篇从工程落地角度拆解它的架构与评估思路——重点看它如何用「参与度」而非单一「准确度」来衡量 AI 的临床价值。核心要点问题急诊科大模型决策支持系统在真实工作流里能否被医生持续使用、能否带来效率提升长期缺乏前瞻性证据。方法Nature Medicine 发表 SHAKED 系统的 DECIDE-AI 一期前瞻评估在以色列海法 Rambam 医院三级急诊科用两个平行病区对比4 周内分析 1138 例患者。结果医生对 SHAKED 的采纳率从 68% 降至 30%急诊科停留时间两翼均为 4.9 小时P0.99无显著差异。意义提示医生持续参与度而非算法准确度可能是急诊 AI 落地的真正瓶颈为随机试验设计提供参考但尚不足以支持临床部署。原文Prospective evaluation of a large language model clinical decision support system in the emergency departmentNature Medicine2026-08-19PMID: 426186321. 急诊科大模型决策支持的临床挑战急诊科是医疗 AI 落地最被寄予厚望、也最难攻克的场景之一。医生要在极短时间、信息不全、节奏高压下做出分诊与治疗决策任何一个助手都必须在几秒钟内真正帮上忙而不是添乱。过去几年大语言模型LLM在医学问答和模拟病例上屡创高分但考试高分不等于床旁好用。此前我们的卒中多智能体大模型研究解读显示LLM 辅助能把医生决策准确率从 73.1% 提升到 88.6%——但那发生在受控评估环境下把同样的系统放进真实急诊科、真实班次里会发生什么此前一直缺乏严格的前瞻证据。这正是 SHAKED 研究要回答的问题算法足够好之后医生到底愿不愿意用、会不会持续用下去。SHAKED 是由以色列理工学院Technion与 Rambam 医疗中心团队构建、基于多个大语言模型的临床决策支持系统。这项发表在 Nature Medicine 的前瞻评估有几点方法论上的实质创新。第一采用 DECIDE-AI 一期评估框架。既往 AI 临床研究多为回顾性验证或模拟病例本研究则把系统真正部署进三级急诊科在连续四周的日常工作中评估医生的采纳行为与实际影响。第二用两个平行病区做准实验对照。1138 例患者被分配到两个平行单元一个使用 SHAKED另一个遵循常规轮转流程从而在接近真实的条件下去比较干预效果。第三把医生参与度本身作为核心观测对象。研究没有只盯着诊断准确率而是系统记录了采纳率随时间的变化以及是什么因素导致医生放弃使用——这个视角直指 AI 落地最常被忽视的软性障碍。3. 技术原理事件驱动的多 LLM 床旁决策助手SHAKED 的架构并不神秘但贴合急诊科的工作方式。它由事件驱动当电子病历出现新的临床事件系统自动调取患者数据生成结构化的病史摘要与临床洞察存入中央数据库医生通过聊天式界面与系统交互背后由检索增强生成RAG知识模块提供循证支持。简单说输入是患者的实时病历数据处理流程是事件触发—数据汇总—多模型推理—证据检索输出是面向医生的临床提示与建议。评价方式也不是单一的对错而是同时观察三类结局医生是否采纳采纳率、效率是否改善停留时间、会诊周期、安全性是否有保障不良事件与专家适宜性打分。需要强调SHAKED 是研究型决策支持系统本研究评估的是系统加医生在真实科室里的整体协作并非宣称某个大模型可以独立看诊。4. 数据说话采纳率下降效率无显著差异研究维度比较对象核心结果统计证据医生采纳率研究开始 vs 结束68% 降至 30%OR0.72/班次小时95% CI 0.62–0.83放射学会诊偏好SHAKED 使用场景医生更倾向在放射学会诊使用OR2.9895% CI 1.58–5.63输出临床适宜性专家组盲评 100 份输出99 份被评为适宜未报告 P 值急诊科停留时间干预病区 vs 对照病区均为 4.9 小时P0.99会诊周期时间ITT 分析缩短 9.4 分钟P0.077不显著最值得注意的是一对看似矛盾的结果算法的答卷并不差——100 份抽样输出里 99 份被专家评为临床适宜全程未发现不良事件但医生的使用热情却在快速消退采纳率一个月内从 68% 跌到 30%且这种弃用与工作量高度相关——每多上一个班次小时继续使用的概率就下降。而效率结局停留时间、会诊周期都未达到统计学显著。这恰恰说明问题可能不在 AI 准不准而在医生有没有余力和动力去用。5. 从实验室到临床应用前景与局限这项研究给产业一个清醒的提示在急诊这类高压场景AI 决策支持的落地瓶颈可能不是模型能力而是工作流集成与医生负担。作者自己的结论也很克制——“为随机试验设计提供参考但尚不足以支持现阶段临床部署”。可能的应用方向其一SHAKED 在放射学会诊中的使用偏好OR2.98提示AI 决策支持可能更适合嵌入特定、边界清晰的会诊环节而非全科室无差别铺开其二研究揭示的工作量敏感弃用提示产品设计应把降低使用成本、减少打断放在与提升准确率同等重要的位置。但局限同样明显这是单中心Rambam 医院、四周的探索性评估采纳率下降使干预暴露不足符合方案分析可能受选择性采纳偏倚影响所有 P 值未经多重比较校正效率结局均未达显著不能据此推断患者结局改善结果基于以色列单一三级医院流程是否适用于中国急诊科的分诊节奏与信息化水平仍需独立的本地化验证。6. 结论与产业启示SHAKED 研究最有价值的不是又一个AI 高分的故事而是用前瞻性证据指出当算法已经足够合格医生愿不愿意、有没有空去用才真正决定 AI 能否在急诊科落地。对医疗 AI 团队而言至少有三点可执行启示把医生参与度与工作流契合纳入和准确率并列的核心评价指标优先在边界清晰的会诊场景做小步验证在真实部署前用 DECIDE-AI 等框架做前瞻评估而非只靠回顾性数据讲故事。这与思陌智能科研服务医疗大模型、临床决策支持与医疗 AI 评估验证的业务方向高度契合。我们为医院和研究团队提供医疗 AI 软件的开发落地与科研级评估验证服务帮助把模型从高分答卷做成床旁真正被用起来的系统。相关问题QSHAKED 现在能用于急诊科临床了吗A还不能。SHAKED 只是一项 DECIDE-AI 一期探索性评估样本来自以色列单中心、仅运行四周且主要效率结局未达统计学显著作者也明确表示结果尚不足以支持临床部署。它需要后续随机对照试验、更长时间和更多中心的前瞻验证后才能进一步讨论落地可能。Q这项研究是不是说明 AI 临床决策支持没用A不是。研究并未否定算法的能力——100 份抽样输出中 99 份被专家组评为临床适宜全程也未发现不良事件真正的发现是医生采纳率随工作量从 68% 跌到 30%说明当前瓶颈在于医生参与度与工作流契合而非模型本身的质量这为产品设计提供了明确方向。Q这个结果对中国医院有什么启示A中国急诊科同样面临高压高负荷这项研究提示与其追求全科室无差别铺开不如把 AI 决策支持优先嵌入放射学会诊等边界清晰、医生使用偏好更高的场景同时要把降低医生操作负担、减少工作流打断纳入产品设计并在本地开展前瞻性验证。参考文献Leibovitch L, Ahituv A, Gorenshtein A, et al.Prospective evaluation of a large language model clinical decision support system in the emergency department.Nature Medicine. 2026. DOI: 10.1038/s41591-026-04601-5Vasey B, Nagendran M, Campbell B, et al.Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.Nature Medicine. 2022. DOI: 10.1038/s41591-022-01772-9本文基于 Prospective evaluation of a large language model clinical decision support system in the emergency department 的独立解读仅供学术交流不构成临床建议。 工程实现要点多 LLM 事件驱动按急诊工作流事件触发不同模型推理而非单一模型包打天下前瞻性随机对照在真实急诊流程做 RCT量化医生实际采纳率与效率收益参与度即指标把医生「用不用」作为核心评估维度而非只看模型输出准确率采纳率随周期下滑提示 AI 临床粘性与信任需持续维护属落地共性难题评估范式启示CDS 价值应纳入工作流整合与体验而非孤立看单一指标论文原文信息链接急诊科大模型决策支持为什么难落地SHAKED 前瞻评估解读参与度而非准确度才是关键障碍 急诊科大模型决策支持为什么难落地？SHAKED 前瞻评估解读：参与度而非准确度才是关键障碍
技术解读SHAKED 是部署在急诊科真实工作流里的多 LLM 决策支持系统本篇从工程落地角度拆解它的架构与评估思路——重点看它如何用「参与度」而非单一「准确度」来衡量 AI 的临床价值。核心要点问题急诊科大模型决策支持系统在真实工作流里能否被医生持续使用、能否带来效率提升长期缺乏前瞻性证据。方法Nature Medicine 发表 SHAKED 系统的 DECIDE-AI 一期前瞻评估在以色列海法 Rambam 医院三级急诊科用两个平行病区对比4 周内分析 1138 例患者。结果医生对 SHAKED 的采纳率从 68% 降至 30%急诊科停留时间两翼均为 4.9 小时P0.99无显著差异。意义提示医生持续参与度而非算法准确度可能是急诊 AI 落地的真正瓶颈为随机试验设计提供参考但尚不足以支持临床部署。原文Prospective evaluation of a large language model clinical decision support system in the emergency departmentNature Medicine2026-08-19PMID: 426186321. 急诊科大模型决策支持的临床挑战急诊科是医疗 AI 落地最被寄予厚望、也最难攻克的场景之一。医生要在极短时间、信息不全、节奏高压下做出分诊与治疗决策任何一个助手都必须在几秒钟内真正帮上忙而不是添乱。过去几年大语言模型LLM在医学问答和模拟病例上屡创高分但考试高分不等于床旁好用。此前我们的卒中多智能体大模型研究解读显示LLM 辅助能把医生决策准确率从 73.1% 提升到 88.6%——但那发生在受控评估环境下把同样的系统放进真实急诊科、真实班次里会发生什么此前一直缺乏严格的前瞻证据。这正是 SHAKED 研究要回答的问题算法足够好之后医生到底愿不愿意用、会不会持续用下去。SHAKED 是由以色列理工学院Technion与 Rambam 医疗中心团队构建、基于多个大语言模型的临床决策支持系统。这项发表在 Nature Medicine 的前瞻评估有几点方法论上的实质创新。第一采用 DECIDE-AI 一期评估框架。既往 AI 临床研究多为回顾性验证或模拟病例本研究则把系统真正部署进三级急诊科在连续四周的日常工作中评估医生的采纳行为与实际影响。第二用两个平行病区做准实验对照。1138 例患者被分配到两个平行单元一个使用 SHAKED另一个遵循常规轮转流程从而在接近真实的条件下去比较干预效果。第三把医生参与度本身作为核心观测对象。研究没有只盯着诊断准确率而是系统记录了采纳率随时间的变化以及是什么因素导致医生放弃使用——这个视角直指 AI 落地最常被忽视的软性障碍。3. 技术原理事件驱动的多 LLM 床旁决策助手SHAKED 的架构并不神秘但贴合急诊科的工作方式。它由事件驱动当电子病历出现新的临床事件系统自动调取患者数据生成结构化的病史摘要与临床洞察存入中央数据库医生通过聊天式界面与系统交互背后由检索增强生成RAG知识模块提供循证支持。简单说输入是患者的实时病历数据处理流程是事件触发—数据汇总—多模型推理—证据检索输出是面向医生的临床提示与建议。评价方式也不是单一的对错而是同时观察三类结局医生是否采纳采纳率、效率是否改善停留时间、会诊周期、安全性是否有保障不良事件与专家适宜性打分。需要强调SHAKED 是研究型决策支持系统本研究评估的是系统加医生在真实科室里的整体协作并非宣称某个大模型可以独立看诊。4. 数据说话采纳率下降效率无显著差异研究维度比较对象核心结果统计证据医生采纳率研究开始 vs 结束68% 降至 30%OR0.72/班次小时95% CI 0.62–0.83放射学会诊偏好SHAKED 使用场景医生更倾向在放射学会诊使用OR2.9895% CI 1.58–5.63输出临床适宜性专家组盲评 100 份输出99 份被评为适宜未报告 P 值急诊科停留时间干预病区 vs 对照病区均为 4.9 小时P0.99会诊周期时间ITT 分析缩短 9.4 分钟P0.077不显著最值得注意的是一对看似矛盾的结果算法的答卷并不差——100 份抽样输出里 99 份被专家评为临床适宜全程未发现不良事件但医生的使用热情却在快速消退采纳率一个月内从 68% 跌到 30%且这种弃用与工作量高度相关——每多上一个班次小时继续使用的概率就下降。而效率结局停留时间、会诊周期都未达到统计学显著。这恰恰说明问题可能不在 AI 准不准而在医生有没有余力和动力去用。5. 从实验室到临床应用前景与局限这项研究给产业一个清醒的提示在急诊这类高压场景AI 决策支持的落地瓶颈可能不是模型能力而是工作流集成与医生负担。作者自己的结论也很克制——“为随机试验设计提供参考但尚不足以支持现阶段临床部署”。可能的应用方向其一SHAKED 在放射学会诊中的使用偏好OR2.98提示AI 决策支持可能更适合嵌入特定、边界清晰的会诊环节而非全科室无差别铺开其二研究揭示的工作量敏感弃用提示产品设计应把降低使用成本、减少打断放在与提升准确率同等重要的位置。但局限同样明显这是单中心Rambam 医院、四周的探索性评估采纳率下降使干预暴露不足符合方案分析可能受选择性采纳偏倚影响所有 P 值未经多重比较校正效率结局均未达显著不能据此推断患者结局改善结果基于以色列单一三级医院流程是否适用于中国急诊科的分诊节奏与信息化水平仍需独立的本地化验证。6. 结论与产业启示SHAKED 研究最有价值的不是又一个AI 高分的故事而是用前瞻性证据指出当算法已经足够合格医生愿不愿意、有没有空去用才真正决定 AI 能否在急诊科落地。对医疗 AI 团队而言至少有三点可执行启示把医生参与度与工作流契合纳入和准确率并列的核心评价指标优先在边界清晰的会诊场景做小步验证在真实部署前用 DECIDE-AI 等框架做前瞻评估而非只靠回顾性数据讲故事。这与思陌智能科研服务医疗大模型、临床决策支持与医疗 AI 评估验证的业务方向高度契合。我们为医院和研究团队提供医疗 AI 软件的开发落地与科研级评估验证服务帮助把模型从高分答卷做成床旁真正被用起来的系统。相关问题QSHAKED 现在能用于急诊科临床了吗A还不能。SHAKED 只是一项 DECIDE-AI 一期探索性评估样本来自以色列单中心、仅运行四周且主要效率结局未达统计学显著作者也明确表示结果尚不足以支持临床部署。它需要后续随机对照试验、更长时间和更多中心的前瞻验证后才能进一步讨论落地可能。Q这项研究是不是说明 AI 临床决策支持没用A不是。研究并未否定算法的能力——100 份抽样输出中 99 份被专家组评为临床适宜全程也未发现不良事件真正的发现是医生采纳率随工作量从 68% 跌到 30%说明当前瓶颈在于医生参与度与工作流契合而非模型本身的质量这为产品设计提供了明确方向。Q这个结果对中国医院有什么启示A中国急诊科同样面临高压高负荷这项研究提示与其追求全科室无差别铺开不如把 AI 决策支持优先嵌入放射学会诊等边界清晰、医生使用偏好更高的场景同时要把降低医生操作负担、减少工作流打断纳入产品设计并在本地开展前瞻性验证。参考文献Leibovitch L, Ahituv A, Gorenshtein A, et al.Prospective evaluation of a large language model clinical decision support system in the emergency department.Nature Medicine. 2026. DOI: 10.1038/s41591-026-04601-5Vasey B, Nagendran M, Campbell B, et al.Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI.Nature Medicine. 2022. DOI: 10.1038/s41591-022-01772-9本文基于 Prospective evaluation of a large language model clinical decision support system in the emergency department 的独立解读仅供学术交流不构成临床建议。 工程实现要点多 LLM 事件驱动按急诊工作流事件触发不同模型推理而非单一模型包打天下前瞻性随机对照在真实急诊流程做 RCT量化医生实际采纳率与效率收益参与度即指标把医生「用不用」作为核心评估维度而非只看模型输出准确率采纳率随周期下滑提示 AI 临床粘性与信任需持续维护属落地共性难题评估范式启示CDS 价值应纳入工作流整合与体验而非孤立看单一指标论文原文信息链接急诊科大模型决策支持为什么难落地SHAKED 前瞻评估解读参与度而非准确度才是关键障碍