兩會圓桌｜AI行醫？有問待答

當AI醫生上崗，人類醫生會被取代嗎？在使用AI的過程中，醫生會不會被誤導，又會不會“變笨”？

去年11月，國家衛健委發布《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，點出了眾多AI應用場景，北京市衛健委隨后發文支持AI發展。記者獲悉，AI輔助診斷、病歷書寫、預問診等功能已在線下開展應用。

對AI期盼熱切的同時，業內也出現了對AI實用性、準確性、負面影響等問題的擔憂。北京市兩會近期開幕，記者聯系了多位政協委員及醫務工作者，圍繞AI的前景與爭議展開探討。

用AI保住孩子

分隔人體胸腔和腹腔的，是一片“張開”的膈肌，一旦膈肌發育缺陷，新生兒在出生后不久就可能憋死，也可能在產前篩查階段便被無望的父母引產放棄。在臨床工作中，北京市政協委員、首都兒童醫學中心新生兒外科主任醫師馬立霜了解到不少類似的案例。

北京市政協委員、首都兒童醫學中心新生兒外科主任醫師馬立霜。新京報記者 王貴彬 攝

“AI或許能‘保下’一些孩子。”馬立霜說，膈疝不是不治之癥，難點在于產前診斷與準確分型，受限于超聲技術等原因，全球出生缺陷結構畸形產前診斷準確率平均僅為30%-60%。如果AI擁有外科醫生的“眼力”，就能幫助基層超聲醫生識別出有救治可能的胎兒，基于這一構想，馬立霜正在參與AI大模型的研發，她今年的上會提案也與此相關。

AI是當下醫療領域最受關注的熱點話題。去年11月，國家衛健委出臺《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》。12月，北京市衛健委印發《北京市支持醫療健康領域人工智能應用發展行動計劃（2026-2027年）》《北京市醫療健康領域支持人工智能產業創新發展若干措施（2026-2027年）》。

在北京市兩會期間，不少政協委員及醫療界人士圍繞醫療AI展開了討論。

“AI在影像識別、病理判讀、隨訪預測、科研建模等領域展現出了較高效率，可縮短診斷時間、減少人為誤差并提升決策一致性，在分級診療、臨床科研轉化、慢病管理、居家監測等場景中，AI都能發揮較大作用。當然，這一新生事物也面臨一些待解決的問題。”北京市政協委員、中國醫學科學院腫瘤醫院主任醫師王昕告訴記者，今年，他提交了《關于加快推動AI醫療輔助診療規范有序發展的提案》。

北京市政協委員、中國醫學科學院腫瘤醫院主任醫師王昕。新京報記者 王貴彬 攝

北京市政協委員、北京市衛健委主任劉俊彩在接受新京報記者專訪時表示，2025年，北京成功獲批首批國家人工智能應用中試基地，今年將進行建設。在AI研發應用方面，出現了北大醫院腎病模型、同仁醫院便攜式眼底相機、安貞醫院“先心安”模型等產品。

西城區衛健委主任焦揚告訴記者，西城區今年將依托一體化平臺構建健康大數據與人工智能底座，推動更多“AI+醫療”健康應用場景落地。據悉，該區一批區屬醫院已在探索使用AI。首都醫科大學附屬復興醫院從2024年下半年開始，逐漸將肺結節影像輔助診斷、DeepSeek檢索、AI導診等系統引入院內；北京市二龍路醫院則已開始使用AI預問診、電子病歷書寫、輔助診斷等功能。

AI會讓醫生“降智”嗎？

醫療AI飛速發展的同時，也伴隨著業界的擔憂。

近期，復旦大學附屬華山醫院感染科主任張文宏在某專業論壇上表示，他會在臨床中使用AI，但看一眼就知道AI哪里有錯，他認為醫生的能力是避免被AI誤導的關鍵，擔心年輕醫生對AI的過早使用會改變其接受訓練的過程，導致未來難以鑒別AI的對錯。

“這兩個擔憂值得思考。AI的準確性不是百分之百，醫生要始終保持診斷的主體性，在使用AI提高效率的同時，對AI提供的信息具備鑒別力。”王昕說。

作為腫瘤科專家，王昕參與過AI診斷大模型的研發。他介紹，AI的學習是基于診療病例、專家意見、診療指南等既往的信息數據，但現實中患者的病情復雜、千變萬化，AI模型在真實醫療場景中的表現并不完全穩定。此外，醫生給出醫療決策并不完全基于疾病本身，有時還要考慮患者的經濟承受能力、家庭支持系統、心理狀態及文化背景等各類人文因素，算法較難處理這部分人文倫理因素。

“我們在用AI時，也盡可能不要讓它做主觀層面的事情，比起‘嘗鮮’，穩妥更加重要。”北京某醫院信息科主任告訴記者，該院的系統支持AI輔助診斷，但考慮到功能不夠成熟，他們在系統中主動關閉了該功能。

“我們讓各科的專家初步看過，目前這個輔助診斷輸出的速度較慢，給出的結果看似沒什么毛病，但醫生不太需要，有點為了說而說的感覺。醫生需要的是自己沒有涉及的知識點，但在不了解的領域又不敢全聽AI的，最后還是要請相應專科的其他醫生出具意見。”上述信息科專家介紹，目前，他們對AI的輔助診斷功能仍處于摸索體驗階段。

“我覺得對于新技術，要有一個接受和實踐的過程。新趨勢是擋不住的，我們要充分利用它好的那部分，它一定有短板，但也一定有辦法補足。”馬立霜對AI保持樂觀：“我相信AI不會讓醫生變笨，該醫生做的它替代不了，它反而可以讓醫生變聰明。”

她結合新生兒膈疝輔助診斷大模型舉例。傳統超聲診斷的準確率之所以不高，一部分是由于胎兒器官形態異于成人，且膈疝導致其臟器移位、擠成一團，加之胎兒漂浮在羊水中位置不固定，超聲識別的難度很大，超出了超聲醫生的知識范圍。對熟悉胎兒解剖結構的新生兒外科醫生來說，通過不那么完整的超聲影像，也可以分辨病情的嚴重程度和手術的可能性，但外科醫生往往就職于兒科而非婦幼保健院，難以觸達新生兒篩查階段。

經過訓練的AI，可通過臟器質地、邊界、位置關系、毗鄰情況等特點做出輔助診斷，扮演外科醫生的角色。即便其結論超出了超聲醫生的診斷水平和判斷能力，也可以作為一種可能性的提示，由超聲醫生發起遠程會診申請，請大醫院外科醫生進行線上會診和指導，這種交流和操作也是一種學習的過程。

AI版圖，有空待填

隨著新生兒膈疝產前診斷大模型研發的深入，馬立霜對AI及其產業的了解不斷增加，也發現AI產業發展中面臨的阻礙。

“研發需要資金支持，但在這方面沒有專門的投入。”她建議，在出生人口持續走低的新形勢下，應當更加重視新生兒出生缺陷診斷技術的提升，建立AI婦幼專項定向支持資助，積極鼓勵從軟件到硬件的自主創新研發，開發具有國際競爭力的產品，讓兒科專用B超機可應用于臨床。

她還介紹，目前人工智能輔助影像學診斷沒有成熟的醫院收費系統和醫保報銷申請機制，如果商業化落地的問題不解決，很難推動新技術在臨床上的真正應用與相關產業發展，建議在相關產品通過藥檢部門評審并獲得上市許可后，在產品定價、醫保準入等方面出臺政策，支持臨床科研成果轉化為新質生產力。

王昕則關注AI技術在北京市醫療體系中規范、安全、有序落地的問題。

他介紹，AI雖前景廣闊，但面臨臨床適用性不足、責任劃分機制缺乏、臨床療效表現與長期安全性評價不足、基層可及性不足、數據治理與隱私風險等問題。

他建議，建立人工智能醫療產品的臨床準入與分級評價體系，由衛健委牽頭，聯合藥監、醫保與行業協會，參考藥械監管體系，引入動態評價方式，包括分級準入標準、真實世界臨床評估機制、數據透明與算法可解釋要求、不良事件與偏差報告制度。

在責任劃分與法律倫理方面，建議在試點階段明確：醫生使用AI屬于“輔助決策”，決策權仍在醫生；廠商對模型算法與產品質量承擔主體責任；醫療機構承擔使用與驗證責任；行政監管部門建立糾紛處理機制，避免因責任模糊影響推廣。

在推進AI落地層面，建議選擇社區衛生服務中心、二級醫院或康養機構開展示范，包括影像篩查輔助系統、慢病管理與隨訪AI、居家監測+康養照護等，形成可推廣的模式，為未來納入醫保支付提供依據。

“北京有條件在全國率先形成醫療AI安全應用的制度樣本，建議市政府將醫療人工智能納入健康城市與數字化治理的重要布局，促進產業、醫院、科研、監管協同發展。”王昕說。

新京報記者 戴軒

編輯 白爽 校對 張彥君