人工智能正悄然改变人们的就医方式。从大型医院的CT影像阅片，到乡镇卫生院的远程诊断，再到手机端的在线问诊，一位不知疲倦的医疗“AI新同事”已上岗。它能在几秒内精准圈出病灶，24小时不间断回应咨询，还能大幅缩短罕见病患者的确诊时间。
这位“新同事”究竟如何工作？它为医生和患者带来了哪些切实的益处？还有哪些挑战？带着这些问题，新华网走访了多家医院与企业，记录下这些正在发生的真实故事。
1
影像科的“第二双眼”：漏诊减少，等待缩短
位于广州市海珠区的南方医科大学珠江医院影像诊断科，医生们正与AI“并肩作战”。“AI在科室几乎每天都派上用场，尤其在CT、MRI（磁共振成像）的初筛阶段和急诊快速分诊中。”珠江医院影像诊断科主任洪国斌向新华网介绍。
一个典型场景是：急诊夜班接收了一位突发头痛的患者。CT图像刚传输至服务器，AI系统便在5到10秒内自动标记出“右侧基底节区高密度影，疑似急性脑出血”，并弹出高危提醒。值班医生随即重点复核，迅速启动绿色通道。“从扫描到出具诊断意见，整个过程不到5分钟。”洪国斌说，若没有AI辅助，仅靠人眼在大量影像中寻找出血点，至少要多花十几分钟。
在山东莒县，AI的价值更显“雪中送炭”。莒县人民医院副院长战祥新讲述了一个真实病例：一位老人因胸痛、轻微咳嗽在乡镇卫生院拍摄CT，医生通过肉眼看片时未发现明显异常，但通过县医院的肺结节AI系统在远程分析时，发现了一个3毫米的磨玻璃结节。“这个病灶太小，人眼很容易遗漏。”得益于及时发现，患者转诊接受手术，如今恢复良好。
山东莒县人民医院AI自动检出肺小结节（受访人供图）
数据印证了AI的效率。珠江医院影像诊断科主任洪国斌表示，“珠江医院使用AI辅助后，肺结节漏诊率下降约18%，初筛阶段能节省40%的基础阅片时间。”但他同时强调，AI并非“万能筛子”，而是“放大镜+警报器”——它负责锁定重点区域，最终诊断仍需医生判断。
2
线上问诊的“智能分诊员”：无需排队，随时应答
您上过互联网医院吗？如今，在线问诊时第一个与您对话的，很可能已是AI。
京东健康构建了“AI医生+多专业智能体”的服务矩阵。AI医生“大为”负责7×24小时响应常规咨询、收集病史、分析症状；还有超过1500名三甲专家的“数字分身”，能模拟医生思维处理复诊与慢病管理。“AI分担基础工作，让医生聚焦核心诊疗环节。”京东健康相关负责人介绍。
据京东健康合作医生反馈，AI辅助使他们每天能多接诊3到5个复杂病例，诊疗效率提升超50%，诊前问题解决率达90%。而患者最直观的感受是——无需排队，随时有人回应。
未来医生创始人、CEO王仕锐介绍了更系统的人机协作模式。他们打造了“人机协作四级分诊防御矩阵”：
第一级，初诊与结构化问诊由专家级AI完成；第二级，常见病由AI+在线全职医生处理；第三级，中等复杂病例由AI+三甲专科医生协作；第四级，疑难重症则由AI+专家团队联合应对。
“所有AI输出均需经真人医生审核确认，最终责任由医生承担。”王仕锐表示。过去一年，这套体系累计交付了230万例高标准专业医疗服务。
不过，上述平台也明确了边界：AI仅提供参考建议，不直接下达诊断。“我们坚守医疗本质，绝不盲目追求功能的大而全。”京东健康相关负责人强调。
2026年1月，在“粤港澳大湾区医疗健康产业创新大会”上，国外参会人士体验大经中医的舌诊仪。（受访者供图）
3
中医AI把老中医的“经验”转化为数据
西医AI擅长阅片，中医AI则聚焦“思维”模拟。
“中医AI的核心是复刻老中医的临床诊疗思维。”南京大经中医药信息技术有限公司董事长李文友解释道。他开发的辅助诊疗系统涵盖智能问诊、智能辨证、智能开方、智能审方四个环节，“就像一位数字老中医在为患者思考”。
例如，当患者主诉“咳嗽”时，AI会像真人医生一样追问：喉咙是否发痒？有无痰液？痰液是白色还是黄色？待信息收集完整后，再结合舌苔、脉象数据，给出辨证结果与方药建议。
技术路线上，他们采用“知识图谱+大模型”的融合方案。“知识图谱可体现老中医的个人经验，解释性强；大模型知识面广，能学习公开医学知识。两者结合，专业度可信度大大提升。”李文友说。
针对舌诊、脉诊等需要操作的环节，大经中医也配备了专门设备：舌诊仪拍摄照片后，AI可分析舌苔颜色；脉诊仪通过传感器捕捉脉搏波动。李文友表示，真正的难点在于数据标准化——同样是“胃口不好”，不同老中医说法各异，如“纳呆”“食欲不振”“纳谷不馨”等，AI需先学会“翻译”这些表述。
尽管存在挑战，中医AI已走出实验室。“我们的系统已在60多家省级三甲中医院、上千家基层医疗机构投入使用。”李文友说，它正为基层临床工作带来切实影响。
2026年6月成都成华仁合诊所使用Ai好医生诊疗支持系统。（受访者供图）
好医生云医疗科技集团股份有限公司则将AI推向更末端的诊所和药店。据总经理苏亚洲介绍，其底层大模型已为约1万家基层诊所深度赋能，日均生成标准化病历及诊疗支持报告超3万份；药店端覆盖超3000家活跃门店，日均生成处方超1万份。
苏亚州介绍，“我们构建了全科、中医、检验、医务、营养、药师等6大专业智能体。这种实质性的AI赋能，打破了优质医疗资源下沉的壁垒，推动基层医疗数智化转型落地。”
4
助力缩短罕见病确诊时间
罕见病单病种患者数量少，但病种繁多，世界卫生组织将罕见病定义为患病人数占总人口0.065%至0.1%的疾病，中国患者群体超2000万。过去，他们最担心的不是“无药可治”，而是“不知何病”。
“能看罕见病的医生，比罕见病还罕见。”这句话曾广为流传。患者平均确诊时间一度长达4年，辗转多家医院，身心俱疲。
改变正在发生。北京协和医院院长张抒扬带领团队与中科院自动化研究所合作，研发出“协和·太初”罕见病大模型。患者通过与AI“协小初”的多轮对话，短时间内即可获得初步诊疗建议。更重要的是，该系统背后有全国罕见病诊疗协作网的大数据支撑。
效果立竿见影。“全国罕见病患者平均确诊时间从以前的4年缩短至4周，诊疗费用大幅下降。”张抒扬说。此前，协和医院已推出可支持9000多种罕见病表型初筛的“协和罕见病医生”系统；如今，“协和·太初”进一步提升了AI能力，具备临床思维、有效抑制AI“幻觉”、实现知识自主迭代三大优势。
华大基因也在基因检测领域发力，其副总经理朱师达介绍，他们推出了首个基因检测多模态大模型GeneT，质控准确率和致病位点选择准确率高；迭代后的GeneT Agent实现基因检测场景100%全覆盖，整体检测效率提升超60%。“与临床专家诊断一致率达98%”，为罕见病基因诊断提供了有力工具。
张抒扬表示，“协和·太初”未来将逐步推广至全国罕见病协作网医院，让更多患者无需千里迢迢前往北京，在家门口就能看到希望。
AI赋能千行百业一线观察│AI诊疗（下）：AI看病，还有几道坎要过？
AI应用为医疗行业带来诸多惊喜，但却远非完美。医生抱怨AI“不讲理”，患者担忧“机器出错谁担责”，医院则面临“好用却买不起”的尴尬。一线从业人员遇到了哪些问题？AI诊疗有没有未来？
2025年12月，迈克生物为自贡市第一人民医院新建院区提供一体化智能采血、智能分析、智能决策系统，实现全流程智慧化转型。（受访者供图）
1
“黑箱”与“幻觉”之困，AI为何不解释？
尽管AI医疗捷报频传，但在医生眼中，其最大的短板在于：不解释。
“AI有时会把肺血管断面误判为结节，将良性钙化当作病变。”南方医科大学珠江医院副院长张鹏直言。他最不放心的是AI对患者“临床语境”的缺失——“它不知道患者刚做完手术，也不理解结节三个月未变但患者有家族史。这些背景信息，恰恰是医生决策的关键。”
南京大经中医药信息技术有限公司董事长李文友从技术原理上解释：“大模型本质是‘词语预测机’，逐词生成内容，而非像人类那样先思考再表达。”这意味着，AI的结论往往连自身都无法说清推理过程。
他说，“这在医疗领域是大问题——医生不仅要治疗，还要向患者解释，更要对判断负责。一个‘黑箱’工具，很难让人完全信任。”
更棘手的是AI会“犯傻”——业内称之为“幻觉”。北京协和医院研发“协和·太初”时，专门构建多维度可溯源知识库应对这一问题。传统AI模型常因数据噪声或知识盲区产生错误推断，协和研究团队通过整合权威数据、动态更新知识、增加溯源机制，有效抑制了“幻觉”。
华大基因副总经理朱师达指出，深度学习算法的“黑盒”特性是获取三类医疗器械注册证的核心难点之一。“监管对安全性、可解释性、可追溯性要求严苛，算法推理无法透明化是多数产品注册受阻的主因。”他说。
2
数据之渴与标准之痛，AI需要“喂”什么？
AI并非天生聪慧，需海量高质量数据“喂养”。但在医疗领域，这是一大难题。
“高质量、多样化的训练数据集从何而来？”迈克生物股份有限公司总经理吴明建反问。训练好用的医疗AI，需要不同年龄、地区、病情阶段的数据，以及不同设备、参数下的影像。但现实是“数据孤岛”——各家医院数据互不相通，获取成本高、周期长。
中医领域更难。“中医术语不标准，诊断结果也不统一。”李文友说，同一患者，不同流派老中医可能给出截然不同的诊断和处方。“没有标准答案，如何训练AI？”更麻烦的是，许多老中医不愿分享经验，“法不传六耳”，上百年的传承只传自家人。
他认为，AI的出现，为个性化知识的发展找到了新路径。
好医生云医疗产品中心总经理邓教武说：“许多医疗AI模型在研发阶段依赖大医院相对规范的数据，但进入基层诊所后，常会遇到设备条件不一、病历记录不完整、诊疗信息碎片化等问题，影响模型稳定性。”
他表示，AI在基层落地不能只依赖算法能力，还需要通过结构化电子病历、临床指南规则化、用药与合规规则前置等机制，提升真实诊疗场景中的可用性和可靠性。
数据合规也是大问题。医疗数据涉及个人隐私，其使用、脱敏等规则仍在完善中。李文友坦言，“企业想获取医院数据用于研发，障碍重重。”
2026年5月，南方医科大学珠江医院副院长张鹏（左一）检查数据隐私保护相关工作。（受访者供图）
3
AI出错谁负责？使用AI谁买单？
若AI辅助诊断出错，谁来负责？这是所有人最关心的问题。
“在当前法律框架下，最终责任由接诊的执业医师承担。”未来医生创始人、CEO王仕锐明确表示。未来医生平台构建了“四级分诊防御矩阵”，所有AI输出都须经真人医生审核确认。截至目前，该公司未发生因AI辅助导致的重大医疗纠纷。
京东健康相关负责人表示，“AI定位为辅助工具，不具备独立诊疗权，最终诊断决策主体仍是执业医师。”若AI提供的信息有误且医生采纳，责任由医生承担；若AI在处理基础咨询时出现明显错误，平台将依据协议承担相应责任。
但问题在于，若医生过度依赖AI，或AI的错误极其隐蔽，责任归属便会变得模糊。张鹏认为，这需要医院、厂商、医保部门和法律界共同探讨。“目前这仍是一个灰色地带。一旦出错，究竟是AI的问题，医生未复核，还是流程设计缺陷，法律层面的归属尚不明确。”他说。
比责任划分更现实的是成本问题。再好用的工具，若无人买单，最终也难以持续。
“制约AI诊断大规模临床落地的核心瓶颈，是不成熟且无法闭环的商业模式。”迈克生物吴明建指出。他算了一笔账：一套AI系统动辄上百万元，医院难以负担；按次收费又缺乏统一标准。更关键的是，目前医保仅在少数领域覆盖AI辅助诊断。
2026年4月，国家医保局将部分AI辅助诊断纳入乙类目录，这被视为积极信号。但吴明建指出，最新检验立项指南中“AI不单独收费”的定调，相当于将AI定位成‘配件’，其价值被限定在帮助医院内部提效，而非可直接向患者收费的服务。
山东莒县人民医院副院长战祥新表示：“我们能看到好工具，却难以全面推广。购置成本对基层医院而言是不小的负担。”他希望未来能将AI辅助诊断纳入医疗服务收费目录，让医院投入后有合规的回报渠道。
邓教武认为，AI医疗在基层落地，不应只看能否单独收费，更要看能否缓解基层机构的现实压力。“基层诊所面对医保、处方、卫健等多重规则，风险常源于规则复杂、提醒不足。AI更现实的价值，是将合规提醒、处方审核和风险预警前置到诊疗流程中，帮助基层机构降低违规、损耗和纠纷成本。”
2026年3月，工作人员在操作展示iGeneT Pro专业级基因检测智能解读平台
4
未来20年，人机共生，AI不会取代医生
谈及未来，所有受访者都达成一个共识：AI不会取代医生，但会深刻改变医生的工作方式。
“未来20年内，人机协作仍将是医疗行业的主旋律。”王仕锐认为。他指出AI无法替代医生的两个核心短板：一是缺乏“动手能力”，无法进行手术或体检；二是缺乏“共情能力”，难以感知患者未言明的恐惧与痛苦。
他说：“AI将主要替代重复性、标准化的工作，让医生专注于核心诊疗决策和医患沟通。”
京东健康相关负责人打了个比方：“未来将是AI医生负责广度，真人专家负责深度。AI处理重复性、常识性问题，医生聚焦复杂病例和人文关怀，形成‘AI咨询、专家诊断、AI随访’的人机共融模式。”
吴明建则描绘了两条并行路径：一是“高精专科智能体”，针对特定病种提供超越普通医生的诊疗能力；二是“广域泛化全流程助手”，覆盖诊前、诊中、诊后全链路。“这两个方向并不冲突，分别应对不同场景——三甲医院需要专科深度，基层则更需要全科广度。”
对于“AI自主诊断”，大多数专家持审慎态度。“AI会先在标准化程度高、风险低的筛查场景中实现‘有限自主’，例如糖尿病视网膜病变的自动筛查。”吴明建表示，“但在复杂疾病的确诊和治疗决策中，较长时间内仍将保持‘医生主导、AI辅助’的模式。”
珠江医院影像诊断科主任洪国斌认为，未来的放射科医生不是“被替代”，而是“主动升级”。“将从单纯的阅片者转变为‘AI协作者+临床决策支持者’。我们更需要‘影像+AI+临床’的复合型人才。”他说。
张鹏则强调，AI要真正变得“不可或缺”，不能仅依赖算法进步，还需“制度设计+流程再造+伦理共识”三位一体的支撑。
朱师达的总结简洁明了：“AI只能作为辅助工具提供数据与方案参考，最终诊疗决策必须由医生主导，绝不能喧宾夺主。”
张抒扬的愿景则更为宏大：“让AI成为破解临床诊疗难题的加速器，更好助力基层能力提升与分级诊疗保障体系建设。”
从罕见病到常见病，从三甲医院到村卫生室，AI正一步步走进我们的生活。它不会让医生失业，却能让医生变得更强大。对普通人而言，最实在的好处莫过于：看病更精准、更高效，也更便捷。
这，或许就是技术最温暖的模样。（新华网）
嘉多网配资提示：文章来自网络，不代表本站观点。
