人工智能（AI）與醫(yī)療的關(guān)系主要體現(xiàn)在輔助診療、提升效率、優(yōu)化管理等方面，但同時也面臨診療安全、數(shù)據(jù)質(zhì)量等挑戰(zhàn)。

文 | 邱慧

編輯 | 張劍

Deepseek現(xiàn)象級走紅后，一向呈觀望姿態(tài)的醫(yī)院紛紛加速了AI模型的布局進(jìn)程。

然而，在醫(yī)學(xué)界經(jīng)歷AI技術(shù)浪潮帶來變革的同時，學(xué)界、業(yè)界對于“是否應(yīng)該廣泛在醫(yī)學(xué)界使用AI“的話題始終未能達(dá)成一致。

不同于其他應(yīng)用學(xué)科，一些研究者擔(dān)心，AI過度介入醫(yī)學(xué)診療，可能會制造危險、錯誤的健康信息；而另一方則認(rèn)為，隨著防護(hù)機制的建立，AI醫(yī)療會逐步趨近精準(zhǔn)化，長期存在的醫(yī)療資源分配不均等系統(tǒng)性問題或許可以得到緩解。

兩方爭議之余的共識是，目前，醫(yī)療AI應(yīng)用中仍然存在著一些諸如可解釋性不足等局限性問題。

7月24日，在博鰲亞洲論壇全球健康論壇2025年北京會議“AI+醫(yī)療的應(yīng)用與治理”分論壇上，北京智源人工智能研究院首席科學(xué)家張恒貴坦言，現(xiàn)階段，醫(yī)療AI大模型在輔助治療、決策支持和醫(yī)院管理優(yōu)化等方面已取得進(jìn)展，但“因為目前可解釋性還不太強，這些方面的工作都存在著一些局限性?！?/p>

在他看來，接下來，利用數(shù)字孿生技術(shù)構(gòu)建患者虛擬模型，或許有望能解決當(dāng)前醫(yī)療人工智能應(yīng)用中的可解釋性不足問題——而這直接關(guān)系到醫(yī)療安全。

“利用數(shù)字孿生技術(shù)構(gòu)建一個數(shù)字孿生，數(shù)字孿生器官、數(shù)字孿生生命體，”他闡釋道，一方面可以通過數(shù)據(jù)驅(qū)動，為醫(yī)療的決策提供輔助性作用，另一方面對決策的合理性做出解釋，即做出決策的原因、方法等，以實現(xiàn)精準(zhǔn)醫(yī)療。

AI正加速向醫(yī)療領(lǐng)域滲透

從患者進(jìn)入醫(yī)院的智能導(dǎo)診到AI影像輔助診斷，以應(yīng)用的不同場景來看，AI正逐步深入醫(yī)學(xué)診療的不同環(huán)節(jié)。

“e看法”此前從多位三甲醫(yī)院醫(yī)生處了解到，盡管患者的診療多是依靠醫(yī)生的臨床經(jīng)驗下診斷，但AI在影像報告解讀、報告單數(shù)據(jù)分析等方面的應(yīng)用，能提高患者就診效率，“當(dāng)然，最終的診斷還是由醫(yī)生出具專業(yè)醫(yī)學(xué)建議?！?/p>

清華大學(xué)智能產(chǎn)業(yè)研究院院長張亞勤此前表示，AI醫(yī)院用2天時間便可完成三甲醫(yī)院2-3年的診斷量，且診斷的準(zhǔn)確率超過96%。上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院院長寧光同樣公開宣稱，“整個社會都在被AI、大模型重塑，如果再不擁抱AI，就要成局外人了”。

在上述提及的分論壇上，美敦力信息技術(shù)服務(wù)全球副總裁孫曉宇也指出，目前，AI技術(shù)在CT片等圖像內(nèi)容的識別上已經(jīng)相對成熟，“這可以為醫(yī)生節(jié)省出很多時間?！背酥?，他指出，在人力、物力、財力消耗較大的慢病管理領(lǐng)域，也可以很好地利用數(shù)字化和AI技術(shù)。

張恒貴指出，AI技術(shù)最大的能力在于集成比如超聲心電圖、醫(yī)學(xué)影像等多維度醫(yī)學(xué)信息，來構(gòu)建個體化模型，達(dá)到精準(zhǔn)性治療的效果。

AI如何實現(xiàn)個體化？張恒貴舉例表示，由于患者年齡、性別不同，治療效果也各有差別。以心臟疾病治療為例，AI技術(shù)可以通過對患者特征的剖析，優(yōu)化支架參數(shù)設(shè)計，還能給出個性化用藥建議，“AI將會提供一個新的醫(yī)療范式?！?/p>

但需要注意的是，張恒貴提醒，AI永遠(yuǎn)不會取代醫(yī)生，只會是醫(yī)生的一個助手而已，這樣可以提高醫(yī)生的工作效率，減輕他們的負(fù)擔(dān)。同時，醫(yī)生在使用人工智能時要審慎判斷，患者需確保提供信息的準(zhǔn)確性，監(jiān)管部門必須通過完善的政策法規(guī)規(guī)范AI應(yīng)用，“AI醫(yī)療的核心始終是以患者為中心，這也是所有醫(yī)學(xué)從業(yè)者不變的理念?！?/p>

AI診療的邊界在哪兒？

在資源分配不均衡、過度診療等問題長期存在的醫(yī)療領(lǐng)域，AI技術(shù)的應(yīng)用被行業(yè)投以期待。

然而，在AI發(fā)揮大量處理信息能力優(yōu)勢之外，如何應(yīng)對AI診療的邊界以及其帶來的挑戰(zhàn)又成了醫(yī)療領(lǐng)域的新問題。

AI診療邊界的問題范疇里，現(xiàn)實性的問題是，AI在醫(yī)學(xué)上的應(yīng)用邊界在哪兒？

孫曉宇認(rèn)為，AI發(fā)揮的是輔助性作用，在所有的臨床決策當(dāng)中，依然是醫(yī)生做主，“AI只能提供一個建議，我們目前關(guān)注到，它還不能夠解釋是如何得出這一建議的，也因此現(xiàn)階段，我們還不能完全依賴于AI來做關(guān)鍵的臨床決策?！?/p>

對于誰為AI診療結(jié)果負(fù)責(zé)的問題，尚未有確定性結(jié)論，但發(fā)言嘉賓的共識是，在極速變化的AI技術(shù)浪潮下，需要思考全新、多層次的監(jiān)管與合作思路，比如該如何通過監(jiān)管實現(xiàn)AI向善？當(dāng)惡性事件發(fā)生的時候，是否有一個體系能夠分辨這類事件是如何發(fā)生的？又該如何監(jiān)管？

張恒貴為此提議，算法、數(shù)據(jù)標(biāo)注做到追溯，將來大模型運用的數(shù)據(jù)都可以追溯到數(shù)據(jù)的質(zhì)量、標(biāo)注的質(zhì)量、算法研究者。

新西蘭前總理珍妮·希普利則從監(jiān)管層面指出：“監(jiān)管本身要具有適應(yīng)力，不能僵硬不變?！逼湔J(rèn)為，在技術(shù)浪潮中，監(jiān)管部門和創(chuàng)新者要共同來設(shè)計監(jiān)管規(guī)則。其坦言，目前監(jiān)管機構(gòu)的能力和企業(yè)能力之間是有錯配的，要推動AI向善，亟待打造一個靈活具有變通能力的監(jiān)管機構(gòu)、監(jiān)管框架?！爱?dāng)每種新的技術(shù)都會有風(fēng)險，從監(jiān)管的角度來說，要管控好這些風(fēng)險，但是又要能夠具有靈活變通的能力。”

在聯(lián)合國多年的全球健康發(fā)展研究院理事會聯(lián)席主席施賀德也坦言，AI技術(shù)給個性化、個體化的醫(yī)療衛(wèi)生、醫(yī)療健康服務(wù)帶來巨大的變化，但它的快速迭代則給監(jiān)管機構(gòu)帶來挑戰(zhàn)。

施賀德觀察到，當(dāng)前，現(xiàn)在我們所面對的現(xiàn)狀是：部分傳統(tǒng)領(lǐng)域的專家和AI領(lǐng)域的專家互不理解，不能夠很好地進(jìn)行溝通，“但這兩類專家我們都需要，只有他們的合作才能讓AI診療變得更加精準(zhǔn)，降低誤診風(fēng)險?！彼毖裕绻荒軌驊?yīng)對好這個挑戰(zhàn)，我們就會止步不前。