[智能应用]AI医疗，效果咋样[4P] [复制链接]

　　观众在第四届全球数字贸易博览会数字医疗展区参观智能医疗设备。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">观众在第四届全球数字贸易博览会数字医疗展区参观智能医疗设备。新华社发

　　第16届香港国际医疗及保健展上的AI康复治疗机器人。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">第16届香港国际医疗及保健展上的AI康复治疗机器人。新华社发

　　江苏东台市，影像云诊中心的医务人员集中读片。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">江苏东台市，影像云诊中心的医务人员集中读片。新华社发

　　参观者在上海一展会上了解人工智能医疗产品。新华社发" html="true" trigger="hover focus" placement="bottom" data-toggle="tooltip">参观者在上海一展会上了解人工智能医疗产品。新华社发
　　　　今天，你AI了吗？
　　如今，我们的生活与工作似乎越来越离不开人工智能（AI）等数智技术，而技术每天还都在“成长”。从“数智+消费”“数智+文旅”到“数智+体育”，从自动驾驶、智能制造到智慧城市，数智技术正加速融入千行百业，不断开辟新的应用场景，持续改变人类的生产生活方式。
　　本版今起开设“解码数智+”栏目，与读者一起走进不断涌现的数智技术应用新场景，观察其带来的无限可能。
　　从导诊机器人，到医学影像的肿瘤早筛，人工智能（AI）技术在医疗领域的应用场景日益多元。在人工智能大模型掀起的热潮中，“生病问AI”格外引发关注。当患者拿着AI生成的诊疗建议走进诊室，当AI的“意见”甚至挑战医生的判断时，一系列问题亟待解答：AI医疗靠谱吗？会替代医生吗？在拥抱效率的同时，患者和医生又该如何规避风险？
AI成为诊疗好帮手
　　打开北京清华长庚医院微信小程序里的“AI肝胆医院”，记者在对话框中输入“右上腹不适”。很快，AI跟记者“聊”了起来：“您的症状是持续性的还是间歇性的”“是否伴随发热或恶心呕吐”……几个问题后，AI给出了去肝胆内科诊疗的建议。
　　“清华长庚医院正在开发肝病全周期管理大模型，初步版本已在医院微信小程序上线，目前可基于患者的症状进行预问诊，并给出分诊建议。”清华大学北京清华长庚医院肝胆内科主任医师杨明介绍，这套AI系统会结合患者的症状和化验检查给出分诊建议，准确率较高。
　　采访中，不少医生反映，患者拿着AI诊疗建议前来就诊的情况越来越多了。
　　“有些患者会在看病之前用AI梳理一下想法，带着相对清晰的思路来看病。”北京大学人民医院胸外科副主任医师陈修远告诉记者，患者会利用AI大模型，根据自己的病史和检验检查数据，获取初步的疾病解释和可能的诊疗方向。
　　“这相当于提前为患者进行了一次疾病科普，让他们对疾病有一个初步的了解，从而更容易理解医生的专业判断和建议，使后续的沟通更加顺畅高效。”杨明说。
　　患者问诊有AI，医生看病也用上了AI。
　　多位医生在采访中表示，对于直径小于5毫米的结节，医生的检出率较低，而使用AI后检出率显著提升。“很好用。”北京大学人民医院放射科主任医师王屹评价。
　　“如果把外科手术类比成开车，那么CT就如同一张精确的纸质地图，而有了AI三维重建，相当于有了更为精准直观的电子地图。”陈修远口中的“AI三维重建”算法，已经在北京大学人民医院部署多年，这套系统借助AI对肺部复杂结构进行更为精准的呈现，解剖结构的准确识别率得到提高。
　　“这类系统的运用，可以帮助医生从繁重的影像初筛工作中解放出来，将更多精力投放到结合影像结果进行更深入的综合分析、制定个性化的治疗方案，以及处理更复杂的诊断问题上。”山东省公共卫生临床中心胸外二科副主任医师张运曾说。
　　不只是医学影像，在手术规划上，AI也有出其不意的效果。
　　中国人民解放军总医院骨科医学部关节外科副主任医师李海峰以关节置换手术为例介绍：“过去，这类手术为防止型号不匹配，往往需要为每位患者准备全套不同型号的假体，造成资源浪费。现在，AI可以通过分析患者的CT数据，结合海量既往手术数据模型，提前精准预测所需假体型号。”
信息“过载”容易加重焦虑
　　AI在辅助医疗的过程中已经展露出一定的效率和精度，它是否会取代医生？
　　采访中，虽然医生普遍认可AI在辅助诊疗方面的价值，但对AI给出的具体结论或治疗建议，仍持审慎态度。
　　“我只建议患者用AI问诊作为了解疾病的途径，并不建议患者执行AI的建议。”北京中医药大学东方医院脾胃肝胆科主任医师李晓红说。
　　对此，杨明解释：“目前AI问诊主要是基于大模型，抓取的资料会对其生成结果有较大影响。”
　　“这些内容确实很有逻辑性也较成体系，但是否适用于不同患者还需进一步判断。”王屹指出，如果患者对疾病没有太多的了解，可能很难识别出问题。
　　针对AI的医疗建议，不少专家表示，“过载”的信息反而会加重患者的焦虑。
　　李海峰表示：“有时患者用AI生成的报告非常详尽，列出了所有可能出现的问题，导致他们带着困惑甚至恐慌来找医生求证。然而实际情况是，很多假设不具有临床意义。”
　　“有些疾病是多因素叠加的系统性问题，仅仅依靠患者提供的症状描述，很难得出准确的诊断。”李晓红坦言，随着人们对AI的认识越来越深入，大家逐渐意识到AI生成的内容需要经过真实性考量。
　　一张处方，不仅意味着对症下药，背后还有医生的责任与担当。
　　“医生以专业知识作为诊疗的出发点，但面对每位患者时，需要结合其本身特点来调整治疗方案，在这方面AI可能有所欠缺。”杨明以肝病为例解释道，比如一位转氨酶升高的患者，有乙肝、脂肪肝病史，近期又有大量饮酒和服用他汀类药物史。“AI在诊疗时可能只会主动询问其过往病史，基于其患乙肝的信息，给出‘需要服用抗病毒药物’的建议，但会遗漏患者未主动提供的关键细节，如饮酒和药物史，因此给出的建议易失之偏颇。”
　　“在影像领域，虽然AI已经被广泛运用，然而在目前的筛查技术条件下，仅依靠AI可能漏掉一些非常早期的、形态不典型的病灶。”张运曾表示，如果没有结合用药史、既往影像对比等多维度信息进行综合判断，很可能导致误诊。
　　“大模型可以解放手脚，但不能替代大脑。”李晓红认为，医疗决策依赖复杂的临床判断与丰富经验，尤其是面对不典型病例或多病共存的情况，经验丰富的医生能够捕捉到细微症状和体征，这是AI目前难以企及的。
　　“医生不仅仅是疾病的治疗者，更是患者的心理支持者。”张运曾直言，“AI很难为患者提供心理支撑，而医学是有温度的，这种温度是通过医生来传递的。”
让AI更“懂规矩”更“透明”
　　需要警惕的是，AI大模型在生成内容时会有“AI幻觉”，即编造信息的现象。
　　“临床使用中，AI偶尔会犯一些啼笑皆非的错误。”南京航空航天大学人工智能学院院长张道强举例，临床影像学的变化极为复杂，有时看到的可能是无诊断价值的“干扰信号”，而AI却可能将其判断为病变，“还有一些用户在使用AI协助生成内容时，发现它存在杜撰医学名词出处、虚构参考文献等情况。”
　　针对这种信息编造问题，张道强认为，应从算法和数据两方面着手改进。“医疗领域十分特殊，必须严格控制失误，这要求我们在大模型研发初期必须严格把控数据的唯一性和准确性。再拿算法来说，提升AI的抗干扰性与可靠性是重要课题。当AI从实验室走进真实环境中，怎样提高系统在真实环境下的识别精度与可靠性？任何信息变化，都可能造成细微的偏差。”张道强说。
　　可解释性也是AI医疗的发展方向。南京航空航天大学人工智能学院教授秦杰解释：“AI的决策过程更像是一个‘黑箱子’，患者可能无法判断结果是如何得出的。因此，应当解释决策得出的路径，从而帮助人们更好地作出判断。让AI本身更‘懂规矩’、更‘透明’，是我们的思考方向。”
　　对于数据样本而言，样本的规模和质量都会对AI生成的结果产生很大影响。“如何将医生的经验与数据驱动的大模型更好结合？如何让顶尖医生的经验在AI上复现？这些都是我们需要研究的。”秦杰说，从模型的任务和性能来讲，“通专结合”是AI下一步发展方向，“也就是在大模型基础上，结合垂直场景进行任务深挖。”
　　面对AI，我们既要积极拥抱新技术，又要保持理性。
　　“AI只是工具，绝对不是偷懒神器。”王屹表示，医生使用AI时，应结合自己扎实的专业基础和丰富的临床实践，对AI提供的信息进行批判性思考和理性分析应用，不能过度依赖。
　　采访中，专家也建议，有关部门应整合医疗大数据，统一研究和设计，制定AI医生的标准和评价考核体系，让AI更好地辅助医生。
　　“从法律角度来说，涉及AI案件的责任主体认定与归责更为困难。”中国科学院大学公共政策与管理学院教授马一德指出，“AI应用的开发部署往往涉及多个环节、多个主体。从算法设计，到具体操作，每一个环节都可能对最终的AI行为产生影响。责任链条的拉长和分散，使得出现问题时难以锁定责任承担者。”
　　马一德建议，通过完善法律法规、强化数据安全、建立权责机制和加强伦理监管等举措，推动AI医疗应用的规范化部署。
　　目前，国家药品监督管理局已明确，利用AI进行疾病诊断、辅助决策、影像识别等的医用软件，属于医疗器械范畴，必须按照医疗器械法规进行注册和监管。
　　“患者使用AI进行问诊，AI的回答不需要负法律责任，而对医生来说，他们需要对病人的诊疗结果负责。”杨明提醒，应确保AI技术在法律框架下合理应用，严守数据安全与伦理底线，确保技术应用始终服务于医疗本质。

AI医疗：机遇与挑战并存，规范前行向未来
在当今时代，人工智能（AI）等数智技术正以前所未有的速度融入我们的生活与工作，从消费、文旅到体育，从自动驾驶、智能制造到智慧城市，数智技术不断开辟新场景，深刻改变着人类的生产生活方式。在医疗领域，AI的应用也日益广泛且多元，从导诊机器人到医学影像肿瘤早筛，“生病问AI”成为热门话题。然而，在拥抱AI带来的效率提升时，一系列问题也随之而来：AI医疗靠谱吗？会替代医生吗？患者和医生又该如何规避风险？
一、AI医疗：辅助诊疗显身手
（一）患者问诊的智能助手
在北京清华长庚医院微信小程序的“AI肝胆医院”，输入“右上腹不适”后，AI迅速与记者互动，询问症状的持续性和伴随症状等，随后给出去肝胆内科诊疗的建议。清华大学北京清华长庚医院肝胆内科主任医师杨明介绍，该医院正在开发的肝病全周期管理大模型初步版本已上线，可基于患者症状预问诊并给出分诊建议，准确率较高。如今，患者拿着AI诊疗建议就诊的情况愈发常见，北京大学人民医院胸外科副主任医师陈修远表示，有些患者会利用AI大模型，根据病史和检验检查数据获取初步疾病解释和诊疗方向，这相当于提前进行疾病科普，让患者对疾病有初步了解，便于后续与医生高效沟通。
（二）医生诊疗的得力帮手
在医学影像领域，AI发挥着重要作用。对于直径小于5毫米的结节，医生检出率较低，而使用AI后检出率显著提升，北京大学人民医院放射科主任医师王屹评价其“很好用”。北京大学人民医院部署的“AI三维重建”算法，能对肺部复杂结构进行精准呈现，提高解剖结构准确识别率，山东省公共卫生临床中心胸外二科副主任医师张运曾称，这类系统可让医生从繁重的影像初筛工作中解放出来，将更多精力投入到综合分析和制定个性化治疗方案上。在手术规划方面，AI也有出色表现，中国人民解放军总医院骨科医学部关节外科副主任医师李海峰介绍，AI可通过分析患者CT数据和海量既往手术数据模型，提前精准预测关节置换手术所需假体型号，避免资源浪费。
二、AI医疗：现存问题引担忧
（一）信息“过载”加重焦虑
尽管AI在辅助医疗中展现出一定的效率和精度，但医生普遍对AI给出的具体结论或治疗建议持审慎态度。北京中医药大学东方医院脾胃肝胆科主任医师李晓红不建议患者执行AI的建议，只将其作为了解疾病的途径。杨明解释，目前AI问诊主要基于大模型，抓取资料对生成结果影响较大，王屹指出，患者若对疾病了解不足，可能难以识别AI建议中的问题。而且，AI生成的报告有时非常详尽，列出所有可能出现的问题，导致患者带着困惑甚至恐慌找医生求证，实际上很多假设不具有临床意义。
（二）难以替代医生的综合判断
医疗决策依赖复杂的临床判断和丰富经验，尤其是面对不典型病例或多病共存的情况，经验丰富的医生能捕捉到细微症状和体征，这是AI目前难以企及的。杨明以肝病为例，一位转氨酶升高的患者有多种病史和近期特殊情况，AI可能只询问过往病史，遗漏关键细节，给出偏颇的建议。在影像领域，仅依靠AI可能漏掉一些非常早期、形态不典型的病灶，张运曾表示，若不结合用药史、既往影像对比等多维度信息综合判断，很可能导致误诊。此外，医生不仅是疾病治疗者，更是患者心理支持者，AI很难为患者提供心理支撑，医学的温度需要通过医生传递。
（三）“AI幻觉”与可解释性难题
AI大模型在生成内容时会出现“AI幻觉”，即编造信息的现象。南京航空航天大学人工智能学院院长张道强举例，临床影像学中，AI可能将无诊断价值的“干扰信号”判断为病变，还存在杜撰医学名词出处、虚构参考文献等情况。同时，AI的决策过程像一个“黑箱子”，患者难以判断结果如何得出，可解释性成为AI医疗的发展方向。
（四）责任认定与法律监管挑战
从法律角度看，涉及AI案件的责任主体认定与归责更为困难。中国科学院大学公共政策与管理学院教授马一德指出，AI应用的开发部署涉及多个环节和主体，责任链条拉长和分散，使得出现问题时难以锁定责任承担者。而且，目前对于AI医疗的责任认定和法律监管还存在诸多空白。
三、AI医疗：规范发展向未来
（一）技术改进提升可靠性
针对“AI幻觉”问题，张道强认为应从算法和数据两方面着手改进。在研发初期严格把控数据的唯一性和准确性，提升AI的抗干扰性与可靠性，提高系统在真实环境下的识别精度。
（二）增强可解释性
让AI的决策过程透明化是重要发展方向。南京航空航天大学人工智能学院教授秦杰表示，应解释AI决策得出的路径，帮助人们更好地作出判断，使AI更“懂规矩”、更“透明”。同时，要研究如何将医生的经验与数据驱动的大模型更好结合，让顶尖医生的经验在AI上复现，实现“通专结合”，在大模型基础上结合垂直场景进行任务深挖。
（三）理性使用与规范监管
医生使用AI时应结合专业基础和临床实践，对AI提供的信息进行批判性思考和理性分析应用，不能过度依赖。有关部门应整合医疗大数据，统一研究和设计，制定AI医生的标准和评价考核体系。此外，要通过完善法律法规、强化数据安全、建立权责机制和加强伦理监管等举措，推动AI医疗应用的规范化部署。目前，国家药品监督管理局已明确，利用AI进行疾病诊断、辅助决策、影像识别等的医用软件属于医疗器械范畴，必须按照医疗器械法规进行注册和监管。

AI医疗为医疗行业带来了新的机遇和变革，但目前仍存在诸多问题和挑战。我们既要积极拥抱新技术，充分发挥其在辅助诊疗方面的优势，又要保持理性，通过技术改进、规范使用和加强监管等措施，确保AI医疗在合法合规、安全可靠的框架下发展，让AI更好地服务于医疗本质，为人类健康事业做出更大贡献。

AI医疗在辅助诊疗、流程优化等方面展现了显著价值，但也存在一定局限性，整体呈现“辅助性强、替代能力弱”的特点，具体效果可从优势和边界两方面概括：

一、AI医疗的核心优势
诊断效率大幅提升
在医学影像分析（如脑卒中、肿瘤筛查、骨科影像）中，AI能快速处理海量图像数据，精准识别病灶或异常（如血栓位置、肿瘤结节），将传统影像评估时间（如脑卒中需30-60分钟）缩短至数分钟，为急救或后续治疗赢得关键时间。

手术与治疗规划更精准

手术场景：如关节置换手术，AI可通过分析患者CT数据及既往手术模型，提前预测所需假体型号，避免术前准备全套假体的资源浪费；
治疗方案：结合患者病史、基因、药物反应等多维度数据，AI能为医生提供个性化治疗建议（如癌症化疗剂量调整），提升治疗针对性。
基层医疗能力赋能
通过AI技术（如放疗规划、影像辅助诊断）的下沉，将大医院的优质医疗资源复制到基层，帮助基层医生解决“不会诊、不敢诊”的问题，缩小城乡医疗差距。

减轻医生重复性工作负担
AI可替代医生完成影像初筛、病历整理等重复任务（如识别直径小于5毫米的结节），让医生专注于更复杂的临床分析（如结合影像结果与患者病史制定个性化方案）。

二、AI医疗的边界与局限性
无法替代医生的临床判断
医疗决策需结合经验、伦理、患者个体差异等复杂因素，AI难以处理不典型病例（如症状不明显的脑卒中）或多病共存的情况（如同时有乙肝、脂肪肝、饮酒史的转氨酶升高患者）。医生的经验能捕捉到AI遗漏的细微症状（如患者的情绪、体征变化），这是AI目前无法企及的。

信息过载可能加重患者焦虑
AI生成的报告常包含大量“可能性假设”（如列出所有潜在风险），但部分假设无临床意义，可能导致患者过度恐慌（如拿着AI报告找医生求证无意义的问题）。

数据与算法的局限性
AI的准确性依赖高质量训练数据，若数据不足或有偏差（如缺乏基层患者数据），可能导致误诊；此外，AI的决策过程缺乏可解释性（如“为什么判断为高风险”），患者和医生难以信任其结果。

伦理与隐私风险
医疗数据涉及患者敏感信息（如健康状况、家族病史），AI使用过程中需严格遵守伦理规范（如患者知情同意），否则可能引发隐私泄露或伦理争议。

总结
AI医疗是高效的辅助工具，能提升医疗效率、降低成本、赋能基层，但无法替代医生的核心角色。其价值在于“解放医生的手脚，而非替代医生的大脑”，最终的医疗决策仍需医生结合AI建议、患者情况及临床经验综合判断。未来，AI医疗的发展方向需聚焦数据质量提升、算法可解释性、伦理规范完善，以更好地服务于临床需求。