TRIAD 醫療 AI 框架將評估重心由模型轉向團隊

TRIAD 提出一個三層式醫療 AI 框架，主張應一併評估臨床醫護人員與演算法，而非只評估模型本身，這有別於多年來以準確度為中心的評估方式。這項改變聽來不大，卻挑戰醫院挑選、測試及監察臨床 AI 的方式。即使系統在基準測試中取得亮眼分數，若會增加工作量、鼓勵不安全的依賴，或在不同患者之間表現不一致，便不再可視為成功。

該框架於 2026 年 2 月 10 日發表，結合可信管治、真實世界臨床價值，以及整合式適應部署。作者來自北京友誼醫院及首都醫科大學。他們認為，臨床智能屬於人類與 AI 團隊，而非孤立運作的演算法。

這項論點直指醫療 AI 一個令人不安的落差。許多系統在受控測試中表現良好，但在日常臨床工作流程中帶來可靠效益的證據仍然有限。因此，核心衝突並非醫生對抗機器，而是以模型為中心的驗證，對比以團隊為中心的臨床證據。

TRIAD 醫療 AI 框架改變了甚麼

TRIAD 以三項彼此相連的測試，取代單一的模型效能問題，涵蓋管治、臨床團隊協作及長期部署。

作者將 TRIAD 描述為用於開發、驗證及部署臨床 AI 的三層路徑。其名稱代表可信管治、真實世界臨床價值，以及整合式適應部署。每一層均以前一層為基礎。

可信管治層涵蓋臨床部署前必須具備的條件，包括可追溯的資料來源、明確界定的預定用途、私隱控制、公平性審核及透明報告。該框架亦要求經校準的不確定性，亦即系統的信心水平應反映其實際答對的頻率。

這項要求相當重要，因為即使底層預測維持不變，信心分數仍可影響臨床行為。過度自信的錯誤可能令人輕易接受，而呈現欠佳的不確定性則可能令有用建議更易被忽略。因此，TRIAD 將信心設計視為患者安全的一部分。

真實世界臨床價值層改變了評估單位。醫院不再只是詢問演算法能否在回溯性資料集上勝過臨床醫護人員，而是測試人機團隊能否改善醫療服務。作者建議量度準確度、安全性、工作量，以及接受、編輯和覆核的模式。

這些互動量度能揭示曲線下面積分數無法呈現的行為。臨床醫護人員可能接受準確建議、適當拒絕錯誤，或反覆修改不完整的輸出。每種模式均反映系統實際價值的不同面向。

整合式適應部署層將評估帶入日常運作。AI 應融入現有電子病歷、影像系統及臨床文件流程。部署應分階段展開，遵循預先登記的防護機制，並持續監察表現及各子群組的影響。

完整的 TRIAD framework 亦建議訂立清晰的升級處理門檻，並保留可逆決策及審計追蹤。實際上，這意味著要界定 AI 何時處理例行個案、何時必須由臨床醫護人員覆核，以及何時需要額外監督。

這比在現有畫面中加入一個模型要求更高。它將工作流程設計、人類行為及機構管治納入介入措施的一部分。即使模型在技術上表現強勁，任何支援環節薄弱都足以令其失敗。

TRIAD 亦改變買方應向供應商索取的內容。若未有來自目標人群及工作流程的證據，一般的準確度聲稱並不足夠。買方需要子群組結果、工作量量度、覆核資料、更新控制，以及偵測效能漂移的計劃。

該框架是一篇觀點文章，並非新的臨床試驗或監管標準。它並未證明遵循其建議可改善患者結果。其貢獻在於提供一個可測試的架構，用以決定哪些證據應被採納。

這項區分是理解這則新聞的關鍵。TRIAD 並非推出另一個診斷模型，而是為每個進入臨床照護的模型提出更嚴格的成功定義。

為何模型準確度已不足夠

壓力落在醫院及 AI 供應商身上，因為基準表現無法揭示人們將如何使用、抗拒或過度信任一個系統。

醫療 AI 常被評估為模型本身就是完整產品。研究人員會量度敏感度、特異度，或受試者工作特徵曲線下面積。這些指標仍然重要，但它們描述的是預測，而非圍繞模型運作的臨床系統。

醫院部署的不只是演算法，而是介面、警示政策、培訓流程、升級處理規則及責任分工。同一模型在不同實施方式下可產生不同結果。

TRIAD 的回應是明確訂立協作安排。團隊應決定 AI 可看見哪些資訊、其輸出何時出現，以及哪些個案需要人工覆核。他們亦應界定臨床醫護人員與系統意見不一致時的處理方式。

此一焦點反映協作並不會自動優於任何一方單獨工作。一項 2025 年的 52-study reliability analysis 發現，人類與 AI 團隊整體上優於單獨工作的臨床醫護人員。然而，作者指出，完整互補性仍不常見，並會隨團隊協作安排而異。

該回顧亦發現各研究之間存在顯著差異。研究人員採用了不同的臨床任務、臨床醫護群組、AI 系統，以及對成功團隊合作的定義。這種異質性限制了單一結果能在多大程度上指引其他醫院或專科。

這並不代表臨床 AI 缺乏價值，而是其價值取決於特定配置。工具、使用者、患者群體、工作流程及監督政策共同決定結果。

乳房 X 光造影系統正說明這一點。隨機 MASAI 研究在既定的瑞典工作流程中測試 AI 輔助篩查，而非在抽象影像集上比較演算法。其初步 clinical safety analysis 報告指出，在大幅減少閱片工作量的同時，癌症檢出率相若。

該結果取決於特定的分工方式。AI 協助決定哪些檢查採用單人或雙人閱片，並提供偵測支援。它並非以自主決策取代每一位放射科醫生。

TRIAD 將這項安排視為臨床技術的一部分。若醫院改變門檻、人手模式、患者組合或介面，介入措施本身也隨之改變。因此，仍有必要進行本地驗證及持續監察。

這一標準向以單一醒目準確度數字推銷模型的供應商施壓。採納 TRIAD 的醫院會詢問系統如何改變周轉時間、具臨床意義的錯誤及認知負荷。他們亦會檢視效益能否在不同人口或疾病子群組中持續存在。

該框架同樣向未有圍繞 AI 重設工作安排便採購系統的醫療機構施壓。安裝軟件並不等於為分歧、故障或模型更新建立問責機制，亦不會教導使用者系統何時最可能失效。

採購團隊需要與臨床醫護人員、資料科學家、合規人員及患者安全領導者更緊密協作。這些群組往往透過不同流程審閱技術。TRIAD 令他們的決策彼此相依。

這種協調會在部署前增加額外工作，但略過它可能將成本推至後段，屆時失敗更難發現。若臨床醫護人員慣常忽略警示，系統即使在技術上持續運作，也可能沒有帶來任何臨床效益。

醫療機構亦需要持久的機構記憶。預定用途限制、驗證結果、工作流程決策及事故經驗，應在員工更替後仍可供搜尋。一個 searchable knowledge base 可支援這類文件管理，但不能取代正式品質系統。

更大的轉變，是由產品審批走向營運問責。系統即使通過部署前審查，仍可能在患者群體、臨床實務或上游資料改變後退化。因此，以團隊為中心的證據必須在推出後持續累積。

人類與 AI 團隊合作可改善照護，也可放大錯誤

核心取捨在於，鼓勵有益依賴的同一介面，也可能將模型的系統性錯誤傳播至臨床判斷之中。

臨床專業知識與機器運算可以互補。AI 可一致地處理大量影像，並偵測難以看見的統計模式。臨床醫護人員則提供脈絡、因果推理、患者偏好，以及照護責任。

然而，結合兩個決策者並不保證其優勢會相加。錯誤可透過互動本身變得相關。一項充滿信心的機器建議，可能在獨立推理發生前便改變臨床醫護人員的方向。

自動化偏誤是指人們過於容易接受自動化建議的傾向。當輸出看來精確，或附有令人信服的解釋時，這種偏誤尤其危險。臨床醫護人員在形式上仍負有責任，卻可能更不願質疑該建議。

一項隨機 biased AI study 以診斷臨床案例的專業人士測試這個問題。一般 AI 預測可改善表現，而帶有系統性偏誤的建議則降低診斷準確度。基於影像的解釋未能可靠地保護參與者免受偏誤模型影響。

這項發現削弱了一項常見的可解釋 AI 假設。展示模型得出答案的原因，未必能協助使用者識別其推理何時出錯。解釋可以增加信任，卻不一定增加有根據的信任。

TRIAD 透過經校準的不確定性、人類與機器判斷之間的可見差異，以及易於使用的覆核機制，處理這項風險。它亦要求團隊監察接受、編輯及拒絕模式。這些紀錄可揭示使用者是否正在運用判斷，還是僅僅確認輸出。

不過，互動紀錄需要審慎解讀。高接受率可能表示建議極佳、過度信任，或工作流程令提出異議代價高昂。高覆核率則可能反映模型不足、培訓欠佳，或臨床醫護人員抗拒一項陌生但有用的工具。

因此，團隊指標需要臨床脈絡。醫院應把互動行為與患者結果、重大錯誤、工作量及子群組表現連結起來。否則，它們可能只是以另一個表面指標取代原有指標。

時機亦會塑造人類與 AI 的協作。在臨床醫生形成初步判斷前展示 AI 答案，可能造成錨定效應；在其後才展示，則可保留獨立判斷，但可能減少潛在的效率提升。

最佳次序可因應任務而異。高流量篩查計劃或可受惠於由 AI 主導的分流，並設有清晰的升級處理門檻。罕見而複雜的診斷，則可能需要在系統建議出現前先進行獨立審閱。

TRIAD 並不規定一種放諸四海皆準的安排。相反，它要求團隊明確界定安排，並在貼近真實情況的條件下加以驗證。這種彈性固然有用，但亦令不同機構之間的實施方案更難比較。

技能退化帶來另一項不確定性。若 AI 處理常規判讀，臨床醫生可能較少機會練習基礎工作。這種影響在日常運作期間或許難以察覺，只有在系統失效或遇上罕見個案時才會浮現。

相反，設計不佳的提示可能增加而非減少認知負荷。臨床醫生或需花時間略過價值不高的建議、記錄覆核結果，或調和互相矛盾的顯示資訊。模型可縮短一項工作，卻同時拉長整個工作流程。

TRIAD 的團隊層面方法為衡量這些結果創造空間。工作量、周轉時間、倦怠指標及錯誤模式都成為核心證據。這令評估更貼近臨床醫生和病人的實際經驗。

病人亦是這個系統的一部分，儘管不少人類與 AI 研究聚焦於臨床醫生及模型。病人提供病歷、價值取向和同意，亦承受錯誤所帶來的後果。美國醫療研究與品質局的診斷團隊模型同樣將病人、臨床醫生和 AI 視為互相影響的參與者。

這個更廣闊的視角帶來溝通上的問題。病人或會希望知道 AI 何時對診斷或治療建議產生實質影響；他們亦可能需要一條清晰途徑，對自動化系統的貢獻提出質疑。

因此，實際的衝突並非人類控制權對機器自主性，而是適當依賴與圖方便的依賴之間的取捨。只有機構能透過證據分辨兩者，TRIAD 才能成功。

部署後的管治必須跟隨系統持續進行

TRIAD 最強的理念，是臨床 AI 管治應在整個部署期間保持活躍，儘管該框架把執行責任留給機構和監管機構。

傳統驗證往往像一道閘門。開發者測試模型、提交證據、在有需要時取得授權，然後推出產品。適應性軟件令這個流程變得複雜，因為模型、數據管道、介面及臨床環境都可能改變。

TRIAD 則將部署描述為受監察的過程。醫院先進行有限度推出，在上線前設立防護措施，並只在證據支持下才擴大規模。系統進入常規護理後，院方仍會持續追蹤其表現及對不同群組的影響。

這種生命週期視角與醫療器械監管的方向一致。美國食品藥物管理局的AI 生命週期指引建議保存文件，以支持產品整個生命週期的安全性及有效性。該份 2025 年文件仍屬指引草案，而非具約束力的最終規則。

TRIAD 將生命週期概念延伸至模型以外。即使技術上受控的更新，若改變提示頻率、信心度顯示或個案分流方式，仍可能改變團隊協作。醫院必須觀察對使用者的影響，而不僅是驗證軟件效能。

效能漂移是一項考驗。隨着影像設備改變、記錄方式轉變，或本地疾病盛行率演變，模型可能失去準確度。上游數據品質問題亦可在模型本身未有改動時改變輸出結果。

子群組漂移帶來更棘手的考驗。整體結果或許維持穩定，但較小的病人群組之表現卻可能轉差。只監察整體準確度，可能掩蓋這種不均等影響。

因此，公平性審核需要合適的臨床分類及足夠的樣本量，亦應檢視工作流程決策是否令人工審閱出現不均等分配。即使分流系統準確，若弱勢病人獲得的實質監督較少，仍可能造成不公平。

管治亦必須涵蓋從未到達病人的失誤。險些出錯事件、反覆覆核，以及不尋常的分歧模式，都可提供早期警號。成熟的計劃應讓人員能夠容易且安心地報告這些訊號。

當警號出現時，清晰的責任歸屬相當重要。供應商控制部分模型改動，醫院則控制本地整合及人手配置。臨床醫生控制個別決定，但無法獨立審核整條數據管道。

TRIAD 的框架鼓勵共同問責，但共同問責也可能變成責任被稀釋。機構仍需要指明負責監察、事故檢討、向供應商升級處理及暫停決策的人員。否則，每名持份者都可假定另有人正在監察。

該框架亦建議預先登記防護門檻。這些是在結果揭曉前已訂定的門檻及行動。例如，若嚴重錯誤超過指定水平，或子群組表現跌出可接受範圍，醫院可暫停擴展。

預先登記可減少部署後重新詮釋令人失望結果的誘因，亦為臨床領導層提供可辯護的依據，以放慢或停止一個備受看好的項目。然而，有用的門檻取決於臨床風險及可用的替代方案。

並非每次 AI 失誤都帶來同樣後果。有問題的排程建議，與漏診惡性腫瘤截然不同。監察強度、審閱要求及回退方案應反映這種不對稱性。

文件必須讓前線使用者容易理解。若臨床醫生無法辨識預定用途、已知限制或升級處理途徑，冗長的技術報告作用不大。TRIAD 主張提供簡潔、符合標準的資訊，讓臨床醫生和病人都能使用。

不過，框架無法強制披露。供應商可能將訓練數據細節或模型行為視為專有資訊。醫院亦可能缺乏審核複雜系統所需的議價能力或技術人員。

監管授權同樣無法回答每一個本地問題。即使器械在獲授權用途上安全有效，在另一間機構的病人群體或工作流程中，表現仍可能不同。即使符合國家層面的要求，本地證據依然不可或缺。

因此，TRIAD 設下很高的營運門檻，卻沒有提供達標所需資源。規模較小的醫院或難以進行前瞻性評估、子群組分析及持續監察。這可能令較安全的 AI 採用集中於資金充裕的醫療系統。

共享測試基礎設施及報告標準可縮窄這個差距。多中心證據可識別共同的失效模式，本地監察則可捕捉各院特有的變化。兩個層面都不能取代對方。

這個框架的可信度，將取決於機構能否把其概念轉化為可重複執行的程序。管治措辭很容易獲得認同；在不利證據出現後暫停一項昂貴部署，才是更艱難的考驗。

三項訊號將顯示 TRIAD 是否超越一項建議

接下來的證據必須顯示，以團隊為中心的評估能改變部署決策、改善病人結果，並能經受日常醫院限制的考驗。

第一項訊號，是使用完整團隊層面結果進行前瞻性驗證。研究人員不應只報告模型準確度；研究還需涵蓋病人結果、重大錯誤、周轉時間、臨床醫生工作量、覆核情況及子群組影響。

最有力的證據，會使用同一個基礎模型比較不同部署策略。一組人可能在形成意見前看到 AI 輸出，另一組則在其後才作審閱。這類設計能分離出協作結構如何改變結果。

證據亦應延伸至放射學以外；在該領域，數碼數據及可量度的判讀工作令評估相對可行。TRIAD 聲稱適用於廣泛的臨床 AI 範疇。在文書記錄、分流、病理學及治療規劃中進行測試，將可在不同工作流程下檢驗這項說法。

第二項訊號，是醫療系統會否在部署後公開營運證據。部署前研究往往使用經仔細挑選的使用者及受控條件；日常護理則會面對人手短缺、提示疲勞、系統中斷及病人群體變化。

有用的報告會披露效能何時轉差，以及機構其後採取了甚麼行動。暫停、回退、介面改動或修訂門檻，可能比另一個成功試點提供更有價值的證據。透明地公開失敗，將顯示適應性管治正在運作。

在私隱許可下，醫院亦應公開子群組結果及分歧模式。這些數據可揭示平均收益是否掩蓋不均等風險，並協助其他機構判斷，在採用類似系統前是否需要本地驗證。

第三項訊號，是圍繞人類與 AI 團隊的監管及標準協調。現時的監管主要評估醫療產品，即使生命週期考量正在擴展亦然。TRIAD 要求評估者把周邊協作視為臨床表現的一部分。

真正的轉變將反映於證據要求之中。監管機構、認證機構或專業團體可能會詢問：介面如何塑造依賴程度、臨床醫生如何接受培訓，以及機構如何監察覆核情況；它們亦可能要求對漂移及子群組傷害預先訂定應對措施。

這種發展將強化 TRIAD 的核心主張：模型準確度仍然必要，但不再界定整個安全論證。部署配置將成為證據的一部分。

若機構引用這個框架卻不改變實務，其影響將會被削弱。管治委員會、公平性聲明或儀表板都可能淪為程序上的裝飾。真正的考驗是證據會否改變誰審閱個案、何時停止擴展，或一個系統是否繼續部署。

TRIAD 亦應與競爭框架及既有標準比較。它的三個層面匯集了責任 AI、人因工程、臨床試驗及生命週期監管中已有的理念。其價值取決於能否把這些理念整合成可用的臨床路徑。

這種整合仍可能具有重要意義。醫院往往由不同團隊分別處理管治、採購、驗證及營運。共同框架可揭示這些流程之間的缺口，並建立一個共同的審閱次序。

作者最具影響力的主張，是智能屬於團隊。若認真看待這項主張，問責方式便會改變。開發者不能只指向模型分數，醫院也不能在工作流程設計導致傷害時只歸咎於軟件。

臨床醫生亦不能被視為無限的安全防線。人工審閱只有在使用者具備時間、培訓、權限，以及足夠獨立資訊去質疑系統時才會有效。要求某人批准每項結果，並不會自動形成有意義的監督。

病人始終是最終的衡量標準。更快的判讀與減少工作量之所以重要，是因為它們可改善服務可及性、關注度與照護質素；但這並不足以為較弱的診斷表現、隱藏的亞群傷害或責任不清辯護。

對醫療領袖而言，眼前的行動是審核現有 AI 部署背後的證據。應問清楚人機團隊在哪些方面做得更好、哪些病人群體有被納入、如何處理意見分歧，以及誰有權暫停系統。對研究人員而言，應在發表模型指標的同時公布互動成效。對臨床醫護人員而言，應記錄反覆出現的修改與覆寫，而非將其視為零星的操作阻力。TRIAD 醫療 AI 框架值得關注，因為它將這些營運問題轉化為評估的核心目標。它的未來取決於可量度的臨床結果，而非其三部分結構本身的吸引力。