王昱涵 绘

　　如今，AI医疗问诊广告铺天盖地，从电视节目、手机软件到公交车站、商务楼电梯，随处可见。

　　被魔性广告词洗脑的刘玉今年30岁，患有大大小小五六种慢性病，每个月都得跑两三次大型三甲医院，一次就得耗费四五个小时的时间。抱着试一试的心态，她下载广告中的AI问诊软件，尝试让AI医生为自己看病。

　　AI问诊的界面简洁明了、操作直观。不到1分钟，AI就反馈了初步判断，并附上用药建议。

　　短短几分钟，刘玉就完成了以往需要数小时才能走完的问诊、开药、购药全流程。她既惊叹于这种高效，又担忧AI是否靠谱。

　　2025年起，随着国产大模型技术实现显著突破，多家企业纷纷推出医疗智能体产品，如医联的“未来医生”、京东健康的“AI医生大为”、蚂蚁集团的“阿福”等。

　　AI问诊是否可信?它会胡说八道吗?能在多大程度上替代真人医生?用户的医疗数据又如何得到保护?这些问题成关注焦点。

　　AI为啥能看病

　　“事实上，从搜索引擎时代开始，医生对专业知识的垄断就已经结束。”北京大学医学人文学院教授王岳认为，AI问诊的出现并不突然，它更像是搜索引擎的进阶版，能够为患者提供量身定制的回答。

　　相比于DeepSeek等通用大模型，医疗类AI产品需要更专业、更可靠的决策支持。据京东健康探索研究院专家刘慧介绍，AI之所以能像医生一样看病，关键在于医学知识的投喂和真人医生的辅导。

　　AI医生出师前需要经历两大阶段的训练。首先是上学，就像医生在学校上课一样。通过输入大量公开的医学资料，让AI掌握基本的医学知识和诊断方法。

　　接着是实习，类似于医生在医院规培。使用数万条真实医患问诊样例，让AI学习标准问诊流程，锻炼AI的推理能力。最后在模拟环境中与虚拟病人交互，通过真实医生反馈提高准确性。

　　当前市场上各公司的AI问诊产品，主要可以分为“给普通病人用的”和“给医生用的”两大板块。

　　对于“给普通病人用的”的产品，用户只需在产品界面按照AI引导，一步步输入症状、患处照片，AI便能给出咨询建议。

　　第二类则是医生助手。医生在诊断或科研中遇到问题时，AI医生助手产品能够查询相关指南、论文，并基于这些专业资料回答医生问题;在医生线上诊疗流程中，还可以自动生成病历摘要、推荐检查项目或预警药物相互作用等。

　　“AI问诊的优势就是‘方便’。”王岳表示，由于国内目前尚未建立完善的分级诊疗制度，民众生病后不愿找基层全科医生，而是直接涌向三甲医院，导致三甲医院人满为患，就医体验不佳，因此，AI问诊成为一种自然选择。王岳认为，除了方便病人，AI还可减轻医生工作强度，从而让医生处理更复杂问题。

　　北京市海淀医院院长张福春认为，对于诊疗水平不足的年轻医生和基层医院而言，如果能借助AI习得优秀医生的经验和能力，是一个难得的“弯道超车”的机会。

　　AI误诊由谁负责

　　不少人都曾遇到过AI看似专业却给出错误信息的情况，如果出现误诊，责任该由谁承担?

　　刘慧认为，首先需要明确一个基本认知：AI的目标是模拟真人医生的远程问诊，而不是取代线下问诊。“网络问诊永远无法替代物理检查，即便对面是真人医生，远程问诊也存在这样的局限性。”

　　目前AI问诊更适用于看影像片子、体检报告，处理一些轻微症状或突发状况，也可用于慢性病管理、分诊建议等。

　　针对大模型与生俱来的幻觉，刘慧解释说，这是大模型这种生成式技术本身的特点造成的，在医疗领域，这是致命伤。为解决这个问题，最直接的办法是使用专门为医疗领域研发的AI模型，且在知识检索增强(RAG)阶段仅采用医疗循证知识库，而非检索网络公开资源，这样能确保它的判断都是基于真实的医学文献和病例记录。

　　刘慧还提到，医疗AI得出的每一个参考建议都要有明确的证据支持，可以追溯来源，这样才能验证这个结论是对是错。

　　不过，另一个挑战是患者常常表达不清，可能会漏掉一些关键信息，这导致AI在初期可能会理解错误。刘慧介绍，现在的AI已经能更好地理解言外之意，或对用户表达模糊的话进行主动澄清。

　　例如，用户说“老人经常呕吐白痰”，大模型会主动问询是呕吐行为，还是咳痰行为，并解释两种行为的特点和区别。

　　在准确性评估上，刘慧表示，目前京东健康AI辅助诊断的top5准确率(即给出的五个诊断建议中包含正确答案的概率)达97%，第一个建议正确率约80%。测试使用了数万条历史病例数据，并以线下医生的诊断结果作为标准答案。

　　目前，关于如果AI误诊该由谁负责的问题，还没有专门的法律规定。北京航空航天大学法学副教授赵精武指出，AI问诊并不能独立完成诊断或治疗，它更像是一个医疗小助手，最终的诊断结果还是由医生决定，因此医疗事故的责任仍然由医生或相关医疗机构承担。

　　赵精武进一步解释，AI问诊结果不准确是技术发展过程中的客观现象，法律上不可能要求开发方为技术无法实现的目标负责。但如果开发方或服务商在宣传中夸大AI的准确性，导致患者相信错误结果而受到伤害，那么他们可能需要承担产品责任。

　　现在，市面上的AI问诊软件几乎都会标注类似“建议仅供参考，如有健康问题请及时就医”的提示。刘慧介绍，现在业内对“AI+医疗”的共识仍是“辅助诊疗”。

　　“就怕医生像AI”

　　“如果AI足够可靠，未来愿意接受它的人肯定会越来越多。”刘慧说，长远目标是让AI成为用户的全周期健康助手，从疾病预防、诊断辅助到康复都能提供优质服务，从而缓解医疗资源分布不均问题。

　　但要训练出可靠的AI模型，离不开高质量的医疗数据。然而，多位业内人士指出，目前国内医疗数据共享不足，且缺乏统一标准，制约了AI医疗产业的发展。

　　实际上，中国并不缺少医疗数据。国家卫健委发布的卫生年鉴显示，2024年全国卫生机构总诊疗人次高达101.5亿，由此产生的医疗数据预计超过百亿条。

　　但问题在于，各家医院的数据标准不统一，质量参差不齐，不少数据还存在错误、遗漏或不完整的情况。此外，大量数据以文本、影像等非结构化形式存储，管理和整合起来相当困难。

　　目前，京东健康的医疗数据主要来自京东互联网医院、有课题合作的大型公立医院和区域数据中心。刘慧建议，在加强隐私保护的基础上，应提升数据的一致性和质量，实现不同医院间患者病历的互联互通，支持AI模型的持续学习。

　　2025年12月，北京市卫健委发布文件，明确将汇总医疗数据、制定高质量数据标准，并对这些数据合理估值后逐步向社会开放。上海和浙江也有类似政策出台。

　　监管上，王岳建议采用社会共治模式，让政府、行业协会和企业共同参与。应当对AI运营商实行“无过错责任原则”，即一旦发生损害就需负责，除非能证明无过错，并通过保险来分散风险。

　　刘慧则强调需要明确各方责任，比如研发方负责算法安全和数据合规，监管方监督执法和制定标准，用户也应理性看待AI建议。她提议借鉴自动驾驶的分级制度，为医疗AI制定规范。例如，L1级别可用于信息辅助，L2级别可提供提示建议，而更高级别需谨慎应用。

　　去年，王岳因为喉咙不舒服咨询AI，结果AI说可能是肿瘤。不久他挂了线下专家号，医生只用压舌板看了看就判断是普通咽炎。

　　王岳认为，这正是AI最大的局限性——忽略每个人的差异，但更让他担心的是，现在一些医生过度依赖检查报告和影像片子，像流水线上的产业工人一样看病，而不重视临床经验和技能，这种机械性的工作AI完全可以取代。不怕AI像医生，就怕医生像AI。

　　据2月10日央视网