文 观察者网心智观察所

2026年11月16日,OpenAI宣布其研发的计算机使用智能体正式进入医疗卫生系统,通过ChatGPT for Healthcare、ChatGPT for Clinicians以及系统开发接口向机构和医务人员开放。当前,关于“AI泡沫”有不少声音,许多人对AI编写段落、生成图像的热潮产生疲劳,急切关注这项技术能否在真实产业中产生切实的生产力价值。研发机构正在转向现实世界中流程繁杂、成本高昂的基础领域。根据OpenAI披露的测试数据,在针对电子健康记录收件箱任务的严格评审中,由执业医生评估的临床安全合格率达到了99%。这项技术通过直接操作现有的医疗软件界面,协助医护人员处理转诊、出院规划以及保险事前授权等耗费工时的文案流程。

OpenAI医疗智能体通过高分验证,正式落地美国医院系统(图1)

广州域名网

智能体学会自己操作电脑

计算机使用智能体可以直接模拟人类操作计算机的动作。

这类智能体通过读取计算机屏幕的图像像素以及操作系统底层的无障碍辅助树结构,定位界面中的文字框、按钮、下拉菜单和滚动条。利用程序指令驱动鼠标的移动和点击,通过键盘输入字符,在不同的软件窗口之间自由切换。从外部系统的角度来看,智能体的访问动作与一名人类行政文员在物理键盘和鼠标上的操作完全一致。

在OpenAI公布的一项技术演示中,系统展示了智能体协助处理一名腰痛患者核磁共振检查请求的全过程。演示使用的是符合安全规范的合成患者数据。患者在诊疗软件中给主管医生发送了一条咨询留言,表示自己的下背部持续疼痛。智能体接收到任务后,首先自主登录该医疗机构的电子健康记录系统,调取该患者过去数月内的门诊病历、物理治疗记录以及此前的平片影像学检查结果。

在梳理完历史病历之后,智能体自动起草了3份文档:第一份是符合临床规范的核磁共振检查电子申请单,第二份是详细记录查体发现与检查指征的门诊病程记录,第三份是用于回复患者咨询的解答草稿。随后,智能体在同一台计算机上启动浏览器,进入对应保险公司的审批网站,根据调取到的临床事实,逐项填写核磁共振事前授权所需的病历依据,并将电子表格保存为待提交状态。

在整个自动化流程中,智能体并不直接发送数据或做出终结性决定。所有的处方、检查申请单和患者回复,都保存在医生的待办收件箱中等待确认;在保险公司网站上生成的授权请求也停留在预审页面,由医疗机构的事前授权专员进行最后的人工复核。这种在现有软件框架下运行的操作模式绕过了重新改造整个医疗IT基础设施的漫长周期,使得自动化能够迅速嵌入现存的工作环境中。

99%临床安全评分如何测出

医疗领域的自动化应用必须面对极其苛刻的容错标准。为了测试基础模型在复杂临床语境下的可靠程度,OpenAI对其旗下的深度推理模型GPT-6 Astra进行了针对性评估。

该评估测试了325项由执业医生日常处理的电子病历收件箱任务。这些任务需要模型根据患者长达数年的病历上下文进行临床逻辑推导,在复杂的软件界面中完成多步骤操作。评审团队由执业医生组成,医生不仅审查智能体生成的文本内容、处方建议和患者答复,还逐项复核智能体在软件界面上执行的每一步点击和数据调取动作。

在安全维度的定义上,评审以模型的操作中是否存在可能对患者造成实际伤害的疏漏、虚假信息或错误动作为标准。在全部325项受检任务中,有99%的任务被医生评定为符合临床安全标准。此外,在总计646次实用性评估中,参与测试的医生在5级评分制中,将93%的模型表现评定为非常有用或极其有用。

在一项针对骨折患儿止痛用药的典型测试案例中,患儿家属在就诊后通过在线系统向医院发来信息,询问在医院开具的处方单上没有看清说明,儿童布洛芬的正确服用剂量与频次是多少。智能体接受指令后,进入电子健康记录系统查阅了当天的急诊记录和X光片报告,核实了患儿的准确体重以及急诊现场给予的初始给药量。随后,它生成了一份严格基于体重的给药指南草案,同时附上了石膏固定的日常护理注意事项以及需要立即返院急诊的危险体征清单。智能体同时在病历系统中留存了未签名的病历审查附注,明确标明该回复草稿处于等待主管医生审核签署的状态。

在临床任务之外,行政管理任务的效率与经济成本同样是衡量技术可行性的关键指标。斯坦福大学的研究团队此前开发了名为HealthAdminBench的独立基准测试系统。该基准构建了一个高仿真的医疗行政环境,包含模拟的电子健康记录系统、2个主流保险公司网站以及一套电子传真系统,设置了135项来源于真实医疗环境的综合任务,细分为1698个子任务,涵盖事前授权、拒赔申诉和耐用医疗设备申请等业务。

在HealthAdminBench测试中,GPT-6 Astra在满分标准中获得了94.3%的分数。同时参与测试的还有规模较小的轻量化模型GPT-6 Luna,在同等最大推理能力设置下,GPT-6 Luna获得了91.8%的得分。在成本方面,GPT-6 Luna完成一项基准任务的平均模型消耗仅为8.5美分,比GPT-6 Astra的开销降低了98%。这种在极低运算成本下保持稳定执行能力的数据,为大规模处理高频次行政文书提供了商业层面的现实基础。

医疗防火墙与人类监督防线

在医疗健康数据受到最严格的法律约束的背景下,人工智能对系统的控制权必须受到严密管控。

OpenAI在此次技术框架中设立了明确的安全边界。企业部署必须在签署商业伙伴协议(BAA)的前提下进行,所有在工作区内流通的患者数据均受到独立隔离保护,不会被用于基础模型的二次训练。在系统权限控制方面,管理平台提供了基于角色分工的访问控制策略,医疗机构可以限定特定智能体只能在规定的软件中运行,只能读取执行特定任务所必需的数据字段,并对敏感信息进行部分遮蔽处理。

智能体在屏幕上的每一次鼠标点击、键盘输入和页面跳转都会生成完整的底层操作审计日志,关键操作步骤还会被自动截图留档。医院的安全审计员可以随时调取这些操作轨迹,核查系统在某个具体时间点的行为是否完全符合规章制度。

尽管99%的临床安全评分在统计学上表现优异,但在医疗机构的实际运营规模下,剩余1%的不确定性依然意味着潜在的差错风险。在每天数以千万计的医疗决策体量面前,任何微小的系统失误都可能造成不良后果。正因如此,当前的临床应用严格坚持人类复核机制,智能体始终被限定在起草、收集、整理和预填表格的角色范围内,最终确认发出处方和点击正式提交审批的权力,始终牢牢保留在执业医师和专业行政人员手中。

面对不断增加的行政文书压力,将技术落脚于最消耗人力、最容易出错的繁杂操作中,正在给长期处于超负荷运转状态的医疗系统带来切实的改变。一旦智能体接管那些枯燥的重复性点击,医护人员就能把视线从显示器上移开,重新专注于疾病的诊断与患者的生命健康。