病人带着DeepSeek去看病，AI 医疗之路在哪里？

文 赵付春 黄浩 于保平

上海社会科学院信息研究所副研究员

明博医疗健康产业俱乐部主席复旦-港大IMBA项目，2013级校友

复旦大学管理学院商业知识发展与传播中心主任

“天要塌了！DeepSeek之后，病人质疑我的治疗方法，气得我又查了一遍指南，才知道指南更新了……”2025年早春，一位广东医学博主的“无心之言”意外点燃了业界对“AI 深入思考医疗“应用界限与伦理”。

与此同时，一段“DeepSeek诊断肺结节”的短视频也引起了广泛关注。在体验了DeepSeek的AI肺结节诊断能力后，浙江大学第二医院胸外科范军强主任医生对其“与临床高度一致”的诊断意见和治疗方法表示赞赏，也引发了对新技术如何更好地赋能临床，提高诊疗效率的探索。

毫无疑问，ChatGPT、以DeepSeek为代表的AI模型，从辅助诊断、药物研发到健康管理，几乎延伸到了医疗的每一个角落，从辅助诊断、药物研发到健康管理，展现了改变传统医疗模式的巨大潜力。但是，在AI浪潮汹涌澎湃的同时，业界对AI的期待与怀疑、挑战与机遇，也在同步升温。AI未来将如何重塑医疗？AI又把医疗引向了哪里？AI最终能否取代医生？

AI赋能医院和医生：构建“三医协同”的基石

医院和医生作为医疗服务的提供者，无疑是“AI 医疗的关键主体。AI技术以前所未有的速度和广度，从辅助诊疗、优化流程、提高效率等方面深度赋能医院和医生，帮助智能升级医疗服务体系，完善可持续的医疗保险体系，构建“三医协同” 新的医疗模式奠定了坚实的基础。

1. AI辅助诊疗服务：打破瓶颈，提高效率

长期以来，医学影像阅读、病理诊断、基因检查等诊疗阶段高度依赖医生的经验和专业知识，存在效率瓶颈和人为偏差。随着AI辅助诊疗技术的出现，有望打破传统诊疗模式的瓶颈，大大提高诊疗效率。

AI医学影像技术已经成为放射科医生在医学影像领域不可或缺的“标准”。特别是在大规模筛查和疑难病例诊断中，深度学习驱动的医学影像技术不仅可以快速准确地识别肺结节、乳腺癌等多种疾病，而且可以显著降低漏诊率和误诊率，在病理诊断中表现出与资深专家相当的能力，可以实现对病理切片的智能判断，大大提高诊断效率。根据MASAI实验结果，AI协助乳腺钼靶X线拍摄筛查显著减少了阅读工作量，同时在癌症诊断率高于标准的情况下，为大规模乳腺癌筛查提供了新的解决方案。

病理学诊断领域， AI病理诊断系统可以帮助病理学家快速准确地识别癌细胞，显著提高诊断效率，减少人为偏差，提高诊断质量。哈佛大学余坤兴团队的研究结果显示，在19种癌症诊断中，AI病理诊断模型的检验准确率接近94%，显示出与资深病理学家相当的诊断水平。

AI协助临床决策系统在个性化诊断和治疗方面，可以整合大量的医学知识库和临床指南，根据患者的病历信息，为医生提供个性化的诊断和治疗建议，帮助医生做出更加科学准确的临床决策，提高诊断和治疗方案的规范性和个性化水平。

2. AI提升医疗管理：精细化操作，科学决策

面对日益增长的医疗服务需求和日益严格的控费要求，医院迫切需要通过智能手段提高运营效率，降低企业成本，实现高质量发展。AI技术有望为医院解决运营问题提供新的突破。

在电子病历智能化方面，AI技术赋能下的新一代电子病历系统不仅可以实现一键生成病历、结构化输入、智能质量控制等功能。，还可以深入挖掘病历数据的价值，帮助医院管理者分析决策，实现医院运营管理的数字化、智能化、精细化。

AI技术可以应用于医院资源调度、流程优化、绩效管理、风险预警等方面。在医院运营管理智能化方面，帮助医院实现运营管理的智能化升级。例如，AI可以预测门诊量、住院人数、床位利用率等关键指标。通过大数据分析技术，为医院资源调度提供科学依据；AI可以通过流程挖掘技术，提高患者的医疗流程，缩短患者的等待时间，提高患者的满意度；AI可以通过机器学习算法协助医院管理人员进行绩效评估和决策分析，提高管理效率；AI也可以通过风险预警模型，智能预警医疗风险，防止医患纠纷，提高医院经营的安全性和稳定性。

3. AI帮助医生研究：释放潜力，加快创新

医学研究是推动医学进步和临床诊疗水平提高的源动力。然而，长期以来，医学研究面临着许多挑战，如数据获取困难、数据分析效率低下、科研成果转化困难等。在医学研究应用领域，AI技术有望打破传统研究方法的束缚，释放医生的研究潜力，加快医学创新。

AI技术在科研数据分析方面表现出强大的数据处理和分析能力，能够帮助医生快速、准确地从海量的医学科研信息中提取有用的信息，发现新的医学规律，加快研究成果的产出。例如，在基因组学研究领域，AI技术可用于基因组数据分析、基因突变识别、疾病基因预测等。AI技术可用于蛋白质结构预测、蛋白质功能预测、药物设计等。在医学影像分析领域，AI技术可用于医学影像分割、疾病检测、疾病诊断等。

AI技术在加快临床研究方面也取得了巨大的成就。AI技术可以应用于临床试验设计、病人招聘、数据管理、统计分析等环节，帮助医生加快临床研究进程，提高临床研究效率和效果。例如，通过自然语言理解（NLP）技术可以自动分析医学文献和临床指南，帮助医生设计临床试验方案；通过机器学习算法，可以准确匹配患者和临床试验，加快患者招聘；通过电子数据收集（EDC）该系统能够自动管理和控制临床试验数据，减少人工偏差，提高数据质量，最终加快临床研究进程，缩短新药上市时间，抓住市场机遇。

AI造福病人：从“被动就诊”到“主动健康”

AI技术深刻改变了患者的医疗行为和健康管理模式，重塑了医患矛盾，提高了患者的医疗获得感和幸福感，最终促进了医疗服务价值的转变。

1.AI重塑就医行为

在患者就医之前，AI智能咨询系统可以作为“智能指导”。它可以模拟医生的思维，准确识别患者的需求，提供个性化的咨询建议，有效提高患者的医疗管理能力，帮助患者找到合适的部门，挂对号码，避免盲目就医。

在就医过程中，AI在线咨询平台和互联网医院打破了传统医疗的时间和空间限制，将优质医疗资源延伸到线上，构建了线上线下一体化医疗服务闭环，大大改善了患者的就医流程，提高了患者的就医便利性和舒适性，甚至让患者在家享受到便捷高效的医疗服务，有效改善了“就医难”的问题。

就诊后，AI随访管理系统和AI康复指导工具可以定期跟踪和随访患者的病情，及时掌握患者的病情变化，并提供个性化的康复指导建议，帮助患者在医院后康复，提高患者的医疗获得感和依从性，将医疗服务延伸到医院外，实现患者疾病的全周期管理。

2.AI赋能主动健康管理

基于患者的个体化健康数据，AI健康管理平台和可穿戴设备可以评估和预测健康风险，帮助患者了解自己的健康风险，尽早采取治疗措施，向患者提供健康管理障碍 “未病先防” 主动健康管理工具。

AI健康管理平台可以根据患者的个人特点和健康数据提供个性化的健康干预建议，如运动、饮食、睡眠等。AI数字疗法可以为患者提供个性化的数字疗法，如AI驱动的认知行为疗法。（CBT）APP，帮助患者在家进行疾病治疗和康复，实现个性化健康干预，提高健康管理效果。

AI健康管理平台、AI数字化治疗等智能工具也能激发患者参与健康管理的积极性，改变患者在健康管理中的角色。患者不再是被动接受医疗服务的对象，而是成为自身健康管理的主体和中心，真正实现“我的健康是我的主人”。

AI改革医药产业链：重塑价值链，重构新格局

AI加速了药业产业价值链的重塑和变革，推动了竞争格局的重构。

1. AI重塑药物研发价值链

具体体现如下：

oR&D前端加速:AI技术加快了药物研发的初期进程，大大缩短了R&D前端环节的周期，如药物靶点发现、化合物选择、先导化合物优化等。，并将新药研究带入“快车道”，十年磨一剑的新药研究方法可能成为历史。

o临床试验效率提高:AI技术可应用于临床试验方案设计、患者精准招聘、临床试验数据管理与分析等多个环节，实现整个临床试验过程的智能化和自动化，大大提高临床试验效率，降低临床试验成本，加快新药上市进程。

oR&D成本降低:AI技术在药物研发全过程中的应用，不仅可以显著缩短新药研究周期，还可以大大降低新药研究的资金和时间成本。据业内分析师预测，AI药物研发有望降低R&D平均成本 25%-50%，这意味着药企有望以更低的成本开发更多、更好的创新药物，从而惠及更多的病人。

2. AI重构药品生产价值链

AI技术在医药制造中的应用，将推动传统医药制造向智能化、自动化、数字化转型，构建更高效、更智能、更绿色的现代医药厂。

它的作用体现在：

o智能制造降本:AI赋能下的智能制造将显著提高药品生产效率，降低成本，提高生产线的灵活性和灵活性，帮助制药公司在激烈的市场竞争中占据成本优势。

o质量控制提高:AI技术可以实现药品生产全过程的质量追溯和智能预警，实时监控和控制药品生产的每一个环节，及时发现和纠正生产缺陷，从而最大限度地保障药品安全，提高药品安全的稳定性和可靠性，保障患者用药安全。

o供应链优化增效：AI技术应用于药品供应链管理，将实现药品供应链全过程的可视化和智能化，提高药品生产、仓储、运输、配送等阶段，提高供应链效率，降低供应链成本，提高供应链风险应变能力，确保药品供应稳定， 构建更加高效、敏捷、安全的药品智能供应链体系。

3.AI创新医药营销价值链：

在AI技术的驱动下，医药行业的数字化运营将打破传统医药营销方式“广撒网、低转化”的困境，构建“精准接触、定向推广”的新型医药营销方式。AI技术应用于医疗营销，将实现医生和患者的精准画像、个性化营销内容的智能生成、营销活动效果的实时跟踪和智能优化，大大提高医疗营销的效率和准确性，降低营销成本，提高营销投入产出率。

对患者关系进行管理， 传统的AI技术 “粗放”“一次性”管理机制升级为 “精细化”“全周期”管理机制，帮助制药公司与患者建立更紧密的联系，提高患者用药的依从性和忠诚度，探索患者生命周期的价值，最大限度地发挥患者的价值。

不仅如此，AI技术正以前所未有的力量打破医药产业的边界，重塑医药产业的竞争格局。目前，无论是传统医药巨头，还是新兴AI制药企业，都在加强AI规划，抢滩AI 医疗市场。更引人注目的是，一些科技巨头开始跨境进入，医药企业与科技企业、互联网公司、保险公司、医疗机构等跨境营销已经成为常态。医药行业与其他行业的边界越来越模糊，这使得医药行业的市场竞争更加多元化和复杂化。

四、AI 理性的医学辩论

AI 医学可谓前景光明，前途无量。

就像硬币有两面一样，我们应该清醒地认识到，在快速发展的同时，我们也面临着数据、技术和伦理等诸多风险和挑战。

1. 数据困难:质量、安全和伦理

AI是高质量、大规模、多模态的医疗数据。 医疗发展的基础。然而，医疗数据的获取、共享和应用面临着数据质量、数据安全和数据伦理等诸多挑战。

在数据质量方面，与其他行业一样，医疗数据孤岛现象普遍存在，其来源多样，类型复杂，标准化程度低。此外，标记难度大，成本高，导致质量参差不齐，严重制约了AI模型的训练效果和实用价值。 医学应用导致“天花格”难以突破。

在数据安全方面，医疗数据涉及患者隐私。一旦泄露，将对患者的人格尊严和切身利益造成不可挽回的损害。可以说“数据就像老虎，稍有不慎，就会反咬自己”。近年来，医疗数据泄露频发。如何保证医疗数据的安全和患者的自主权，已经成为人工智能。 医学发展面临着最紧迫、最核心的伦理问题。

2. 技术混乱：可解释性、鲁棒性和泛化性

AI技术在医疗领域的应用面临许多局限性，包括算法可解释性不足、模型不强、应用泛化能力有限等，限制了AI技术在医疗领域的应用。 进一步发展和广泛应用医疗。

在算法可解释性方面，AI模型的“黑盒”特点使医生和患者难以信任AI的诊断结论和治疗建议，严重阻碍了AI技术在临床实践中的应用和推广。只有知道为什么，才能为医生和患者建立认可AI的桥梁。

在模型鲁棒性方面，医疗场景的复杂性和独特性对AI模型的鲁棒性提出了前所未有的严格要求。AI模型一旦在关键时刻“掉链”，后果会非常严重，可能会对患者的人身安全造成不可挽回的损害，医疗质量安全底线不容触及。

在应用泛化能力方面，AI模型在特定数据、特定人群和特定场景下通常表现良好，但面对“不同”的医疗场景，其泛化能力仍然不足，“水土不服”问题依然突出。这限制了AI技术在更广泛、更复杂的医疗场景中的应用和推广。

3. 伦理辩论：公平、责任和信任

AI 医疗的应用不仅涉及到技术问题，还引发了一系列深刻的伦理和社会问题，警告我们在追求AI。 在加快医疗发展的同时，更要坚守伦理底线，在“效率第一”和“伦理第一”之间做出艰难的选择。

关于AI决策责任的归属问题，在AI辅助诊疗过程中，一旦出现错诊、误诊等医疗错误，到底应该由谁来承担？ 是AI算法的设计师、开发者，还是AI系统的用户-医生？还是病人本身？迫切需要在法律和伦理层面明确界定，明确各方责任界限，建立完善的AI。 追溯和承担医疗责任的机制。

在重塑医患信任关系方面，AI的引入让医生不再是“全知全能”的权威，而更像是“人机协同”的决策者和“有温度”的爱好者。AI已经成为医生的“智能助手”和“智能参谋”。医生如何与AI协调工作，如何与患者有效沟通AI辅助诊疗决策，如何重建AI？ 医疗时代医患信任关系，是AI 医疗时代医生职业发展面临的新课题，也直接关系到AI。 医学能否得到病人和医生的广泛接受和认可，从而实现大规模应用和可持续发展。

展望AI 未来的医疗保健，我们预期：一方面，这绝不是“病人” AI"孤军奋战，也不是"AI 医师的简单叠加，是“人机协同”的深度融合和改革创新。AI将成为医生的“智慧助手”，深度赋能医生，全面提高医疗服务的效率和质量；患者将成为医疗的“主动参与者”，积极参与自己的健康管理和诊疗决策，而不是被动地接受医疗服务。

另一方面，AI 医疗也不是“冰冷”的设备，而是“有温度”的关怀。它将打破时间和空间的限制，让优质的医疗资源造福更多的患者，有效改善“医疗困难”的社会问题；这将解放医生从繁琐重复的日常工作中，让医生在临床诊疗和人文关怀上投入更多的时间和精力；它会帮助患者更好地管理自己的健康，享受更高质量的生活和生活。

AI 医疗，路在哪里？

也许答案就藏在里面了 “人机协同” 在创新模式中，蕴藏着 “以人为本，科技向善” 在“产学研医政资”六方联动、开放合作、共创共赢的时代大潮中，价值坚持不懈。

*本文得到复旦大学IMBA项目明博医疗健康产业俱乐部医疗研究团队的支持，包括顾文兵、张建南、李江亭、王鸿羽和AI 医学部分佘晓莉、刘华宾、李贤、郭雯、刘静和徐洁也做出了贡献。(排版|刘蕊绮 编辑 宋朝阳审校 AI生成的部分插图)

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com