Doctronic 的犹他州处方试点测试医疗 AI 的新边界

Google News 关注到一项伴随尖锐争议的医疗里程碑：犹他州允许 Doctronic 的 AI 系统在未经医生事先批准的情况下续开某些处方。该试点让人工智能不再局限于文档处理和临床建议，而是赋予软件在传统上仅限持证医疗专业人士执行的行为中承担有限角色。

这项即时服务听起来并不复杂。符合条件的犹他州居民通过 AI 聊天机器人回答问题，系统会核验现有处方并审查相关医疗信息。随后，系统可以将获批的续方发送至药房。出现复杂情况的请求则会转交给与 Doctronic 远程医疗服务合作的医生。

然而，这项范围有限的任务带来了广泛影响。医生、律师、监管机构和 AI 开发者如今都要面对一个已争论多年的问题的现实版本：AI 系统应始终只是助手，还是能够独立执行受监管的医疗行为？

犹他州的答案是暂时性的，而非永久性的。该公司通过监管沙盒开展运营——这是一项受监督的计划，允许获批企业在临时调整后的州法规下测试服务。这一安排使该试点既是一项医疗服务，也是一场监管实验。

核心争议并不只是 AI 与医生之间的对立，而是授权自动化与可追责的临床判断之间的较量。Doctronic 认为，常规请求可以得到更快处理，同时复杂病例仍会送达临床医生。批评者则回应称，判断一个病例是否“常规”本身就是一项医疗决定。

这一区别的重要性远超犹他州。医院已将 AI 用于病历记录、编码、影像、分诊和行政工作。完成处方续开的系统，已从协助他人作出决定跨越到代表其执行决定。结果将影响医疗机构、医学委员会和联邦监管机构如何界定可接受的自主程度。

Google News 将焦点投向犹他州的 AI 处方实验

Doctronic 的试点将医疗 AI 的角色从向专业人士提供建议，转变为完成一项有限的临床交易。

使用该服务的犹他州居民首先确认身份，并提供有关其药物和病史的信息。系统会通过全国药房数据库核查患者是否已持有有效处方。如果满足相关条件，系统可以续开药物并将订单发送至当地药房。

该系统并非旨在签发所有请求的续方。需要额外关注的病例会转交给 Doctronic 远程医疗业务雇用的医生。这一升级路径是一项重要保障，但也构成了试点的核心问题。AI 必须决定哪些病例看起来足够安全、可以完成处理，哪些则需要人工审查。

根据一份AI 开处方报道，该项目于 2026 年初通过犹他州监管沙盒启动。该沙盒允许州政府官员在测试获批服务期间豁免或修改某些要求。据报道，监督工作由一个由五名 AI 专家组成的委员会负责，其中无人是医生。

Doctronic 联合创始人 Adam Oskowitz 医生向美联社表示，公司希望在患者需要医疗服务的地方满足他们的需求。他还描述了一项长期愿景，即由软件处理更多常规工作，包括开具检查项目和分析结果。

这些雄心仍是公司的主张，而非已经独立证实的成果。目前的实验涉及续方，而非赋予系统诊断患者或管理复杂治疗的普遍权限。其重要性来自正在测试的功能，而非目前可提供医疗服务的广度。

由于药物此前已获批准，处方续开看上去可能像是一项行政工作。但在实践中，续开往往需要重新作出判断。临床医生可能需要考虑症状是否变化、实验室监测是否逾期，或另一种药物是否带来了新的相互作用。

答案也可能取决于药物本身。一些治疗方案以相对较低的风险短期延续尚可接受；另一些则需要密切监测、谨慎调整剂量或直接检查。因此，系统所需的不仅是一份显示处方曾经存在的记录。

这正是这则 Google News 报道在常规医疗自动化报道中脱颖而出的原因。该软件并非只是准备病历记录，或为之后的审查整理信息。它正参与决定药物是否能送达患者的最后一步。

这一行为使该试点作为测试具有实际价值。但当底层信息不完整、过时或被错误解读时，风险也随之提高。

压力来自医疗可及性问题与行政负担过重

医疗系统之所以考虑赋予 AI 更大自主权，是因为常规工作占用了患者难以替代的临床服务能力。

一次处方续开可能需要预约、信息往来，或占用一名本已日程拥挤的临床医生的时间。当患者无法在药物用完前获得就诊机会时，可能会面临治疗中断。与此同时，医疗机构的员工还要花时间审查那些最终往往只是直接续开的请求。

Doctronic 的方案正是为了解决这两类阻力。患者能更快获得符合条件的药物，而临床医生则可将更多精力留给需要判断的病例。如果系统能持续将不确定的请求升级处理，自动化就可能在不让医生退出复杂医疗服务的前提下减少重复性工作。

这一思路符合更广泛的趋势。医疗机构最积极采用 AI 的领域，通常是其能减少文档工作或整理信息之处。这些工具可以起草就诊记录、建议计费代码、总结病历并准备患者指引。通常会由专业人士在结果影响医疗服务前进行审查。

医生的采用程度已超出零散试验。一项AMA 医生调查发现，在近 1,200 名受访医生中，66% 表示他们在 2024 年期间使用过医疗 AI。这一比例高于 2023 年的 38%。

同一调查显示，医生的态度并非无条件热情。35% 的人表示其热情超过担忧，25% 的人则表示担忧更多。五分之二的人表达了大致相当程度的热情与担忧。

这种平衡有助于解释围绕 Doctronic 的压力。医生并非一概拒绝 AI。许多人已在使用它，也认识到其潜在益处。他们的担忧集中在辅助何时结束、独立的临床权限何时开始。

犹他州项目首先对医疗机构施加压力。如果患者接受自动化续方，传统服务提供者将面临提供更快、更便捷服务的期待。医疗机构可能需要简化自身续方流程，或在医生监督下采用类似自动化方案。

州医学委员会面临的是另一种压力。其执照制度是围绕可识别的人类专业人士设计的。这些专业人士满足教育要求、承担明确职责，并且在其行为低于公认标准时可受到处分。

AI 系统不持有传统执照。它无法像临床医生一样在宣誓后解释其推理过程。责任可能分散在软件公司、监督专业人士、药房，以及允许该服务的州项目之间。

联邦机构也被卷入这一问题。美国食品药品监督管理局监管符合条件的医疗器械，包括用于特定医疗用途的软件。然而，各州通常监管专业执照和医疗执业。自主开处方同时触及这两个领域，却难以完全归入任何一个领域。

患者感受到的压力则不同。寻求常规续方的人可能更重视速度，而非直接对话。这种偏好并不意味着患者希望由机器作出每一项治疗决定。挑战在于提供便利的同时，不掩盖何时将有实质意义的临床判断授权给了系统。

因此，短期压力落在机构身上，而不只是个别医生。医疗系统必须决定哪些决定可以自动化，监管机构必须界定责任，供应商则必须提供超越便利性的证据。

自动化遇到可追责临床判断的边界

关键权衡很明确：更高自主权可以改善可及性，但也会使医疗行为脱离传统的专业问责体系。

AI 助手已经影响医疗决策。影像软件可以标记可疑发现，风险模型可以确定患者优先级，语言模型可以总结临床记录。在大多数部署中，工具会生成由持证专业人士解读的信息。

Doctronic 的犹他州模式改变了这一顺序。对于符合条件的请求，软件可以完成流程，而无需医生先批准每一次续方。人工仍可介入升级处理，但人工审查不再是默认终点。

支持者认为这是一种合理授权。医疗服务本就将不同任务分配给医生、药剂师、护士和其他受过培训的专业人士。标准化软件也可以成为又一参与者，前提是其权限保持有限，且其表现受到谨慎衡量。

批评者认为这存在性质上的差异。每一名人类参与者都拥有明确的专业身份，并在问责结构内工作。软件开发者可以记录系统的预期行为，但当模型逻辑、数据质量和工作流程规则相互作用时，自动化输出在事后仍可能难以重建。

宾夕法尼亚大学的 Eric Bressman 医生将犹他州项目描述为跨越了一道门槛：它赋予非人类事物相当于有限医疗权限的功能。他担忧的并不是 AI 永远不应开处方，而是相当的权限应当伴随严格测试和可执行的标准。

这一挑战始于病例筛选。系统必须识别禁忌症、警示症状、重复治疗以及患者健康状况的变化。它还必须将信息缺失视为谨慎行事的理由，而不是假定未记录风险就意味着没有风险。

全国药房数据库可以核验处方历史，但历史本身并不能证明当前仍然适用。数月前开具的药物可能已不再符合患者的病情。新的诊断、妊娠、实验室结果、过敏情况或药物相互作用都可能改变风险评估。

人类临床医生同样会犯错。因此，相关比较并非完美的医生与不完美的软件之间的对比。监管机构需要证据证明，AI 在真实人群和不完整病历中，能否达到适当的临床标准。

这些证据必须超越平均准确率。一套系统整体表现良好，却可能更频繁地在较小的人口群体、罕见病情或患有多种疾病的患者身上出错。而这些恰恰是医疗安全规则必须纳入考量的情形。

FDA device list显示，许多获授权的 AI 赋能产品集中于放射学和心血管护理等领域。这些工具通常具有明确的用途，并接受与该用途相关的审查。

生成式模型和自主临床工作流带来了不同的评估难题。FDA 指出，自然语言处理和大语言模型可能需要新的评估方法。将药房记录、患者回答、人口统计信息和临床病史结合起来的系统，也会带来数据缺失或不一致的问题。

犹他州试点并未确定 Doctronic 是否属于某一特定的联邦医疗器械监管路径。据报道，该公司高管拒绝说明是否曾寻求 FDA 许可。这一悬而未决的问题值得关注，因为州级测试服务的许可并不能自动回答所有联邦层面的问题。

因此，更深层的冲突在于制度。Doctronic 的模式将某些临床决策视为软件可以执行的有限工作流。传统医疗监管则将处方视为一种需承担责任的专业行为，即使表面上的决策看起来例行且简单。

两种立场都包含合理的洞见。重复性工作可能延误医疗服务，但一旦忽视不寻常的细节，例行决策也会变得危险。检验标准在于：该试点能否在消除不必要延误的同时，保留临床判断中蕴含的审慎。

该试点仍无法证明什么

一项可正常运行的续方服务，并不能证明自主 AI 对各种药物、患者群体或不断变化的医疗状况都是安全的。

目前公开的犹他州试点信息仍有多个重要问题未获解答。它没有提供完整的适用药物清单、详细的验证结果、升级至临床医生处理的比例，或患者结局的对比数据。这些缺口限制了任何人能够从项目早期运行中得出的结论。

有意义的评估需要明确的终点指标。监管机构应了解 AI 多常批准请求、拒绝请求或将其转交给临床医生。他们还需要了解，每一类决策有多大比例与独立医学审查的结论一致。

错误批准和错误升级会造成不同的伤害。不恰当的批准可能使患者面临医疗风险。过度升级则可能抹去该系统赖以成立的效率优势。仅报告总体成功率会掩盖这种区别。

试点人群的构成同样重要。年轻成人服用常见药物时的表现，并不会自动适用于同时管理多项处方的老年患者。复杂病情会增加药物相互作用、数据不完整和治疗需求变化的可能性。

现实世界监测至关重要，因为医疗数据会在部署后发生变化。模型可能遇到不同的处方习惯、当地人群或病历格式。FDA 关于上市后监测的工作强调，患者群体和输入数据的变化可能产生意想不到的输出。

患者也需要获得清晰披露。他们应当了解，何时是 AI 系统而非医生在评估请求；还应知道系统使用哪些信息、可能遗漏什么，以及当他们不同意结果时如何联系真人。

仅靠同意无法替代安全性证据。许多患者会因为自动化流程更快，或其他选择难以获得，而接受这种路径。这种现实压力可能削弱“选择 AI 始终代表完全自愿偏好”的说法。

责任归属仍是另一个悬而未决的问题。如果一次续方造成伤害，调查人员需要确定问题是源于软件缺陷、患者披露不充分、病历缺失、不足的升级规则，还是薄弱的监管监督。必须在严重事件检验这一机制之前，建立明确的处理流程。

网络安全和隐私同样会带来临床后果。处方历史和医疗回复包含敏感信息。未经授权的访问可能暴露患者信息，而遭到损坏或错配的数据可能直接导致不安全的治疗决策。

FDA risk framework指出，分诊、诊断、预后和治疗相关系统各有不同的评估需求。影响治疗的工具不能仅作为对话界面来评估。

这一点对生成式 AI 尤为重要。即使其推理基于不完整的信息，流畅的回答仍可能显得信心十足。安全实施需要明确边界的规则、可靠的数据检索、不确定性检测，以及用户无法意外绕过的升级程序。

这些担忧都不能证明犹他州项目不安全。它们表明，不能仅凭便捷的用户体验，或没有立即可见的失败，就推断其安全性。

同样的审慎也适用于有关减轻医生工作负担的更广泛主张。只有当临床医生无需花费相当的时间审查例外情况、纠正记录和处理后续问题时，自动化才能节省时间。该试点需要运营证据，也需要医学证据。

Doctronic 关于订购检查并分析结果的长期愿景，会进一步提高这些要求。续方是延续现有治疗；订购新的检查或改变护理方案则可能开启新的临床路径，带来更多偶然发现和延迟随访的机会。

因此，评判犹他州沙盒的标准应是它揭示了什么，而不只是服务是否仍在线运行。一项可信的实验应公开足够的信息，让独立观察者理解其表现、失败情况和纠正措施。

缺乏这种透明度，该试点就有可能沦为监管捷径，而非有价值的测试。

三个信号将显示医疗 AI 是否赢得了更多权限

下一阶段取决于可衡量的安全性、更清晰的监管管辖权，以及患者在不失去有意义监督的情况下获得更好服务可及性的证据。

第一个信号是犹他州试点的透明性能数据。批准率、升级率、处理时间、错误类别和不良事件，将展示该服务在受控演示之外的实际表现。在隐私允许的情况下，结果应按药物类型和患者特征分别呈现。

独立比较将强化证据。审查人员可以考察，在使用相同信息的情况下，系统决策是否与合格临床医生的决策一致。他们还应研究 AI 与临床医生意见不一致的案例，因为这些分歧能够揭示系统的边界。

强劲的结果将支持这样的观点：有限范围的处方任务可以被安全地委托。糟糕的结果、隐藏的数据或无法解释的差异则会削弱这一观点。缺乏公开报告，将使最重要的主张无法得到验证。

第二个信号是医疗和联邦监管机构给出更明确的回应。犹他州沙盒可以授权一项临时的州级实验，但无法仅凭自身建立全国性框架。其他州必须决定，它们是将这一模式视为有用的授权委托，还是无证行医。

联邦机构也需要澄清，自主续方系统在何种情况下可被认定为受监管的医疗软件。答案可能取决于预期用途、产品声明、临床功能，以及系统的营销方式。

清晰的管辖权将同时帮助患者和开发者。企业需要知道在扩张前必须提供哪些证据。患者需要知道哪个机构接收投诉、监测伤害并能够要求采取纠正措施。

协调一致的框架将增强负责任扩张的理由。相互冲突的州规则或长期的联邦模糊状态，会限制采用，并为供应商寻求监管要求最低的管辖区创造机会。

第三个信号是成熟医疗机构的反应。医院、医师团体、保险公司、药房和远程医疗服务商将决定，这一模式会成为基础设施，还是仍只是一项有限的实验。

竞争者不必完全复制 Doctronic 的自主性。有些可能提供自动化初步接诊，但要求临床医生作出最终批准。另一些可能赋予药剂师更大作用，或将 AI 限制为识别低风险续方候选者。

这些替代方案将揭示买方真正看重什么。如果医疗机构选择受监督的系统，市场将更倾向于辅助而非独立行动。如果全自动续方带来更好的可及性和相当的安全性，要求扩大自主性的压力将会增加。

患者行为也将构成这一信号的另一部分。重复使用表明自动化服务解决了真实问题。高放弃率、频繁申诉或要求人工审查，则表明便利并不能消除对专业人士安抚的需求。

Google News 的聚焦之所以重要，是因为它捕捉到了医疗 AI 这样一个时刻：权限正变得比新颖性更重要。记录系统能够节省时间，诊断工具能够提供另一种意见，而处方系统可以采取行动。

这并不意味着医生即将消失。它意味着监管者和医疗领导者必须界定哪些行动需要由人完成，哪些可以委托，以及什么证据支持这条边界。

最佳结果既不是条件反射式的禁止，也不是基于承诺的快速扩张，而是一项具有清晰规则、独立衡量、明确责任归属，以及可靠回归人工护理路径的有限测试。

读者应在接受任何一方的主张前关注实际的试点数据。Doctronic 是否能持续识别高风险请求？患者是否能更快获得必要药物？医生是否在不接手更多复杂收尾工作的情况下，处理更少的例行任务？

这些答案将决定，犹他州究竟为医疗 AI 开辟了一条切实可行的路径，还是暴露了技术能力与医疗责任之间的鸿沟。在答案出现之前，该试点应被视为一项重要实验，而非已经定论的护理模式。