HIT专家网
来源：HIT专家网 作者：周亦川
相较于更新周期至少需要五年或十年的医学理论，自大模型引发全球新一轮AI创新浪潮以来，医疗领域的AI产品可谓日新月异、层出不穷：前沿知识整理、辅助诊疗决策、病历智能生成、病历质控……对于大模型、智能体，临床医生的实际使用体验如何？有着怎样的期许？
近来，HIT专家网推出“临床医生眼中的医疗AI”系列访谈，邀请多位临床医生分享自己的体验和看法。本文将多位医生的观点加以综合分析，从中一窥究竟。
从传统AI到大模型，临床积极拥抱
CHIMA副主任委员薛万国曾指出，医疗AI历经多代技术演进，包含基于规则、知识图谱、机器学习、认知计算、大语言模型等不同技术路线。各类技术并非迭代替代的关系，而是并行共存，它们在知识获取、知识表达、知识推理上各有优劣，临床实践中常常将多种技术混合使用，以此适配多样化的临床需求。
本轮对临床专家们的访谈，也验证了医生们对于AI的体验在与时俱进。
依托机器学习与深度学习能力的持续迭代，医学影像类AI成为国内落地较早、应用相对成熟的医疗AI形态。中国中医科学院首席研究员、中国中医药信息学会男科分会主任委员郭军介绍，以泌尿外科与男科为例，AI在辅助读片（如结节对比）中表现出色，显著提高了前列腺癌的诊断能力。
而对于大模型在医疗行业的应用态势，郭军医生也注意到，国际泌尿外科领域已推出了针对肾结石患者的GPT随访产品，提供术前术后专业指导，为医生的工作提供补充，让医患对话更为有效。
同样，基于知识图谱的AI，可完成医学知识的整合，经语义分析、推理匹配患者数据，辅助医生做出临床决策。哈尔滨市肥胖病医疗质量控制中心主任、哈尔滨医科大学附属第一医院普通外科主任医师徐东升表示，以CDSS为代表的医疗AI产品，在面对复杂临床问题时可提供分析思路，例如列出疾病鉴别要点、发病诱因、诊疗方案、用药参考、手术指征等核心信息，提供多元参考；最终诊疗方案由医生结合临床经验、患者个体情况综合判定。
徐东升主任也在利用大模型的生成能力开展健康科普。他的经验是，AI可汇总社交平台最受关注的减重话题并给出选题思路，并在内容创作的过程中与医生不断磨合，将专业信息以及医生的初始表达转化为通俗易懂的“大白话”，让科普内容生动、有趣、接地气。
2022年底，以ChatGPT为代表的大语言模型，引爆全球生成式人工智能热潮。中国AI创新浪潮紧随其后，在2025年初迎来了“DeepSeek时刻”，引领大模型进入开源和普惠时代。生成式AI随之在医疗多个业务场景快速渗透，展现出无尽的想象空间。
以处理文本、自然语言见长的大模型，可快速归纳多元学术视角，完成医学知识、病历资料等信息汇总，为临床科研提供助力。北京大学第三医院神经内科研究员顾卫红大夫对“氢离子”等专门面向医生群体的垂类医学知识查询类AI颇有心得。她认为，相比通用大模型，垂类大模型聚焦专业领域，信息来源相对权威可靠，为医护人员科研学习带来便利。
健恒医疗业务运营COO、外科主诊医生、肿瘤遗传咨询师鲍宇克使用大模型追踪临床肿瘤学、肿瘤遗传学最新指南、科研与进展。在他看来，肿瘤的精准医疗是典型的基于数据驱动的医学，通过AI快速梳理循证医学证据，基于循证医学证据指导临床决策与诊疗路径，有助于更快实现肿瘤防、筛、诊、治、康的标准化、均质化。
“如果你把AI当作虚拟助理，它就会给你提供助理的答案；如果你把它任命为‘副总裁’，它就会以最高管理者的视角考虑问题。”张强医生集团创始人、著名血管外科专家张强任命AI智能体为集团的“副总裁”，负责整合信息基础、工作逻辑以及对未来的预判，为运营决策提供建议；在此场景下，智能体提供了全面的行业信息整理和前瞻观察，致力于提供决策规划参考，而不只是辅助一两项临床流程效率的提升。
张强医生集团正在推广“人人拥有AI助理”的模式，每位员工提交问题前都要先与AI交流，大多数的问题可由AI消化，AI还充当了“翻译者”角色，消除了上下级及部门间的壁垒，沟通效率大大提高。员工角色从执行者转变为AI管理者，对Skill（即“能力单元”）理解应用越透彻的员工，越能够提升工作效率。
在实际临床与科研落地中，单一AI技术往往难以适配复杂场景，多类AI技术的融合运用，才能最大化发挥价值。中国中医科学院中医药信息研究所研究员、博士生导师、大健康智能研发中心主任李敬华介绍，在中医文献体系的整理工作中，中医药信息研究所将多种AI技术组合使用：大模型负责读懂古文，从非结构化自由古文中提取知识；基于规则的AI负责古籍的刚性校验、格式清洗、术语标准化和数据质量把关，防止大模型输出混乱数据；AI智能体则执行上千本古籍的大规模批量建库。由此构建的专业中医药数据库“古今医案云平台”，可提供医案采集、数据处理、数据挖掘和网络药理学分析等一系列服务。
密切关注医疗AI的局限
尽管AI在特定场景下能够大幅提升医疗工作效率，但多位临床专家同时提醒，现阶段AI只适合做辅助工具，不同技术的固有短板、场景适配局限以及临床使用风险，都是当前医疗AI落地需要正视的问题。
不少报道称，部分医疗AI在医学能力测试中，评分已高于人类医生。
顾卫红大夫分析，医生的诊疗需求并不局限在最稳妥的“标准答案”里，而是要提供进一步的疾病前沿进展信息，拓展思路，减少漏诊、误诊风险。特别是罕见病诊疗的核心，是整合分析患者的临床表型和基因数据等多模态数据，给出诊断决策参考建议。而当前常见的AI工具还难以做到多模态信息的有效联动与整合。
郭军也指出，大模型大多针对特定场景和领域开发训练，难以放之四海而皆准，例如，泌尿外科与男科疾病与地域环境、生活习惯联系紧密，基于三甲医院数据训练的专科模型，在基层医院应用中常常“失灵”。
受访医生们纷纷指出，大模型的可解释性差、易产生幻觉、结果存在不确定性等缺陷，可能导致诊断结果不可靠等问题。大模型在回复用户时还存在“讨好”倾向，有可能造成严重的决策误导。
此外，受访医生普遍表达了这样的担忧：对于年资较浅的医生，一旦对AI产生依赖，失去了自我钻研消化的过程，难以对幻觉做出纠偏，危害的是患者安全。因此，顺应AI发展的同时，医学教育需要及时调整策略和方法，借力AI赋能医学生的专业成长，而不是放任AI取代临床逻辑思维训练。
医生究竟需要什么样的AI？
立足临床应用中暴露出的问题与短板，受访医生从自身实际业务出发，勾勒出临床真正需要的医疗AI产品画像：拒绝大而全，深耕专科场景、重视数据质量、强化可解释性，同时兼顾不同岗位医生的差异化需求。
鲍宇克表示，数据质量是AI的核心。启动数据治理不一定面面俱到，可着重围绕检验、影像、监护设备的客观数据展开，结果易于标准化统一；也可以从重点优势专科入手，例如乳腺中心、胰腺癌中心等，率先形成规范化的高质量数据集，作为AI应用的基础。医生需要的不一定是一个“全能”AI，而是掌控几十乃至上百个专科AI，依托高质量数据集，产出更多落地场景方案。
“对于临床和医院信息中心而言，数据安全始终是第一位的，需对AI进行持续效果评估和数据安全保护。”郭军医生希望，增强AI的可解释性，提供信息溯源，上线前充分做好临床验证以及多中心外部验证。
徐东升主任期望，未来可依托AI搭建患者术后状态智能监控体系，第一时间捕捉异常指标、识别潜在风险。及时向医护人员发出警报，提高术后管理效率和安全性，“这是减重外科工作中期待尽早实现的功能”。
“让AI真正能解决不同医生日程表上冗余的事务，使工作效率加倍，这才是医生最刚需的产品。”作为医生集团管理者，张强认为医疗AI的需求是分层、分场景的，IT人需充分理解AI究竟为谁服务。一线医生需要解决每日临床工作问题，科主任需要AI解决审批等事务性工作，院领导的工作场景则更偏重于医院的战略问题。
顾卫红表示，医疗AI产品的开发过程需要资深临床医生参与。她期待在充分了解并理解临床真实场景和需求的前提下，AI能在细分领域不断迭代，成为对临床真正有用的工具系统。
深度调研多位医生后，HIT专家网发现，临床最需要的AI无非是两大类：
一类是嵌入专科系统，辅助决策支持、科研等——这类需要提供足够的可解释性，为医生赋能。
另一类则是嵌入流程系统，辅助事务处理、合规等——这类需要深谙业务流程和法律法规，为医生减负。
前者重在提质，后者重在增效。二者并行不悖。
【往期回顾】
精彩不容错过！
我们将尽快与您联系！
【责任编辑：陈曦 版式：明超】
评论前必须登录！
注册