几个问题后，AI给出了去肝胆内科诊疗的建议。这套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。

“AI不会取代医生，但它可以成为医生的‘左膀右臂’。”在博鳌亚洲论坛全球健康论坛2025年北京会议上，香港大学李嘉诚医学院院长刘泽星的这番话引起广泛共鸣。随着DeepSeek等大模型的问世，“生病问AI”现象日益常见，一些患者甚至直接拿着AI诊断方案来就诊。

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，我们不得不思考：AI医疗到底靠不靠谱？它是否会替代医生？在拥抱效率的同时，患者和医生又该如何规避风险？

01 AI医疗的现实应用：从辅助诊断到精准手术

AI正在医疗领域展现出强大的应用潜力。通过AI技术，胃镜、肠镜等医学影像的识别效率大幅提升，医生得以从繁重的重复性工作中解放出来。以上海瑞金医院为例，“胸部肺结节CT辅助诊断应用”已覆盖超过80%的病例，将原本7分钟的诊断时间缩短至2分钟。

在手术领域，AI也展现出惊人能力。世界首例脊柱椎板机器人自主识切手术、全球首例介入手术机器人脑动脉取栓等突破性技术在我国完成，标注了人工智能医疗领域的“中国贡献”。

AI在基层医疗中的应用更是意义重大。在四川省绵阳市游仙区忠兴镇兴合村，村医宋文卓每天打开电脑的第一件事就是登录AI辅助诊疗系统。当近九旬的村民涂婆婆因心跳快、咳嗽前来看诊时，宋文卓将病情输入系统，AI迅速给出“急性上呼吸道感染”等诊断建议，为基层医生提供了有力支持。

AI不仅在临床诊断中发挥作用，更为患者提供了前所未有的便利。在浙江省人民医院，数字健康人“安诊儿”可以陪伴患者就诊，提供覆盖就医前、中、后的全流程陪诊服务。这些应用无疑正在改变着医疗服务的面貌。

02 效率与精度：AI医疗的双重优势

AI医疗的核心优势在于其高效处理海量数据的能力。在影像科室，基于深度学习算法，AI阅片技术通过大量医学图像数据训练，具备了识别、分析、诊断病灶的能力，大大提升了诊断效率。

冠状动脉CT血管成像辅助诊断的应用将诊断时间从25分钟缩短至3分钟，这种效率提升对于医疗资源紧张的现状来说尤为重要。

AI的诊断精度同样值得称道。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。这种精度上的优势使得AI成为医生的得力助手，特别是在细微病变的识别上。

在个性化治疗方面，AI也展现出强大潜力。以年龄相关性黄斑变性治疗为例，基于AI算法，未来不同患者将不必遵循同一份治疗指南，有望实现精准给药，进一步延长给药间隔或减少注射次数。

AI的问诊能力同样令人印象深刻。当患者输入“右上腹不适”时，AI会智能追问：“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”等问题，最终给出精准的分诊建议。这种智能问诊系统正在成为患者的“预检分诊员”。

03 技术边界：AI医疗的局限性挑战

尽管AI医疗展现出巨大潜力，但其局限性也不容忽视。目前，AI问诊有一定的科学性和指导性，但无法综合分析患者的身体状况和既往病史，动态调整诊疗方案。

AI在复杂病症的识别上表现不佳。专业医生的临床经验在复杂病情判断中依然不可替代。尤其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。

AI医疗还存在“技术黑箱”问题。AI的决策过程往往不透明，患者可能无法判断结果是如何得出的。这种不可解释性使得医生和患者难以完全信任AI的判断结果。

数据依赖性也是AI医疗的一大挑战。AI基于数据学习和整合，存在因数据来源单一而造成医疗错误的可能。如果一些模型主要依赖从发达国家收集的数据，就可能忽略发展中国家的临床特殊性，导致诊断偏差。

个体化差异是AI医疗的另一大挑战。如果AI不能基于个体化差异给出最优方案，人类的生命健康将面临考验。以心脏支架为例，个性化的治疗方案需要考虑患者的多种因素，这对AI来说仍是巨大挑战。

04 责任与伦理：AI医疗的法律困境

随着AI医疗的广泛应用，责任归属问题日益凸显。当医院借助AI看病发生误诊时，责任应该由谁承担？目前有一些基本共识：医生作为AI设备的使用者，要对诊疗结果进行最终复核并拥有“一锤定音”的权力，要承担相应责任。

如果AI诊疗设备被证明存在系统性缺陷并导致不良后果，患者或医疗机构可依据《中华人民共和国民法典》要求其生产者进行赔偿。然而，与一般医疗器械不同，“AI医生”通过算法和“经验”直接给出“答案”，其运算过程可能复杂到难以被人类理解。

算法透明度不足和算法歧视问题也不容忽视。由于算法透明度不足，患者无法了解医疗人工智能是如何得出诊断结论的，导致其知情权和选择权无法得到充分保障。

更令人担忧的是，算法歧视问题可能导致不同地区在医疗资源上的不平等现象。如果算法模型的训练数据主要来自某些特定群体，可能会导致其面对特殊群体时产生偏见。

在处方开具方面，一些线上医疗平台存在违规行为。根据规定，处方应由接诊医师本人开具，严禁使用人工智能等自动生成处方。然而，一些平台为谋取利益，采用“AI开处方，客户直接取药”的模式，处方开具、审核环节形同虚设。

05 未来之路：让AI医疗更可靠更透明

要让AI医疗真正发挥价值，需要从多个层面进行改进。可解释性是AI医疗的重要发展方向。让AI本身更“懂规矩”、更“透明”，帮助人们理解其决策路径，从而更好地作出判断。

从算法角度看，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，必须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，都可能造成细微偏差，这在医疗领域是不可接受的。

“通专结合”是AI医疗下一步发展方向。在大模型基础上，需要结合垂直场景进行任务深挖。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，这些都是未来需要研究的重点。

建立完善的法律框架同样不可或缺。需要在《生成式人工智能服务管理暂行办法》基础上，结合医疗领域的特点制定相关法律法规，突出强调医疗人工智能的辅助作用。

强化医疗人工智能算法监管也刻不容缓。应成立算法审查专门机构，对医疗人工智能进行严格的安全性、透明性、伦理性审查。基于数据的动态性，要求研发者定期开展算法风险监测工作，确保AI医疗的安全可靠。

清华大学副教务长黄天荫曾指出，医学人工智能模型的研究重点已从专用模型转向通用医学人工智能（GMAI）。他和同事们提出的新范式包括通用医学人工智能（UMAI）和通用健康人工智能（UHAI），后者进一步扩展了应用场景，不再局限于疾病治疗，而是涵盖健康保持和疾病预防。

在河北省沧州市沙河桥镇亚龙医院，医生们已经习惯使用AI系统进行辅助诊断。但他们都明白一个原则：AI问诊从来没有与医生问诊站在对立面，而是一种合作关系。

医生丰富的实践经验、对复杂病情的判断以及人性化的关怀，是AI无法复制的。未来医疗将是AI与医生优势互补的世界，而非谁取代谁的关系。

技术的每一步突破，都必须以患者安全为前提。当技术向善的共识与创新的脚步同行，AI医生的智慧边界将更加清晰，医疗健康的未来必将更加可及、更加温暖。