“天都塌了！病人DeepSeek后質疑我的治療方案，氣得我自己又查了一遍指南，才發現指南更新……”2025年初春，一位廣東醫學博主的“無心之言”，卻意外點燃了業界對于“AI+醫療”應用邊界與倫理的深度思考。

幾乎同一時間，一則“DeepSeek診斷肺結節”的短視頻亦引發廣泛關注。浙大二院胸外科范軍強主任醫師在體驗DeepSeek的AI肺結節診斷能力后，對其“與臨床高度吻合”的診斷意見和治療方案表示贊賞，亦引發了其對于新技術如何更好賦能臨床、提升診療效率的思考。

毋庸置疑，以ChatGPT、DeepSeek為代表的AI大模型正以前所未有的力量重塑醫療健康產業格局，從輔助診斷、藥物研發到健康管理，幾乎延伸至醫療的每一個角落，展現出顛覆傳統醫療模式的巨大潛力。然而，在AI浪潮洶涌而至的同時，業界對于AI的期待與疑慮、機遇與挑戰，亦在同步升溫。未來，AI將如何重塑醫療？AI又將把醫療引向何方？AI最終能否取代醫生？

AI賦能醫院與醫生：構建“三醫協同”的基石

作為醫療服務的提供方，醫院和醫生無疑是“AI+醫療”的核心主體。AI技術正以前所未有的速度和廣度，從輔助診療、優化流程、提升效率等多方面深度賦能醫院和醫生，助力醫療服務體系的智能化升級，完善可持續的醫保體系，為構建“三醫協同” 的醫療新格局奠定堅實基礎。

AI輔助診療服務：破除瓶頸，提升效能

長期以來，醫學影像閱片、病理診斷、基因檢測等診療環節，高度依賴醫生的經驗和專業知識，存在效率瓶頸和人為誤差。AI輔助診療技術的出現，有望打破傳統診療模式的瓶頸，大幅提升診療效能。

在醫學影像領域，AI醫學影像技術已成為放射科醫生不可或缺的“標配”。尤其在大規模篩查和疑難病例診斷中，深度學習驅動的醫學影像技術，不僅能快速而精準地識別肺結節、乳腺癌等高發病灶，顯著降低漏診率和誤診率，更在病理診斷中展現出媲美資深專家的能力，可實現對病理切片的智能判讀，大幅提升診斷效率。MASAI試驗研究結果顯示，AI輔助乳腺鉬靶X線攝影篩查在癌癥檢出率高于標準雙人讀片的同時，顯著降低了閱片工作量，為大規模乳腺癌篩查提供了新的解決方案。

在病理診斷領域， AI病理診斷系統能夠輔助病理科醫生快速、準確地識別癌細胞，顯著提高診斷效率，并減少人為誤差，提升診斷質量。哈佛大學余坤興團隊的研究結果表明，AI病理診斷模型在19種癌癥診斷中，檢測準確率接近94%，展現出媲美資深病理醫生的診斷水平。

在個性化診療方面，AI輔助臨床決策系統，能夠整合海量醫學知識庫和臨床指南，基于患者的病歷信息，為醫生提供個性化的診療建議，輔助醫生進行更科學、更精準的臨床決策，提升診療方案的規范性和個性化水平。

AI優化醫院管理：精細運營，科學決策

面對日益增長的醫療服務需求和日趨嚴格的控費要求，醫院亟需通過智能化手段提升運營效率，降低運營成本，實現高質量發展。AI技術有望為醫院破解運營難題提供新的突破口。

在電子病歷智能化方面，AI技術賦能下的新一代電子病歷系統不僅能夠實現病歷自動生成、結構化錄入、智能質控等功能，更能夠深度挖掘病歷數據價值，輔助醫院管理者進行運營分析和決策支持，實現醫院運營管理的數字化、智能化、精細化。

在醫院運營管理智能化方面，AI技術可應用于醫院資源調度、流程優化、績效管理、風險預警等多個方面，助力醫院實現運營管理的智能化升級。例如，AI可以通過大數據分析技術，預測醫院門診量、住院人數、床位使用率等關鍵指標，為醫院資源調度提供科學依據；AI可以通過流程挖掘技術，優化患者就診流程，縮短患者等待時間，提升患者滿意度；AI可以通過機器學習算法，輔助醫院管理者進行績效考核和決策分析，提升管理效率；AI還可以通過風險預警模型，對醫療風險進行智能預警，防范醫療糾紛，提升醫院運營的安全性和穩健性。

AI助力醫生科研：釋放潛能，加速創新

醫學科研是驅動醫療進步和臨床診療水平提升的源動力。然而，長期以來，醫學科研面臨數據獲取難、數據分析效率低、科研成果轉化難等諸多挑戰。AI技術在醫學科研領域的應用，則有望打破傳統科研模式的束縛，釋放醫生科研潛能，加速醫學創新步伐。

在科研數據分析方面，AI技術展現出強大的數據處理和分析能力，能夠幫助醫生從海量的醫學科研數據中快速、準確地提取有價值的信息，發現新的醫學規律，加速科研成果產出。例如，在基因組學研究領域，AI技術可以用于基因組數據分析、基因變異識別、疾病基因預測等；在蛋白質結構預測領域，AI技術可以用于蛋白質結構預測、蛋白質功能預測、藥物設計等；在醫學影像分析領域，AI技術可以用于醫學影像分割、病灶檢測、疾病診斷等。

在臨床研究加速方面，AI技術同樣大有可為。AI技術可應用于臨床試驗設計、患者招募、數據管理、統計分析等環節，助力醫生加速臨床研究進程，提高臨床研究效率和質量。例如，借助于自然語言處理（NLP）技術，可以自動分析醫學文獻和臨床指南，輔助醫生進行臨床試驗方案設計；通過機器學習算法，精準匹配患者和臨床試驗，加速患者招募；通過電子數據采集（EDC）系統，可以自動進行臨床試驗數據管理和質量控制，減少人工誤差，提高數據質量，最終加速臨床研究進程，縮短新藥上市時間，搶占市場先機。

AI惠及患者：從“被動就醫”到“主動健康”

AI技術正以潤物細無聲的方式，深刻改變著患者的就醫行為和健康管理模式，重塑醫患關系，提升患者的就醫獲得感和幸福感，并最終推動醫療服務價值的躍遷。

AI重塑就醫行為

患者就醫前，可將AI智能導診系統作為“智能向導”。它能夠模擬醫生思維，精準識別患者需求，并提供個性化的導診建議，有效提升患者就醫決策能力，助力患者找對科室、掛對號，避免盲目就醫。

就醫過程中，AI在線問診平臺與互聯網醫院，打破傳統醫療的時空限制，將優質醫療資源延伸至線上，構建起線上線下一體化的醫療服務閉環，極大地優化了患者就醫流程，提升患者就醫便捷性和舒適度，甚至讓患者在家即可享受到便捷、高效的醫療服務，有效緩解“看病難”問題。

就醫后，AI隨訪管理系統與AI康復指導工具能夠定期對患者進行病情跟蹤和隨訪，及時了解患者病情變化，并提供個性化的康復指導建議，助力患者院后康復，提升患者就醫獲得感和依從性，將醫療服務延伸至院外，實現患者疾病全周期管理。

AI賦能主動健康管理

AI健康管理平臺與可穿戴設備能夠基于患者的個體化健康數據，進行健康風險評估和預測，幫助患者了解自身健康風險，并及早采取干預措施，將健康管理的關口前移，為患者提供了 “未病先防” 的主動健康管理工具。

AI健康管理平臺能夠根據患者的個體特征和健康數據，提供個性化的運動、飲食、睡眠等健康干預建議；AI數字療法，則能夠為患者提供個性化的數字療法，例如，AI驅動的認知行為療法（CBT）APP，幫助患者在家即可進行疾病治療和康復，實現個性化健康干預，提升健康管理效果。

AI健康管理平臺與AI數字療法等智能化工具還能激發患者參與健康管理的積極性和主動性，改變患者在健康管理中的角色。患者不再是被動接受醫療服務的客體，而是成為自身健康管理的主體和中心，真正實現“我的健康我做主”。

AI變革醫藥產業鏈：重塑價值鏈，再構新格局

AI加速了醫藥產業價值鏈的重塑與變革，并帶動了競爭格局的重構。

AI重塑藥物研發價值鏈

具體體現在：

研發前端提速：AI技術加速藥物研發的早期進程，大幅縮短藥物靶點發現、化合物篩選、先導化合物優化等研發前端環節的周期，將新藥研發帶入“快車道”，十年磨一劍的新藥研發模式或將成為歷史。

臨床試驗提效：AI技術可應用于臨床試驗方案設計、患者精準招募、臨床試驗數據管理和分析等多個環節，實現臨床試驗全流程的智能化和自動化，大幅提高臨床試驗效率，降低臨床試驗成本，加速新藥上市進程。

研發成本降低：AI技術在藥物研發全流程的應用，不僅能夠顯著縮短新藥研發周期，更將大幅降低新藥研發的資金和時間成本。據行業分析師預測，AI藥物研發有望將平均研發成本降低 25%-50%，這意味著藥企有望以更低的成本，研發出更多、更好的創新藥物，從而惠及更多患者。

 AI重構藥品生產價值鏈

AI技術在醫藥制造環節的應用，將推動傳統醫藥制造向智能化、自動化、數字化轉型，構建起更高效、更智能、更綠色的現代化制藥工廠。

其作用體現在：

智能制造降本：AI賦能下的智能制造，將顯著提高藥物生產效率，降低生產成本，提升生產線的柔性和靈活性，助力藥企在激烈的市場競爭中搶占成本優勢。

質量控制提質：AI技術能夠實現藥品生產全流程質量追溯和智能預警，對藥品生產過程中的每一個環節進行實時監控和質量把控，及時發現和糾正生產缺陷，從而最大限度地保障藥品質量安全，提升藥品質量的穩定性和可靠性，為患者用藥安全保駕護航。

供應鏈優化增效：AI技術應用于藥品供應鏈管理，將實現藥品供應鏈全流程可視化和智能化，優化藥品生產、倉儲、運輸、配送等環節，提高供應鏈效率，降低供應鏈成本，提升供應鏈風險應對能力，保障藥品穩定供應， 構建更高效、更敏捷、更安全的藥品智慧供應鏈體系。

AI創新醫藥營銷價值鏈：

AI技術驅動下的醫藥數字化營銷，將打破傳統醫藥營銷模式“廣撒網、低轉化”的困境，構建起“精準觸達、千人千面”的新型醫藥營銷模式。AI技術應用于醫藥營銷，將實現醫生和患者精準畫像、個性化營銷內容智能生成、營銷活動效果實時追蹤和智能優化，大幅提高醫藥營銷的效率和精準性，降低營銷成本，提升營銷投入產出比。

在患者關系管理方面， AI技術將傳統的 “粗放式”“一次性”管理模式升級為 “精細化”“全周期”管理模式，幫助藥企與患者建立更緊密的連接，提升患者用藥依從性和忠誠度，挖掘患者生命周期價值，實現患者價值最大化。

不僅如此，AI技術正在以前所未有的力量打破醫藥產業的邊界，重塑醫藥產業的競爭格局。當前無論傳統醫藥巨頭，還是新興AI制藥企業都紛紛加強AI的布局，搶灘AI+醫療市場。更為引人關注的是，一些科技巨頭開始跨界入局，醫藥企業與科技企業、互聯網企業、保險企業、醫療機構等跨界合作已成為常態，醫藥產業與其他產業的邊界日趨模糊，使得醫藥產業市場競爭更加多元化和復雜化。

AI+醫療的理性之辯

AI+醫療可謂前景光明，潛力無限。

正如硬幣有兩面，在AI光芒萬丈的背后，我們必須清醒地認識到，在其快速發展的同時，亦面臨著諸多風險與挑戰，包括數據、技術和倫理等方面。

 數據之困：質量、安全與倫理

高質量、大規模、多模態的醫療數據是AI+醫療發展的基礎。然而，醫療數據的獲取、共享和利用，卻面臨著數據質量、數據安全和數據倫理等多重挑戰。

數據質量方面，同其他行業一樣，醫療數據孤島現象普遍存在，其來源多樣，類型復雜，標準化程度低，加之標注難度大、成本高，導致其質量參差不齊，嚴重制約了AI模型的訓練效果和應用價值，給AI+醫療應用造成難以突破的“天花板”。

數據安全方面，醫療數據涉及患者隱私，一旦泄露，將對患者的人格尊嚴和切身利益造成難以彌補的損害，可謂“數據如猛虎，稍有不慎，反噬自身”。近年來，醫療數據泄露事件頻發，如何保障醫療數據安全、患者的自主權，已成為AI+醫療發展面臨的最為緊迫和核心的倫理議題。

技術之惑：可解釋性、魯棒性與泛化性

AI技術在醫療領域的應用面臨諸多局限性，包括算法可解釋性不足、模型魯棒性不強、應用泛化能力有限等，制約著AI+醫療的進一步發展和廣泛應用。

在算法可解釋性方面，AI模型的“黑盒”特性使得醫生和患者難以信任AI的診斷結論和治療建議，嚴重阻礙了AI技術在臨床實踐中的應用和推廣，“知其然，更要知其所以然”，方能建立起醫生和患者對AI的信任之橋。

模型魯棒性方面，醫療場景的復雜性和特殊性，對AI模型的魯棒性提出了前所未有的嚴苛要求，一旦AI模型在關鍵時刻“掉鏈子”，其后果不堪設想，將可能對患者生命安全造成難以挽回的損害，醫療質量安全底線不容觸碰。

應用泛化能力方面，AI模型往往在特定數據集、特定人群、特定場景下表現良好，但在面對“千差萬別”的醫療場景時，其泛化能力仍顯不足，“水土不服”問題依然突出。這限制了AI技術在更廣泛、更復雜醫療場景中的應用和推廣。

倫理之辯：公平、責任與信任

AI+醫療的應用，不僅涉及技術問題，更引發了一系列深刻的倫理和社會問題，警示著我們在追逐AI+醫療發展速度的同時，更要堅守倫理底線，在“效率至上”與“倫理優先”之間做出艱難抉擇。

AI決策責任歸屬問題方面，AI輔助診療過程中，一旦出現誤診、漏診等醫療差錯，責任究竟應該由誰來承擔？ 是AI算法的設計者、開發者，還是AI系統的使用者——醫生？抑或是患者自身？亟需在法律和倫理層面進行明確界定，厘清各方責任邊界，建立起完善的AI+醫療責任追溯和承擔機制。

醫患信任關系重塑問題方面，AI的引入讓醫生不再是“全知全能”的權威，而更像是“人機協同”的決策者和“有溫度”的關懷者，AI則成為醫生的“智能助手”和“智慧參謀”，醫生如何與AI協同工作，如何與患者有效溝通AI輔助診療的決策，如何重建AI+醫療時代醫患信任關系，是AI+醫療時代醫生職業發展面臨的全新課題，也直接關系到AI+醫療能否獲得患者和醫生的廣泛接受和認可，最終實現規模化應用和可持續發展。

展望AI+醫療的未來，我們預期：一方面，它絕非“病人+AI”的單打獨斗，亦非“AI+醫生”的簡單疊加，而是“人機協同”的深度融合與創新發展。AI將成為醫生的“智慧助手”，深度賦能醫生，全面提升醫療服務的效率與質量；患者亦將不再是被動的接受醫療服務的客體，而是成為醫療的“主動參與者”，積極參與到自身的健康管理和診療決策中來。

另一方面，AI+醫療也絕非“冷冰冰”的機器，而是“有溫度”的關懷。它將打破時空限制，讓優質醫療資源惠及更廣大的患者群體，有效緩解“看病難”的社會難題；它將醫生從煩瑣重復的日常工作中解放出來，讓醫生可以將更多的時間和精力投入更有價值的臨床診療和人文關懷中；它更將助力患者，讓患者更好地管理自身健康，享受更高品質的生命與生活。

AI+醫療，路在何方？

答案或許就蘊藏在 “人機協同” 的創新模式之中，蘊藏在 “以人為本、科技向善” 的價值堅守之中，更蘊藏在“產學研醫政資”六方聯動、開放合作、共建共贏的時代大潮之中。

作者：

趙付春 上海社科院信息所副研究員

黃浩 復旦-港大IMBA項目明博醫療健康產業俱樂部主席，2013級校友

于保平 復旦大學管理學院商業知識發展與傳播中心主任

*本文內容得到復旦-港大IMBA項目明博醫療健康產業俱樂部醫療研究團隊的支持，顧文兵、張建南、李江亭、王鴻羽校友及AI+醫療篇佘曉莉、劉華賓、李賢、郭雯、劉靜、徐潔校友亦有貢獻。