用“火眼金睛”揪出病灶，在急诊室扮演“预言家”角色……随着AI技术快速发展，医疗领域正经历一场深刻蜕变。

“十五五”规划纲要提出，有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务、养老助残等场景的应用。“AI医生”加速从概念走入诊断第一线，会如何优化就医格局？从辅助诊断到“人机共智”，AI医疗如何健康规范发展？

2025年3月28日，患者在广安门医院门诊大厅体验AI导诊服务。新华社记者 张玉薇 摄

医生的“超级副手”

过去，四川大学华西医院病理科总被患者围得水泄不通。

四川大学华西医院病理科主任张红英介绍，病理科要承担每年超过40万例的本院患者病理诊断，还要接收3.6万余例院外病理会诊标本。外地患者要获得诊断结果，不仅要填表格、带上病理标本等，还要在窗口等很长时间。

而现在，通过AI辅助，患者可在线填写申请表格，经过线上初筛，不用再重复“跑腿”。张红英说：“今年，我们计划上线更为全面的AI病理诊断大模型，进一步提高效率。”

这是AI技术加速在医疗领域应用带来的影响之一：帮助医生减轻负担、提升诊断效率。

一些AI大模型化身健康“守门人”和“预警哨兵”，成为基层医生的“超级副手”。

在四川大学华西口腔医院，临床级口腔影像AI辅助诊断决策系统通过人机交互、可视化呈现的方式提高诊疗效率，优化医患沟通。一线医生汪成林说，AI影像辅助目前有80%至90%的高识别精度。

在重症监护室，AI系统通过分析海量生命体征数据，能提前数小时预警感染性休克等危重情况，为抢救患者争取黄金时间。通过胸痛急诊场景下的AI模型，浙江大学医学院附属第一医院医生可以在几秒内识别急性主动脉综合征，将确诊时间缩短至2小时内。

在药物研发领域，AI也正掀起一场“效率革命”。

广州医科大学附属第一医院联合多家机构启动肿瘤病理基因多模态大模型研发，该系统可在1分钟内预测多种肿瘤基因突变，基因检测成本有望大幅下降。从药物靶点发现、分子设计，到临床试验优化与药物商业化，在国内多家药企，AI正从辅助工具升级为药物研发的新基础设施……

AI在医疗中的角色，正从零散应用日益走向体系化落地。

四川大学华西口腔医院的全景AI辅助诊断决策系统。（受访者供图）

深度融入路仍长

四川大学华西口腔医院修复科医生窦豆认为，虽然AI可以为年轻医师进行诊断提供助力，但面对复杂病例，目前的智能辅助诊断水平依然存在较大进步空间。对基层医疗机构而言，让AI真正融入医院，还有很长的路要走。

不同于人类医生的“临床直觉”，AI的决策基于数据训练。不少业内人士认为，当前通用大模型难以精准捕捉医生的临床思维路径，存在语言鸿沟，无法适应精准个性化诊断的医疗发展趋势。

部分一线医护坦言，由于医疗数据隐私保护的门槛极高，“医疗数据不出医院”是常态，依靠单一医院内部构建完整的多模态训练数据很难。部分AI医学影像虽然部署到医院，却常面临“吃不饱”或“吃不透”高质量数据的困境，限制诊断能力进一步跃升。

一些人担心，当训练数据存在偏差或遇到罕见病例时，AI可能给出错误提示。行业亟待强化完善“AI初筛+医生复核”的责任闭环机制。

目前，AI辅助诊断不能作为独立的医疗服务项目向患者额外收费。有医院管理者向记者坦言，研发一套AI系统动辄花费数百万元，如果无法通过收费回收成本，医院只能将其视为“锦上添花”的硬件投入，缺乏大规模更新动力。

部分基层医疗机构负责人反映，辖区病种相对单一，不菲的运维成本也让基层望而却步。如何开发“轻量级、低成本、适合基层病种”的AI产品，并建立区域共享的远程AI诊断中心，是技术普惠的关键。

构建有温度、有规范的新生态

业内人士认为，未来，AI医疗将在“人机共智”的高效协作中，更有力地守护公众健康。

产业应用标准体系正在加快建立。《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》明确提出，到2030年，基层诊疗智能辅助应用基本实现全覆盖。这一“指南针”的确立，为各地进一步将AI技术嵌入人工智能辅助诊断与医疗服务体系提供了合规性保障。

张红英建议，未来，应当在部分地区探索AI医疗器械设备的临床准入制度，打造完善的合规评测平台与量化数据评价体系，使AI应用更有标准可衡量。

打破“叫好不叫座”的关键在于付费机制的创新。多名一线医护人员呼吁，医保部门要充分论证AI辅助诊断对整体医保基金的控费效用，优化影像报销等。

同时，受访专家还建议，推动以“区域远程会诊中心+AI赋能基层”的服务模式，让基层医院加快获得大医院的“AI大脑”赋能，让边远地区患者能享受到大医院的AI诊断服务。

针对如何加速跨越“数据鸿沟”，窦豆等医生认为，医学界要与产业界形成合力，建设标准化高质量医学数据集，用海量且真实的数据训练和迭代AI，加快打破实验室与手术间的壁垒。

AI最终会取代医生吗？

多名一线医护人员认为，AI不会淘汰医生，但会淘汰“不会用AI的医生”。在张红英看来，未来的医生，不仅要懂“病理”，还要懂“算法”；其核心竞争力将不再是记忆知识的多少，而是临床批判性思维、复杂情境下的决策能力以及与患者共情的人文关怀。（记者董小红）