人工智能技术的快速发展正在重塑医疗决策模式，AI辅助诊断与治疗的应用场景日益广泛。然而，AI辅助决策的实际效果呈现显著异质性：AI既有可能提升决策效率和质量，也可能增加认知负荷和偏误，影响决策质量。其中，AI生成信息的质量是影响AI推荐可信度的核心挑战。何老师的研究聚焦于AI信息的准确性和透明度如何影响AI辅助决策的质量，探究其背后的作用机制。通过一项精心设计的在线实地实验，何老师的研究系统考察了AI信息的准确度与透明度对医生诊断、治疗及问诊行为的影响，并揭示了其背后的经济学逻辑。

何老师的实证研究以“心绞痛”为标准病例，通过模拟患者向真实医生发起在线图文问诊，构建了四个处理组进行自然实地实验：AI信息分为高准确度与低准确度，高透明度与低透度。实验覆盖多名来自胸痛相关科室的医生，通过标准化脚本记录医生的诊断准确性、治疗方案选择及问诊过程等多维结果。

实证研究发现，仅当AI信息同时具备高准确性和高透明度时，才能显著提升治疗决策和诊断决策的质量，二者存在互补效应：准确性确保信息可靠，透明度促进医生信任与正确理解，缺一不可。此外，AI信息的提供普遍减少了医生的问诊问题数量，提升了有效问题比例，但对整体咨询质量的提升无显著差异。异质性分析表明，高准确性和高透明度的AI信息对治疗和诊断决策的改善作用主要由高专业水平医生驱动，显示AI辅助工具需根据用户专业程度调整解释水平：详细解释有助于新手学习，简化输出则能提升专家效率。

何老师的研究为理解AI辅助决策的微观机制提供了新视角，其政策启示在于：提升AI透明度需以确保高准确性为前提，二者协同优化才能充分发挥AI在医疗决策中的价值；同时，个性化的AI支持系统应成为未来发展方向。现场师生围绕实验设计细节、AI在基层医疗中的应用潜力等问题与何老师进行了深入交流。讲座不仅深化了学界对AI技术经济效应的认知，也为医疗数字化转型中的政策设计提供了重要参考。