内容摘要：随着人工智能技术的迭代升级，医疗行业正经历一场深刻的范式转移。从精准识别病灶的“火眼金睛”，到急诊室中扮演“预言家”角色的智能预警，AI技术正在重构传统的就医流程与诊疗模式。“十五五”规划纲要明确提出

随着人工智能技术的AI+迭代升级，医疗行业正经历一场深刻的新华范式转移。从精准识别病灶的视点“火眼金睛”，到急诊室中扮演“预言家”角色的关注丨智能预警，AI技术正在重构传统的医优化医格就医流程与诊疗模式。

“十五五”规划纲要明确提出，疗迅要有序推动数智技术在辅助诊疗、展何精准医疗、AI+健康管理、新华医保服务及养老助残等核心场景的视点深度应用。随着“AI医生”加速从概念验证走向临床一线，关注丨如何优化就医格局？医优化医格如何实现从单一辅助诊断向“人机共智”的跨越？AI医疗的健康规范发展路径何在？

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。疗迅新华社记者 张玉薇 摄

医生的展何“超级副手”：效率革命与减负增效

过去，四川大学华西医院病理科常年面临“人满为患”的AI+困境。

该院病理科主任张红英介绍，病理科每年需承担超过40万例本院患者的病理诊断任务，同时接收3.6万余例院外病理会诊标本。外地患者获取诊断结果流程繁琐，需填写表格、携带标本并在窗口长时间排队。

如今，AI技术的介入彻底改变了这一现状。患者可在线填写申请表格，经过线上初筛后无需重复“跑腿”。张红英透露：“今年，我们计划上线更为全面的AI病理诊断大模型，旨在进一步提升诊断效率。”

这一案例仅是AI技术在医疗领域加速应用的缩影，其核心价值在于：减轻医生负担、提升诊断效率。

1. 基层医疗的“守门人”与“预警哨兵”

部分AI大模型正化身健康“守门人”和“预警哨兵”，成为基层医生的得力助手。

• 口腔影像辅助：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与可视化呈现，显著提高了诊疗效率并优化了医患沟通。一线医生汪成林指出，目前AI影像辅助识别精度已达80%至90%。
• 重症监护预警：在ICU，AI系统通过实时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，为抢救患者争取宝贵的“黄金时间”。
• 急诊快速确诊：在胸痛急诊场景下，浙江大学医学院附属第一医院利用AI模型，可在几秒内识别急性主动脉综合征，将确诊时间大幅缩短至2小时内。

2. 药物研发的“新基础设施”

在药物研发领域，AI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，有望大幅降低基因检测成本。从药物靶点发现、分子设计，到临床试验优化与商业化，AI在国内多家药企中已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：数据、伦理与成本的三重挑战

尽管前景广阔，但AI在医疗领域的深度融入仍面临诸多现实阻碍。

1. 临床思维与数据壁垒

四川大学华西口腔医院修复科医生窦豆指出，虽然AI能为年轻医师提供诊断助力，但在面对复杂病例时，现有智能辅助诊断水平仍有较大提升空间。对于基层医疗机构而言，让AI真正融入日常诊疗，还有很长的路要走。

• 临床直觉缺失：不同于人类医生的“临床直觉”，AI决策完全基于数据训练。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”，难以适应精准个性化诊断的发展趋势。
• 数据孤岛困境：受限于极高的医疗数据隐私保护门槛，“医疗数据不出医院”成为常态。依靠单一医院内部构建完整的多模态训练数据极为困难。部分部署到医院的AI医学影像常面临“吃不饱”或“吃不透”高质量数据的困境，限制了诊断能力的跃升。

2. 责任闭环与安全风险

部分一线医护坦言，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。行业亟需强化并完善“AI初筛+医生复核”的责任闭环机制，确保医疗安全。

3. 成本回收与基层普惠难题

• 收费机制缺失：目前，AI辅助诊断尚不能作为独立的医疗服务项目向患者额外收费。有医院管理者坦言，研发一套AI系统动辄花费数百万元，若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。
• 基层运维成本高：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，是实现技术普惠的关键。

构建有温度、有规范的新生态

业内人士普遍认为，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。

1. 标准体系与合规准入

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，为各地将AI技术嵌入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应用有标准可衡量。

2. 付费机制创新与区域协同

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，医保部门应充分论证AI辅助诊断对整体医保基金的控费效用，优化影像报销等政策。

同时，受访专家建议推动“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，使边远地区患者也能享受到大医院的AI诊断服务。

3. 跨越“数据鸿沟”

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。

结语：AI不会淘汰医生，但会淘汰“不会用AI的医生”

AI最终会取代医生吗？

多名一线医护人员给出了明确答案：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）