近年来，人工智能技术已经在门诊导诊、病历辅助生成等环节广泛应用。

进入2025年，伴随AI大模型迭代升级，医学影像智能辅助治疗、临床专病智能辅助决策等更加复杂的场景也在走入现实。

目前，AI在诊疗方面都有哪些“能耐”？技术的快速迭代，人类该如何找准自身定位？又该如何更好地与AI合作？记者进行了采访。

参加会诊的第10位“专家”

早春，北京儿童医院，一场疑难病例多学科会诊正在开展。

来自耳鼻咽喉头颈外科、免疫科、皮肤科等科室的9名专家汇聚一堂，商讨一位5岁小患者鼻面部肿物的进一步诊疗方案。

满屋的“白大褂”间，两名身着黑衣的工作人员操作一台笔记本电脑，输入病历，屏幕上就跳出一行行专业诊断建议，包括最可能的诊断、需排除的鉴别诊断、需完善的检查等，引得在场专家纷纷注目、频频点头——这是参与会诊的第10位“专家”，由北京儿童医院与百川智能合作研发的全国首个“AI儿科医生”。

AI大模型诊断的准确性如何？何以能和经验丰富的专家同台会诊？

“它有四个主要的知识来源。”主持这次专家会诊的国家儿童医学中心主任、北京儿童医院院长倪鑫告诉记者，“一是近5年所有新版儿科教科书的内容，二是近5年国际期刊发表的关于儿科各种疾病的论文，三是数十年国家儿童医学中心的疑难重症病例，四是对300多位儿科专家的访谈。”

据了解，依托这些高质量数据，这款专家型AI儿科医生在2月13日正式应用以来的几次会诊中，能做到与各领域专家的判断高度吻合。

下一步，儿童医院将在河北等省份的多家基层医院中推广AI儿科医生。更多孩子不用出省，就能享受到优质的儿科资源。

除了让诊断更准确，AI技术还能“重构”临床诊疗模式。

急性缺血性卒中，俗称“脑梗”。能否把握住4.5小时的“黄金治疗窗口”，对脑梗患者能否“挺过难关”、恢复脑功能至关重要。然而，传统诊疗模式下，患者入院后要先接受多项检查评估，往返于诊室、影像检查、化验室、治疗室间，这就要花费数小时。

如何缩短这个时间？国家神经系统疾病临床医学研究中心天坛影像研究中心副主任荆京告诉记者：“应用AI等核心技术改善流程是‘破题’的关键。”

研究人员发现，借助AI图像高清化处理技术，体积小、可移动、对患者金属植入物要求更低的国产移动磁共振，能得到与常规核磁类似的检查结果，节约了检查时间，且短短5分钟就能完成治疗前的影像评估。

为此，天坛医院创新性地将临床评估、影像评估和治疗等环节集中到一个32平方米的空间内，即“急诊卒中单元”。从入院到接受治疗，时间被压缩至20分钟内，为保护患者脑功能争取到了尽可能多的时间。目前，“急诊卒中单元”已在国内多省近30家医院推开。

放眼全国，越来越多医院正在加快部署，让AI参与临床诊疗、医疗资源管理等核心场景。以北京清华长庚医院为例，目前所有科室均已接入DeepSeek大模型，将在智能辅诊、临床科研、医学教育、行政及后期管理等方面提升工作效率，持续拓展功能。

医生的价值更加凸显

当AI为医疗提供越来越多的辅助，甚至展露出超人的效率和精度，不少人担忧：AI是否会导致医生“下岗”？

“我认为不会。”倪鑫告诉记者。早在2022年，国家卫生健康委和国家中医药局联合发布《互联网诊疗监管细则(试行)》，规定医疗机构开展互联网诊疗活动，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。这意味着，目前AI只能提供诊疗建议，最终的诊疗方案仍需要医生本人把关。

“医疗领域有自身的特殊性，患者的安危永远是第一位的。”医学类新媒体“健康界”执行总编辑郑宇钧从几年前就开始关注“AI+医疗”的话题，他认为，“理想的协作模式应该是‘人类医生主导的AI增强诊断’。无论多大程度使用AI，第一责任人都只能由真人医生来承担。”

在北京清华长庚医院医学数据科学中心主任李栋看来，虽然AI能依托大量数据在多场景的智能辅助诊断等方面“快速上手”，但目前还无法像医生那样，基于临床经验形成专业清晰的诊疗逻辑，达到资深临床医生的诊断水平。

AI儿科医生的研发证实了这一点。百川智能相关负责人告诉记者：访谈300余位儿科专家，正是要让他们把自己的诊疗思路“教给AI”。“比如，看到患者首先考虑什么？为什么要这样诊疗？孩子哪些表现对应哪些症状和病因……请他们随时想、随时说”。

另外，多位专家不约而同地提到，当AI的能力边界快速拓展，医生在人文关怀方面的价值没有被弱化，反而更加凸显。

“对AI来说，人文关怀的学习是很难的。”李栋解释，“在真实诊疗中，人文关怀体现在医疗服务的所有环节，医生会考虑患者病情、情绪和社会环境等因素。当老人感到孤独时说些什么？当病人知道自己得了绝症时说些什么？不同文化、不同情境下都有不同的答案。”

在北京儿童医院的会诊现场，记者也发现，即便诊疗意见相似，AI给出的是大段专业术语，有经验的医生则会将其转化为“有温度”的语言，搭配语气、表情、动作，让家长更易理解，安抚其紧张情绪。

“医学是一门实践学。”郑宇钧告诉记者，“因此未来医学教育应更加注重理论与实践的紧密结合，增加学生的实践机会，积累临床经验。”

让治理跟上AI“步伐”

除了引发对医生价值的重新思考，“AI医生”的快速入场，也“倒逼”医疗行业反思——目前的数据治理、行业监管水平是否与技术发展相配套？

李栋指出，当AI大模型技术给医疗带来切身可感的利好、掀起“全民追捧”的热潮，专业人士与监管部门要冷静审视AI带来的挑战。

“因为现在医院是否拥抱AI，其实已经不是一个选择。”李栋说，“就算你不用，患者自己也会主动用AI搜索。人工智能的发展，就像一头鲸正从海底搅起巨浪，海面上的人们无法躲开，只能接受、了解，然后探索如何更好应用。”

首先，数据质量是AI能否有效应用于智慧医疗的关键。

北京清华长庚医院上线专业级别的AI大模型智能助手，离不开医院探索建设区域医联体，垂直管理天通苑北社区卫生服务中心，二者实现数据“纵向打通共享”。

“巧妇难为无米之炊。”李栋向记者解释，“只有掌握专业诊疗模式下形成的规范高质量数据，大模型才能发挥作用。”为此，他呼吁相关部门尽快出台医疗数据采集、存储、共享的相关规范。

其次，医疗数据的隐私安全也是不可忽视的问题。

据了解，北京儿童医院在AI儿科医生的研发过程中，与诊断无关的隐私数据，包括姓名、身份证号、家庭住址，都会进行脱敏处理。北京清华长庚医院则通过本地化部署和断网使用的模式，避免第三方托管带来的安全风险。

最后，长远来看，想要让治理监管能力跟上AI发展的步伐，还需要尽快加强“医工融合人才”的培养。

如何借助AI的能力，满足医生与病患的实际需求？AI赋能医疗的边界在哪里？应从法规层面施以哪些便利、哪些限制……想要答出这些问题，不仅需要了解计算机与人工智能的工作原理，更需要临床经验的大量积累。

“目前行业内都在提倡‘医工交叉’，但我认为在未来，‘交叉’是远远不够的，当AI重构了医生的工作方式、医院的诊疗模式乃至整个社会的运转方式，想要让治理跟上技术发展的步伐，就必须将两个领域的知识与思考方式深度融合。”李栋说。

链接·人工智能如何赋能医疗

●“人工智能+医疗服务管理”：

分为医疗服务、医药服务、医保服务、中医药管理服务、医院管理五部分。涵盖医学影像数据智能辅助质控、临床用药智能辅助、医保智能核算、中药智能审方等38个细分领域。

●“人工智能+基层公卫服务”：

分为健康管理服务、公共卫生服务、养老托育服务三部分。涵盖智能中医健康管理、传染病智能监测、智能老年人健康管理等23个细分领域。

●“人工智能+健康产业发展”：

分为医用机器人、药物研发、中医药产业三部分。涵盖手术机器人、智能药物研发、中药材智能生态种植等13个细分领域。

●“人工智能+医学教学科研”：

分为医学教学、医学科研两部分。包括医学智能仿真实验、智能研究型病房等10个细分领域。