澎湃新闻记者 许珈

“AI医生”真的来了？扎克伯格夫妇立志加大AI投入、在本世纪末征服所有疾病；比尔·盖茨的颠覆性预言是：AI十年内将取代医生。如今，医疗AI应用已深入诊疗流程，从患者自主查询的便捷工具，到深度嵌入医院临床环节的“AI医生”。然而，其可靠性究竟如何？在关键诊疗决策中，人类专家与AI之间应如何权衡？

《全民健康大讲堂》特邀同济大学附属东方医院急诊科、重症医学科主任张海涛，上海交通大学医学院附属仁济医院急诊科主任、心血管内科副主任张松，带我们深入解析AI在临床实践中的角色与边界。

从“手机查病”到“AI医生”，差在哪？

“很多人身体不适时会先打开手机AI工具咨询，这些通用模型和医院里的‘专业医学模型’不是一回事。”张海涛明确指出两者的核心差异。从技术原理来看，手机端的通用AI工具，他们都是通过信息比对与概率计算生成答案，就像“从海量信息里找相似内容总结”，“专业的医学模型”如以Med-go医学大模型为代表的，则是经过更多的医学专业知识的学习、医学思维链分析，专业知识多次比对等确保回答问题的精准。在回答问题时，模型被要求必须给出完全自洽的支持逻辑等，确保其推理的合理性。

在功能精度上，普通的手机AI模型的回答多为“泛健康建议”，比如“头痛可能是睡眠不足或感冒”，而“像Med-Go这样的严谨的专业医学模型”已可以嵌入医院的系统，在医生完成病史记录后自动生成精准的诊断、鉴别诊断方案，以及进一步地处理等更专业的医生级别的建议，供医生参考。如仁济医院的泌尿专科AI健康管家为例，它能精准预测患者预后，而手机AI工具根本无法触及这类深度临床场景。张松补充道：“急诊中遇到昏迷且无家属陪同的患者，医院AI能快速分析CT影像和心电图，锁定出血、梗塞等关键线索，手机AI却难以处理这种信息不全的紧急情况。”

AI医生“实战成绩单”：效率升级、误诊减少

治疗环节中，AI更是医生的“效率质量加速器”。东方医院Med-Go医学专业模型能实时规范病历书写，标记出诊疗过程的不妥之处，还能在化验单上添加二维码，患者扫码就能看懂异常指标的解释；在MDT会诊中，Med-Go能整合化疗、放疗、手术等多学科意见，避免“各说各话”的困境。张海涛分享了一个典型案例：一位合并系统性红斑狼疮、肾功能衰竭的准备做心脏瓣膜手术患者，AI通过多学科知识整合，明确指出“当前不适合手术，需先纠正贫血与控制狼疮活动”，为临床决策提供了关键参考，“过去这类复杂病例可能需要多次会诊，现在AI能快速给出全面建议，给医生决定提供了更多的参考，极大的提高了MDT的效率和质量，减少了误诊漏诊风险。”

同济大学附属东方医院急诊科、重症医学科主任 张海涛

AI看病，能省钱还是会多花钱？

“引入AI会不会让看病更贵？”这是公众关心的问题。张松给出了明确答案：“短期可能有少量技术投入成本，但长期来看，AI是在‘帮患者省钱’。”他以急诊为例，AI通过精准分析冠脉CT影像，能避免20%的不必要有创冠脉造影检查，单次就能为患者节省数千元；对于脑梗患者，AI帮助缩短诊断时间，降低了长期康复费用。长远来看，AI让每一分医疗费用都花在刀刃上，减少了重复检查和错误治疗的浪费。

在安全与责任界定方面，两位专家强调“AI永远是辅助，医生才是决策主体”。张海涛解释，目前我国已将部分AI医疗软件纳入医疗器械监管，他们在临床上更多的是辅助医生的诊断治疗，最终是否采纳其建议，必须由医生最后决定。张海涛特别提醒：“患者不用担心数据泄露，国家以及医院会对病历、检查报告等敏感信息进行严格的法律监管。”

上海交通大学医学院附属仁济医院急诊科主任、心血管内科副主任 张松

普通人该怎么用好AI医疗？

面对种类繁多的AI医疗工具，普通人该如何正确使用？两位专家给出建议。

首先，手机AI工具可作为“健康参考”，但不能替代就医。“比如感冒发烧，手机AI建议‘多喝水、体温超38.5℃吃退烧药’是可行的，但出现胸痛、呼吸困难等急症，必须第一时间拨打120，不能依赖手机AI判断。”张松强调。

其次，优先选择专业医学AI工具。普通的AI通用模型适合聊天，在医学专业的精准性和可解释性方面还是略有不足，遇到专业的医学问题最好是找Med-go、泌尿专科AI这类专业模型，它们的回答更精准。

第三，使用AI时要“信息给足、保护好隐私”。向AI描述病情时，要尽可能详细，比如“头痛3天，伴随恶心、畏光，近期熬夜多”，信息越全，AI建议越准；上传检查报告时，可涂抹姓名、身份证号等敏感信息。与AI交流就像“和医生沟通”一样，这样获得的信息会更精准。普通人缺乏医学知识，可带着AI的建议问医生“这个分析对吗？我该怎么做？”，这种方式也是可以的，对提升大众的健康认知有一定的帮助。

AI的出现并非为了替代医生，而是成为医生的助手，让优质医疗资源触达更多人。未来，随着技术的发展，AI还将实现“动态健康管理”——通过智能手表、AI眼镜实时监测数据，医学智能体会提前预警疾病风险，真正实现“从治病到防病”的转变。

本期编辑 邢潭