JCI发布医疗机构AI负责任使用认证标准，为国内医疗AI治理提供关键参考
2026/06/19 07:22阅读量 5
2026年6月，美国医疗机构评审联合委员会（JCI）与医疗AI协同网络（CHAI）正式生效了“医疗健康领域负责任使用AI”（RUAIH）认证标准。该标准从治理结构、患者隐私、数据安全、持续监测、偏见评估、安全事件报告和全员培训七大维度构建了机构级AI治理框架，对国内医院普遍存在的“重技术、轻治理”现状具有针对性纠偏意义。
事件概述
2026年6月，美国医疗机构评审联合委员会（The Joint Commission，JCI的母体机构）联合医疗AI协同网络（CHAI）正式生效了“医疗健康领域负责任使用AI”（Responsible Use of AI in Healthcare, RUAIH）认证标准。该标准核心是评估医疗机构的AI治理体系成熟度，而非技术算法的性能。
核心标准七大基石
- 政策与组织治理结构：医院须建立由高管牵头、覆盖医务、质控、信息、伦理及临床科室的跨学科AI治理委员会，制定从采购到风险熔断的全生命周期制度，高层定期检视运行质量报告。
- 患者隐私与透明度：AI实质性影响临床决策时应向患者披露，医生需具备解释AI建议的能力。
- 数据安全与数据使用保护：导入外部AI模型前须严格脱敏，签订数据使用协议（DUA）禁止供应商将数据用于商业模型训练。
- 持续质量监测：建立常态化审计机制监测算法漂移（Performance Drift），准确率下滑立即调优或停用。
- 风险与偏见评估：强制用本院真实病例做本地基线验证（Baseline Validation），评估特定人群的算法偏见风险。
- 盲态安全事件报告：建立非惩罚性AI不良事件上报机制，鼓励盲态共享至第三方患者安全组织。
- 教育与全员培训：培训重点为AI的工作边界与核心盲区，明确最终责任归医生，防范年轻医生知识塌陷（Knowledge Collapse）。
对中国医院管理的启示
- 组织管理重塑：国内目前多由信息科主导AI引入，偏重技术指标。应成立由主管业务副院长牵头、医务质控为核心、信息科为支撑的AI临床治理委员会，未完成本地验证和算法偏见审查不得接入临床系统。
- 临床风险防控：应对医生过度依赖AI导致知识塌陷的风险，系统设计应强制嵌入人类思考节点（如医生先给出初步判断才能查看AI建议），继续教育中加入识别AI错误输出的训练，确保人类拥有最终否决权。
- 数据治理与评审标准升级：医院需通过严格数据使用协议守住数据主权，建立脱敏出院审计制度，防范科技公司无偿获取患者数据。建议国内医院评审新增“人工智能临床治理成熟度”考核板块，纳入算法漂移监测、AI不良事件上报、人员培训记录等指标。