AI进医院最难的从来不是写代码，而是怎么让一线医生真正愿意用、敢于信。南洋理工大学李光前医学院将于2026年12月3日至5日举办国际医疗AI大会（iAIM）。多伦多大学T-CAIREM主任穆罕默德·马姆达尼（Muhammad Mamdani）将赴新加坡分享一套已在多伦多病房真实挽救生命的临床AI系统。
每小时算170个指标，死亡率降26%
在多伦多圣迈克尔医院（St. Michael's Hospital）的内科病房，一套名为CHARTwatch的AI系统早已进入日常轮值。它每隔一小时自动抓取病患150至170项体征指标、检验报告和基础病历数据。只要算法测算出患者在未来48小时内有恶化转入重症监护室（ICU）甚至死亡的高危风险，便会抢先一步通知床位医生与护理团队介入排查。
这套系统最终给出了实打实的临床战果。根据团队发表在《加拿大医学协会期刊》上的评估结果，CHARTwatch的常态化预警让病区患者的意外死亡率直降26%。这远超马姆达尼团队立项初期定下的及格线——当时他们预估相对死亡率能压下10%就已算成功。
Our published study in the Canadian Medical Association Journal demonstrated a 26% reduction in unexpected mortality. 医生凭什么信它？先用数据摸底
把算法推进病区，技术往往不是第一道坎，如何面对资深医生的质疑才是。一线医生凭多年看诊经验把关，难免会怀疑这台黑盒子会不会添乱。马姆达尼团队没有急着用学术论文说服大家，而是先做了一场面对面的对照摸底，让医生凭经验独立预判患者接下来是否会急剧恶化。
摸底数据很直观：即便是资深医生，单靠经验在短时间内预判病情急转或ICU转诊的精准度也较为有限，而AI模型在多维度交叉比对下的准确率明显拉开了差距。这项对比让一线医生意识到，算法不是来指手画脚的，而是用来扫清人力监测盲区的一道安全屏障。
为彻底打消临床顾虑，团队还在运维环境里执行了长时间的静默测试，在不干扰实际诊疗的前提下反复筛查算法偏差、模型漂移与稳定性隐患。正式铺开后，医院又针对性开展了AI素养培训，指导医护人员看懂预警逻辑并顺畅融入日常查房流程。
By showing that clinicians' prognostic accuracy for outcomes such as death or ICU transfer was relatively poor, and that the AI model performed substantially better, we established a clear value proposition for its use. 12月相聚南大，探寻医疗AI落地解法
复盘CHARTwatch的上线全过程，马姆达尼给医院AI转型的同行留下一条核心建议：医疗AI从来不是纯粹的技术工程，而是一场涵盖医生、护士、工程师和管理层的多学科协作。单次采购算法只是第一步，医院必须建立长期的运维与治理体系，确保算法不会因时间推移和患者群体变化而出现失效漂移。
2026年12月3日至5日，由南洋理工大学李光前医学院主办的国际医疗AI大会（iAIM）将在新加坡举行。本次会议以“重新审视医疗AI”（Rethinking AI for Medicine）为题，马姆达尼将携这套系统的全套落地经验亲临现场，与全球学者共同探讨医疗智能化的真实边界。目前大会已开放官方线上报名通道（event.ntu.edu.sg/iAIM）。
Successful AI development and adoption is fundamentally a team effort, not just a technology project.
📌 要点总结
✦ CHARTwatch通过每小时监测150至170项参数，使内科患者意外死亡率降低26%
✦ 推行难点在于临床信任，团队通过人机对照实验与静默测试最终实现落地
✦ NTU李光前医学院iAIM大会将于2026年12月3日至5日召开，现已开放报名
感兴趣的师生可前往NTU官网注册iAIM大会
