AI出現(xiàn)在診室，像醫(yī)生一樣問病史、做診斷、開檢查單。這個曾出現(xiàn)在科幻電影中的場景，正逐漸走進現(xiàn)實。

今年上半年，“天樞”“觀心”“瑞智病理”等醫(yī)療領域大規(guī)模預訓練語言模型（以下簡稱“醫(yī)療大模型”）在全國三甲醫(yī)院密集落地。億歐智庫數(shù)據(jù)顯示，截至2025年5月，國內累計發(fā)布醫(yī)療大模型達288個，其中今年新增133個。

這些被臨床寄予厚望的技術產物，離成為真正的AI醫(yī)生還有多遠？

醫(yī)療模型價值初顯

今年夏天，北京市房山區(qū)竇店鎮(zhèn)一家基層醫(yī)院的內科門診來了一名患兒，半邊臉腫大，久不消退。醫(yī)生建議家長帶孩子去口腔科檢查。但檢查結果顯示，口腔無異常。

焦急的患兒家長再次找到醫(yī)生。醫(yī)生想起醫(yī)院不久前引入的AI兒科醫(yī)生。這款兒科醫(yī)療大模型整合了300多位知名兒科專家的臨床經驗及大量脫敏的病歷數(shù)據(jù)，學習了3000多種兒童常見病、疑難病相關診療知識。

醫(yī)生與這名“博學”的AI兒科醫(yī)生展開了多輪“對話”。AI提示，患兒可能是腮腺炎?；贏I提醒，診斷最終被明確，患兒也得到及時治療。

2024年11月以來，多部門密集出臺AI醫(yī)療相關政策：《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》梳理84個細分應用場景；國家醫(yī)保局將AI輔助診斷納入醫(yī)療服務價格立項指南；《醫(yī)藥工業(yè)數(shù)智化轉型實施方案（2025—2030年）》明確要拓展AI在輔助診療等場景的應用。

一家研發(fā)醫(yī)療大模型的企業(yè)負責人表示，DeepSeek-R1等開源模型的技術突破，降低了醫(yī)療大模型的研發(fā)和應用門檻，加速了AI醫(yī)療領域“百模大戰(zhàn)”的到來。

在政策支持、技術突破等多重因素下，醫(yī)療大模型迎來爆發(fā)期。億歐智庫預測，2025年醫(yī)療大模型市場規(guī)模近20億元，預計以140%年均增速增長，2028年將突破百億元。

目前，除了少數(shù)醫(yī)院具備完全自主研發(fā)和部署醫(yī)療大模型的技術能力和算力條件，大部分醫(yī)院選擇與企業(yè)、高校、科研院所聯(lián)合研發(fā)。

作為醫(yī)生“助手”，醫(yī)療大模型可有效提升診斷效率。截至今年6月，AI系統(tǒng)“智醫(yī)助理”已落地全國超7.5萬家基層醫(yī)療機構，累計提供超10億次輔診建議，緩解了基層醫(yī)生壓力。數(shù)據(jù)顯示，華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院用AI輔助預問診，醫(yī)患有效溝通時長增加50%。

在基層醫(yī)療機構，醫(yī)療大模型的應用已顯現(xiàn)價值。有公司研發(fā)的AI助診儀，已經在北京市海淀區(qū)20家社區(qū)衛(wèi)生服務中心試點應用。該AI助診儀能為醫(yī)生提供問診方向建議，鑒別診斷合理率達96%。

從給醫(yī)生減負的“神器”，到基層醫(yī)療機構的“外腦”，從居民的健康管理助手，再到?？崎T診的溝通工具，醫(yī)療大模型已從技術探索階段走向臨床應用階段。

進階之路關卡重重

密集涌現(xiàn)的醫(yī)療大模型，讓公眾對AI醫(yī)生有了更多期待。但專家指出，醫(yī)療大模型從實驗室走進診療室，到最終成為真正的AI醫(yī)生，還需要一場“職場拉練”。

這場“職場拉練”的難點，首先在于AI醫(yī)生的概念模糊，其次在于落地應用時的多重障礙。

當前，業(yè)內對AI醫(yī)生的定義尚未統(tǒng)一。但可以明確的是，它并不等于醫(yī)療大模型。

有專家認為，醫(yī)療大模型偏技術，AI醫(yī)生偏應用。“醫(yī)療大模型好比醫(yī)學院畢業(yè)生，缺乏臨床經驗。AI醫(yī)生既懂理論又懂實踐，可以上崗執(zhí)業(yè)?！痹搶＜艺f。

還有醫(yī)生提出，“自主治療”才是AI醫(yī)生的核心標準。清華大學北京清華長庚醫(yī)院（以下簡稱“北京清華長庚醫(yī)院”）泌尿外科主任李建興則比喻，“醫(yī)療大模型好比醫(yī)院，AI醫(yī)生好比科室大夫”。

記者梳理發(fā)現(xiàn)，目前自稱AI醫(yī)生的產品多種多樣：有的是智能問答系統(tǒng)，有的主攻影像分析，有的是醫(yī)生智能體，還有的是人類醫(yī)生的數(shù)字分身。

一位業(yè)內人士總結道，現(xiàn)在主流的AI醫(yī)生分為輔助診斷、知識問答、健康管理三類系統(tǒng)。她坦言，“全知全能的AI醫(yī)生，對行業(yè)和患者價值更大，但距離臨床還較遠”。

從醫(yī)療大模型到AI醫(yī)生，這條路并非坦途。

其面臨的一重困境是模型技術本身還存在不足。今年3月，一名“95后”新手家長面對孩子反復咳嗽發(fā)熱，在手機上用AI問診。AI判定孩子為“普通呼吸道感染”，家長參考建議居家用藥，卻導致病情延誤。最終，孩子在醫(yī)院確診為病毒感染肺炎。這一案例暴露了AI診療可能存在的風險。

“大模型的‘黑箱’‘幻覺’、引用錯誤信息等問題，會誤導治療，后果不堪設想?！北本┣迦A長庚醫(yī)院泌尿外科主治醫(yī)師劉宇保說。一家專注醫(yī)療大模型研發(fā)的企業(yè)已將其醫(yī)療大模型的“幻覺”發(fā)生率控制在1%左右，但該企業(yè)負責人仍強調：“AI醫(yī)生大規(guī)模應用于臨床的風險防控體系尚未成熟。”

今年5月，李建興團隊僅用兩個多月就研發(fā)出結石領域大模型“石說AI”的內測版本。李建興說：“其實，在基座模型、大數(shù)據(jù)的基礎上研發(fā)醫(yī)療模型并不難，難的是后期運維。后期需持續(xù)投入算力、人力、數(shù)據(jù)等資源，并承擔設備維護、模型迭代等成本。”

數(shù)據(jù)是大模型的“養(yǎng)料”。數(shù)據(jù)不足或流動不暢，是阻礙醫(yī)療大模型“進化”的又一個桎梏。

參與“石說AI”研發(fā)的清華大學博士生徐錚表示，使用多中心的數(shù)據(jù)能提升醫(yī)療大模型的“泛化性”，但醫(yī)療數(shù)據(jù)“煙囪林立”的現(xiàn)狀還難以打破。

李建興補充道：“基層醫(yī)療數(shù)據(jù)不夠規(guī)范，很多有價值的病例信息沒有被記錄，更別提資源共享。而靠單中心數(shù)據(jù)訓練的大模型，到了基層或其他醫(yī)療機構又可能‘水土不服’。”

在罕見病領域，訓練醫(yī)療大模型則普遍面臨病例數(shù)據(jù)不足的難題。國外有研究發(fā)現(xiàn)，當AI用于診斷罕見病時，其準確率不足60%。

多模態(tài)數(shù)據(jù)處理，對醫(yī)療大模型來說也是難關。徐錚告訴記者，醫(yī)學大模型應用需先解決多模態(tài)醫(yī)療數(shù)據(jù)融合難題，實現(xiàn)影像、病理、基因組、電子病歷等多源數(shù)據(jù)的高效融合與安全共享。

另一重困境則源于社會認知。

一名患者說，雖然有的醫(yī)療大模型和知名專家的水平不相上下，但他更希望坐在對面的是那個知名專家。李建興也表示，越來越多的患者看到了“AI+醫(yī)療”的潛力，但對AI診療持懷疑態(tài)度的人也不在少數(shù)。

“對AI醫(yī)生接受度低，原因很復雜。比如患者擔心技術不夠可靠或更喜歡真實世界的交流，醫(yī)療機構擔心技術應用成本高，醫(yī)生擔憂技術對現(xiàn)實形成沖擊?！眲⒂畋＝忉尩?。

多方探索加速破局

面對多重難關，業(yè)內已開始探索如何培養(yǎng)更多更強的AI。

在這條賽道上，中國醫(yī)學科學院血液病醫(yī)院（中國醫(yī)學科學院血液學研究所）信息與資源中心首席技術專家陳俊仁走了極具挑戰(zhàn)性的路。

當前，多數(shù)AI僅為輔助決策工具，而自主治療能力是AI醫(yī)生落地的重要突破點。陳俊仁正致力于打造能自主開展治療的AI醫(yī)生。他將AI醫(yī)生分為兩類：一是輔助型，AI提供參考信息，而醫(yī)生判斷如何運用該信息做出決策；二是條件式自主型，AI提供默認治療方案，但醫(yī)生有否決權。

2022年，陳俊仁和合作團隊用數(shù)學建模解決了真實世界中血液病患者臨床數(shù)據(jù)“多參數(shù)、小樣本”的問題，并建立daGOAT模型，用于預測移植后重度急性移植物抗宿主病，研究發(fā)表于《自然·計算科學》。

模型方法經國際同行認可后，研究團隊依照嚴格流程推動AI走向臨床：完成倫理審查、把模型嵌入醫(yī)院信息系統(tǒng)……拿到倫理批件后，開始招募患者志愿者?！安皇悄弥Ｐ驼覉鼍?，而是根據(jù)場景需求研發(fā)模型。”陳俊仁說。

讓陳俊仁欣慰的是，從2024年第一個患者入組至今，daGOAT已具備條件式自主開展診療的能力——能定時自主追蹤患者的100多個動態(tài)指標，提醒醫(yī)生針對高風險患者提前采取藥物干預措施。

“尋找醫(yī)療場景—開展科學驗證—獲得倫理委員會批準—搭建醫(yī)療模型—招募患者志愿者—多方交叉驗證，這條AI醫(yī)生培育之路很漫長，但能讓醫(yī)生和患者都感到踏實?！标惪∪蕪娬{，“不管是什么形態(tài)的AI醫(yī)生，核心在于能否真正解決臨床問題。”

針對模型技術的“幻覺”等問題，國內諸多團隊探索出不同路徑：陳俊仁團隊通過真實世界病例探索驗證；北京清華長庚醫(yī)院泌尿外科要求模型引用最新的權威醫(yī)學文獻；還有的醫(yī)院則采取模型在循證醫(yī)學數(shù)據(jù)庫“自檢+雙醫(yī)”模式。

中國科學院院士陳潤生曾表示，破除AI“幻覺”需應對技術難題、倫理問題等諸多挑戰(zhàn)。從技術層面來說，AI的表現(xiàn)很大程度上依賴于訓練數(shù)據(jù)的質量和多樣性，如果訓練數(shù)據(jù)存在偏差，模型可能會產生錯誤輸出。從倫理層面看，算法可能因訓練數(shù)據(jù)的不完善或設計者的主觀偏見出現(xiàn)歧視性的決策結果。

針對醫(yī)療數(shù)據(jù)“煙囪林立”問題，李建興建議，可借鑒“醫(yī)療數(shù)據(jù)中臺”模式，在數(shù)據(jù)加密脫敏基礎上建立跨機構數(shù)據(jù)聯(lián)盟，讓數(shù)據(jù)可用不可見，降低數(shù)據(jù)泄露濫用風險。針對數(shù)據(jù)稀缺難題，陳俊仁團隊通過“對小樣本抽絲剝繭分析+用真實病例反復驗證”的方式，讓模型更精準。

如何讓AI醫(yī)生成為讀懂多種數(shù)據(jù)的“多面手”？專家表示，這需要整合影像識別、自然語言處理等多領域技術，需要全球科研力量聯(lián)合攻關。

談及提升業(yè)界對AI醫(yī)生的認可度，劉宇保表示，要通過診療效果對比、發(fā)表研究文章、建立AI醫(yī)生評測榜等客觀方式，提升醫(yī)生對AI的認可度。中國科學院香港創(chuàng)新研究院人工智能與機器人創(chuàng)新中心主任劉宏斌在接受媒體采訪時稱，醫(yī)學是循證學科，模型的每一個診斷結論都應標注依據(jù)、具備可解釋性，這樣才能獲得醫(yī)生信任。

針對AI醫(yī)生監(jiān)管和倫理問題，李建興提出，可參考自動駕駛分級模式，依據(jù)AI醫(yī)生能力劃定診斷治療權限，隨著模型變強逐步放開權限，同時，動態(tài)調整醫(yī)療大模型開發(fā)者、使用者、監(jiān)管方的責任邊界。

陳俊仁認為，應盡早建立AI醫(yī)療的治理機制和規(guī)則框架，加強相關倫理審查，既要引導AI醫(yī)療按正確路線發(fā)展，又要防范AI醫(yī)療安全風險。

多位專家表示，為加快AI醫(yī)生落地應用，政策方面現(xiàn)階段需要“多松土”。

李建興建議，簡化院級AI產品的注冊備案流程，鼓勵醫(yī)療機構與技術公司深度合作。還有專家提到，推動AI醫(yī)生服務納入醫(yī)保支付體系，完善AI醫(yī)生的商業(yè)模式。

陳俊仁表示，政策可按照風險層次適當放寬，讓業(yè)界有更多發(fā)揮的空間?！暗珶o論如何，每一次實踐探索都不能違背醫(yī)學倫理?！彼f。