AI 实际能减轻多少工作量？
AI病理模型能够大幅削减临床医生的工作负担，降幅往往超过一半。一项针对实证研究的荟萃分析显示，AI将肺部病变判读时间缩短了52.8%，外周血涂片分析时间减少了61%[1]。更令人瞩目的是，AI的自动筛选功能使肺结节阅片时间降低了77.4%至86.7%，子宫内膜切片筛查时间减少了51.3%至72.9%[1]。在癫痫脑电图评估中，AI节省了86%的人工判读时间[1]。这些并非微小的改进，而是意味着每天可节省数小时的工作量，直接缓解了导致医生职业倦怠的行政负担。
AI 会导致更多错误还是更少错误？
证据表明，人工智能并不会增加错误率，反而常常能提升诊断准确性。荟萃分析发现，AI带来的时间节省是自然产生的，并且在某些情况下，还能提高对肺结节、脑部病变和乳腺癌等重大疾病的诊断准确率[1]。一项针对食管活检的临床验证研究显示，与传统的玻片组织病理学相比，AI辅助分诊的3D病理学提高了肿瘤检测的灵敏度，同时减轻了病理医生的工作负担[3]。然而，情况并非如此简单：一项关于AI辅助时机的研究发现，虽然三种AI模式（诊断前、诊断中和诊断后）均能提升诊断表现并减轻工作负担（相较于无AI辅助），但诊断前（分诊）模式引发了用户对信任度和透明度的担忧[5]。参与者信任AI对可疑区域的标记，但不信任其做出最终诊断决策；而在使用AI后，他们依赖AI进行最终诊断的意愿反而下降了[5]。这表明，尽管AI在实践中减少了错误，但临床医生对让渡最终判断权仍持谨慎态度。
人工智能如何融入真实的病理工作流程？
AI最适合作为分诊或辅助工具，而非病理学家的替代品。在食管活检研究中，AI能自动从庞大的3D病理数据集中识别出最关键的2D图像切片，将每位病理学家需要审阅的图像数量从每例活检16张减少至仅3张，同时提升了检测灵敏度[3]。这一具体案例表明，AI承担了繁琐的筛选工作，使病理学家能专注于最可疑的区域。AI介入的时机至关重要：一项对比三种策略的研究发现，诊断过程中同步使用AI（实时辅助）在平衡效率与阅片者控制权方面更受青睐，而诊断后使用AI则因能减少偏见并辅助培训而受到重视[5]。分诊模式（诊断前使用）虽能实现最低工作负荷与最高性能，却引发了信任问题[5]。综合所有研究，共识在于：AI是可靠的初始切片审阅与筛选工具，但最终诊断权仍应掌握在病理学家手中[1][3][4][5]。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2023年至2026年间，其中4篇为2024年或之后发表，3篇来自Q1期刊——这些研究是从5篇通过质量筛选的文献中选出的最具相关性的成果，而后者又源自从超过5亿篇论文的数据库中检索到的67篇文献。
本文引用的文献
医疗人工智能如何革新医生的工作效率？
一项针对实证研究的荟萃分析发现，人工智能显著减轻了医生的工作负担并缩短了诊断时间（例如，肺病变判读时间减少52.8%，肺结节复查时间减少77.4%-86.7%），同时提高了对肺结节、脑部病变和乳腺癌等重大疾病的诊断准确性。
下一代病理学揭晓：基于人工智能的无标记显微成像技术
一篇关于人工智能增强的无标记显微成像技术在病理学中的应用综述指出，深度学习模型能够减少人工工作量并优化工作流程，但也提到模型泛化能力有限及临床验证不足等尚未解决的问题。
人工智能分诊的三维病理学：在减少病理学家工作量的同时提升食管肿瘤检测能力
在一项针对食管活检的临床验证研究中，AI辅助分诊的3D病理学将病理学家每份活检需要审阅的图像数量从16张减少至3张，同时相比标准组织病理学，提高了对肿瘤的检测灵敏度。
病理学基础模型
一篇关于病理学基础模型（大规模人工智能）的综述指出，这些模型能够减轻病理学家的工作负担并辅助治疗决策，在疾病诊断、生存预后及生物标志物预测等领域具有应用价值，但临床应用仍面临挑战。
AI辅助时机对病理切片诊断表现与用户感知的影响
一项比较三种AI辅助时机策略（诊断前、诊断中、诊断后）的研究发现，与无AI辅助相比，这三种策略均能提升诊断表现并减轻工作负荷，但诊断前（分诊）模式引发了信任问题；参与者更倾向于诊断中AI以寻求平衡，以及诊断后AI用于培训。