原标题：AI赋能,辅助而非替代

从数智化转型视角出发，人工智能（AI）赋能医改的核心价值体现在哪里？如何依托AI技术完善分级诊疗，构建更加公平可及、高效优质的医疗卫生服务体系？

  3月9日，由健康报社主办的“两会精英汇——AI赋能医改，传承与创新”专场，邀请卫生健康领域部分全国人大代表、全国政协委员及公立医院管理者、专家学者共话医疗AI。

全国人大代表、浙江省人民医院（杭州医学院附属人民医院）院长 葛明华

紧贴临床需求发展医疗AI

  人应该不会被AI取代，但不懂AI的人一定会被懂AI的人淘汰。当前，AI正在医疗领域不断发挥重要作用。以实现医疗、医保、医药“三医”协同发展和治理为例，“三医”要实现真正协同，关键之处在于数据贯通。这就要求不同部门的数据需要进行标准化整合与共享，破解数据整合难题。在技术层面，拥有超高算力的AI已在数据分析和整合方面展现出强大能力。

  不过，也有观点认为，在医疗领域使用AI会增加医疗风险。其实，做任何事情都存在风险，降低风险的最好办法就是掌握技术并合理合规利用。发展日新月异的AI技术与各个行业的融合度不断加深。在医疗领域，我们应该正视AI的价值，警惕AI的风险，用积极的态度去了解和拥抱AI。从实践经验来看，AI应用在医疗领域能推动诊疗标准化、规范化，还能提升医院管理效率和水平。

  目前，浙江省人民医院已在多个领域建成诊疗流程数字化系统，可以对医生的检查操作、报告撰写进行智能提醒与校验，有效提升诊疗规范性。

  当然，医疗AI的发展不能是无序的、狂野的，因为医疗的本质是治病救人，AI技术的发展必须围绕这一本质，必须时刻紧贴临床应用这个要点。目前，浙江省已建成医学生物信息数据中心，构建起涵盖人群队列库、专病数据库、诊疗数据库、健康体检数据库、科研数据库、生物样本信息数据库的“1﹢6﹢N”生物数据库体系。

  为保障数据安全，浙江省打造可信数据空间，由政府负责数据存储、安全保障等工作，让医院无需担忧数据安全。浙江省人民医院在浙江省卫生健康委的指导下牵头推进甲状腺癌专病数据库建设，预计未来二至三年将从浙江省收集几十万份数据。这些数据能为制定疾病防治政策和开展临床诊疗、科研等工作提供有力支撑。此外，浙江省人民医院还在研发重点面向基层医疗服务场景的AI辅助决策系统。该系统向基层铺开后，可以为基层医生提供有力帮助，助力解决基层医疗专家数量不足、诊疗水平有限等问题。

  有了AI的助力，医生在诊疗过程中会得到很多辅助，弥补人类判断的不足，提升诊疗的准确性。但是，受制于技术水平，现阶段的AI依然存在数据“幻觉”等问题。因此，医生必须对AI的决策结果进行核对，至少目前AI还不能代替医生作诊疗决策。在责任分担方面，当因为使用AI出现了不良结果时，责任不能全部由医生单方面承担，技术产品方、政府监管部门、伦理委员会等都需承担相应责任。我们只有构建起多方协同的责任体系，才能推动医疗AI健康有序发展。

  下一步，医疗AI想要实现可持续发展，解决数据的安全可信问题是关键，要做到数据统一标准、统一治理、统一安全，消除医疗机构的数据共享顾虑，推动数据高效流通。人才培养是医疗AI发展的关键支撑。浙江省人民医院已与多所知名高校签订协议，联合培养医学AI高层次人才，未来将不断为行业输送兼具医学知识与AI知识的复合型人才。

全国政协委员、工业和信息化部原副部长 王江平

坚持“人为主导、AI辅助”的底线

  当前，AI正以前所未有的深度和广度重塑各行各业。因为医疗决策直接关乎群众生命安全，所以该领域便成为这场变革中最受关注、也最需要审慎对待的“高压地带”。

  作为发展新质生产力的一部分，AI与医学的融合是时代发展的必然。首先，从蛋白质结构预测到靶点发现，AI正革命性地改变医药研发现状，大幅缩短了新药研发周期，提升了研发成功率。其次，AI能有效优化资源配置。比如，AI辅助影像诊断能将几分钟的读片时间缩短至几秒，为抢救生命赢得先机，极大提升了医疗服务效率。最后，AI能填补医疗资源鸿沟。通过平台化智能系统，头部医院的诊疗经验可以体系化地下沉到基层，让偏远地区的患者也能便捷地获得优质医疗资源。

  正因AI应用前景广阔，我们就更要如履薄冰。医疗领域容错率极低，一次错误的AI诊断建议就可能危及患者生命。当前，即便是最优秀的模型也存在“幻觉”风险。这种风险落到任何一名患者身上，都是不可承受之重。因此，我们应常怀敬畏之心——敬畏生命、敬畏医疗专业的复杂性、敬畏规则与伦理。

  AI应当成为医生的“超级助手”和“可信伙伴”，而绝不能成为决策主体，尤其是开具处方、作出最终诊断等具有法律责任的医疗行为。坚持“人为主导、AI辅助”的底线，是确保技术有温度、服务有人文关怀的根本前提。

  对于医疗AI的开发者而言，必须坚持全面、动态的“人机对齐”策略。所谓对齐，就是通过技术、伦理和法律框架，让AI的目标和行为始终与人类的价值观、社会规范保持一致。“全面”体现在全过程，即从数据集建设开始，就要确保数据符合循证医学要求和法律法规；在算法层面，要投入足够的“对齐成本”，保证模型质量；在应用环节，需要建立“数据飞轮机制”，让一线医生的高质量反馈能够不断优化模型。“动态”则意味着这种对齐不是一劳永逸的，需要持续迭代。

  总的来说，开发者要自律，保障开发质量，定期发布行业白皮书；社会要监督，亦需建立专业的第三方医疗AI测评机构，定期发布测评报告，防止“劣币驱逐良币”；政府要监管，需主动遴选合格模型和测评机构；司法要公正，针对新技术带来的问题，应及时出台司法解释，厘清开发者、医院、医生等各方的责任。

  当前，医疗AI发展已进入规模化应用的关键期，但面临的困难不容小觑，比如滞后的管理体制机制。一是数据壁垒亟待打破。医疗数据孤岛现象严重，标准不统一，限制了AI模型的训练与优化，这需要政府层面推动高质量数据集和医疗可信数据空间的建设。二是监管与责任体系亟待完善。我们应当在模型投入应用前，就清晰界定各方责任，避免医生不敢用、医院不想用的情况发生。三是医院的内生动力需要激发，要建立激励机制，多途径鼓励医院和医生系统化应用AI，并贡献高质量数据。

  总而言之，医疗AI的发展需要我们在态度上主动拥抱，在理念上保持敬畏，在伦理上追求对齐，在保障上深化改革。

全国政协委员、对外经济贸易大学保险学院副院长 孙洁

AI助力多层次医疗保障体系完善

  基本医疗保险目前已处于饱和状态，难以进一步拓展覆盖边界。随着人口老龄化加剧、多层次医疗服务及创新药需求的增长，仅依靠基本医保已无法满足群众多样化的健康需求，发展商业健康保险势在必行。

  老百姓对商业健康保险的期望较高，但其实际发展情况不尽如人意。2020年，国家有关部门曾提出，2025年商业健康保险保费收入将达2万亿元，但截至2025年年底，该数字仅为9900多亿元，远未达预期。尤其是商业健康保险在降低个人医疗负担方面作用有限，其支付比例仅约7%，且赔付率参差不齐，仅百万医疗险和重疾险能够盈利。由此可见，商业健康保险整体处于低水平发展状态。

  2025年出台的《商业健康保险创新药品目录》涵盖多款百万元以上高值创新药品，包括5款CAR-T（嵌合抗原受体T细胞免疫疗法）产品。《目录》的出台有利于商业健康保险进入战略支付方角色。这可为商业健康保险在用药方式、联合用药等方面争取更多话语权，进而吸引更多人参保。

  在这个过程中，AI可以发挥更多作用。AI在赋能“三医”协同发展和治理、推动医改方面有着显著的优势，可以优化医疗资源配置、提升诊疗效率、创新医疗服务模式。而商业健康保险作为医疗保障体系中的重要一员，其功能定位的实现离不开AI的助力。

  具体而言，AI可以精准匹配医疗数据供需之间的关系，让有数据需求的商业健康保险公司、健康科技公司等主体高效获取经个人授权的医疗数据。AI还能匹配健康产业与相关事业之间的关系，推动医疗数据更好地服务于大健康产业的发展，让数据这一生产要素发挥更大价值。

  需要注意的是，AI在医疗数据方面的应用，需建立在个人医疗数据要素合法合规流通的基础之上。只有实现个人医疗数据的有序流通，让健康产业主体能够获取大量真实、有效的个体数据，AI才能充分发挥资源配置作用。此外，AI在医疗数据方面的应用及相关举措要真正落地见效，不能孤立推进，必须将医疗、医保、商保结合起来，实现协同发展，让个人医疗数据真正服务于产业发展和群众需求。

声音

浙江省卫生健康委党委委员、副主任 林杰：

  建设国家人工智能应用中试基地（医疗），是浙江省卫生健康系统的重大任务。其核心使命是破解医学AI要素保障难、场景验证难、落地推广难等共性问题，着力打造“AI﹢医疗健康”中试验证高地、行业应用高地和产业生态高地。

  通过近一年的建设，基地以发展智能专科医生为方向，从目标定位、核心支撑、发展逻辑三方面推进工作，形成了具有浙江特色的建设体系。

  在目标定位上，浙江构建了“五要五给”的一站式、集成化服务体系，即要算力给算力、要数据给数据、要场景给场景、要资金给资金、要服务给服务。目前，基地已建设28个高质量数据集，遴选出16家高水平研究型医院推进医学AI产品的研发。同时，基地还提供涵盖工商注册、专利培育、人才招引、药械评审、企业孵化等服务，形成了“蚂蚁·安诊儿”医疗大模型、“安诊儿”、阿福医疗智能体等重大标志性成果。

  算力中心、数据中心、模型中心、测评验证中心、转化推广中心等五大中心是基地服务的核心支撑。其中，算力中心实现了区域算力资源统一调度，面向临床、科研等领域提供集约化AI算力支持。数据中心聚焦健康医疗数据资源化与资产化，通过整合多源、多模态医疗健康数据，提供数据治理、标注等工具，实现高质量数据产品的共建共享。模型中心面向行业提供一站式训推服务平台，研发了“蚂蚁·安诊儿”医疗大模型和具有自主知识产权的训推工具。测评验证中心通过建立科学、完善的测评体系，加快填补医学AI产品缺失科学权威测评验证平台的空白。转化推广中心开展的产学研一体化合作，可以加速医学AI科技成果顺利转化和落地应用。

  发展医学AI，建强中试基地，要统筹处理好四对关系。

  一是政府与市场的关系。坚持“政府有为﹢市场有效”，既要强化顶层设计和政策供给，防止“野蛮生长”，又要避免大包大揽，充分激发市场活力。二是技术与治理的关系。要实现发展与安全同步、创新与伦理并重、效率与公平统一。三是数字智能与实体智能的关系。坚持一手抓数字智能、一手抓实体智能，把AI的决策、执行协同起来。四是“AI﹢”与“互联网﹢”的关系。互联网医疗改善了医疗生产关系，AI医疗将极大提升医疗生产力，两者协同才能实现长效发展。

国务院参事、北京协和医学院长聘教授 刘远立：

  发展的根本动力是改革创新。当前，AI正以前所未有的深度和广度融入医疗卫生领域，成为推动医药卫生体制改革的关键引擎。AI赋能医改既是健康中国建设的重要工具和手段，又是深入推进数字中国建设、发展健康产业的重要组成部分之一。

  “AI﹢医疗健康”的发展和应用是机遇与风险并存的，而医疗行业人命关天，当然需要关注安全问题。我们应清醒地认识到，传统的经验医学本身存在局限性，医疗差错引发的安全事故并不鲜见。因此，如何利用AI减少医疗差错、提高医疗安全性，是值得医疗从业者和技术开发者高度关注并携手攻关的重要问题。

  《中华人民共和国国民经济和社会发展第十五个五年规划纲要（草案）》提出，深化拓展“人工智能﹢”，赋能经济社会发展和治理能力提升，促进生产方式深层次变革和生产力革命性跃迁。这就要求我们要推广高水平居民健康助手，扩大辅助智能诊疗在基层医疗卫生机构的应用。另外，“AI﹢医疗健康”的发展和应用对于构建我国智能化经济新业态、推动健康产业高质量发展，同样具有重大战略意义。

中国信息通信研究院医疗健康大数据与网络中心副主任 连云波：

  目前AI技术的发展态势可以称之为“超音速海啸”，其力度之大、速度之快不可阻挡。中国卫生健康行业已经充分感受到了行业变革的动力，并积极拥抱AI革命。

  AI有望成为建设健康中国的重要底层技术，可以助力“三医”协同发展和治理。将AI技术、医保资源向预防医学倾斜，可以在疾病显现之前及时防治，大幅减少末端医疗资源的消耗，进一步推动健康关口前移。

  同时，我们亦要对AI医学的使用保持敬畏之心，致力于让AI技术完成质量把控型工作，帮助医务人员减少医疗过程中的错误、提升医疗效率，而非代替医生作出决策。

  随着AI在生命科学领域应用的突飞猛进，AI虚拟病人模型可以帮助相关研究实现数据共享，避免隐私数据泄露，解决权益归属问题。同时，端到端AI虚拟药物研发实验室，可以极大加速药物研发进程，降低成本，帮助高质量研究型医院转型成为未来药物研发中心，实现公立医院的可持续发展。

首都医科大学附属北京积水潭医院总会计师、北京市卫生经济学会会长 侯常敏：

  AI是推动“三医”协同发展和治理的技术引擎。北京市通过构建“三医”协同的智能决策中枢、建设医疗AI中试基地、夯实全民健康数据底座、AI赋能分级诊疗等方式，不断推动“三医”协同从理念走向实践。

  然而，随着技术不断发展，AI参与医疗决策的程度不断加深，遭遇的挑战也不断涌现：一是责任边界越来越模糊，二是算法“黑箱”加剧追责难度，三是医生难以向患者准确告知AI参与医疗的收益和风险。因此，这就要求我们要遵循风险分级、全生命周期治理和多方共治等原则构建AI责任认定体系。

  当前医疗AI发展面临高投入与低回报、高数据需求与低质量供给、高政策期待与低制度适配三个发展难点，破局之道在于构建数据、人才、机制三位一体的支撑体系。一是建立安全可信的数据流通生态，二是夯实复合型人才底座，三是形成多方协同的产业创新机制。技术只是工具，制度才是根本，让“AI﹢医疗”真正惠及每一位患者还有很长的路要走。

首都医科大学附属北京世纪坛医院大数据与人工智能管理处处长 田宗梅：

  AI聚焦临床辅助、患者服务、运营管理三大核心维度。首都医科大学附属北京世纪坛医院立足需求，积极探索，积累了丰富的实践经验。

  在临床辅助领域，AI全方位支撑医护工作。智能检验报告系统快速综合分析多项目结果，给出诊断建议，降低漏诊风险；病历生成系统依托语音识别与内容总结，提升文书书写效率；病历质控系统自动识别逻辑错误，保障医疗文书规范，规避纠纷。

  在患者服务层面，医院上线“铁小医”智能陪诊系统，优化分诊导诊流程。同时，医院探索慢性病管理智能体，针对消化道肿瘤患者开展全周期管理，涵盖随诊提醒、健康宣教等，改善治疗效果。

  在运营管理方面，AI助力医院提质增效。在DRG（按病组付费）管理中，AI通过预分组、智能编目等实现合理控费；借助智能运营分析，动态调控诊室、床位安排，优化资源配置。

  医院在推进AI应用的过程中形成三点思考：其一，需完善医疗AI准入机制，统一临床辅助模型验证标准；其二，防范AI“幻觉”，确保辅助建议可被解释，保障医疗决策安全；其三，明确操作规范，界定AI辅助定位与责任主体，警惕过度依赖，坚守医疗质量安全底线。

中国医学科学院医学信息研究所医疗卫生法制研究室主任 曹艳林：

  AI在医疗中的应用，关键在于治理。为了做好AI的治理工作，第一，实行分级分类管理。在医疗AI的应用中，我们需要明确哪些AI应用属于服务范畴，哪些AI应用属于产品范畴。同时，按风险等级，我们可以将AI分为高风险、中风险、低风险三大类：仅用于医院运营数据管理的应用属于低风险，可积极推广使用；用于辅助诊断的应用属于中高风险，需审慎应用；用于治疗的应用属于高风险，需实施严格监管，不可随意使用。

  第二，规范人机协同模式并严守拟人化服务红线。在AI与医疗服务联合应用时，我们需要坚持人机协同、以人为本的原则。

  第三，强化患者权益保障、数据治理及风险管理。在使用AI辅助诊疗时，医生需要明确告知患者相关AI的使用情况，切实保障患者的知情权。同时，医院要加强数据治理、隐私保护及数据价值归属管理等工作，完善风险管理体系，建立监测与兜底机制，落实不良事件上报制度，设置熔断机制。