文｜白楊

哈爾濱醫科大學附屬第一醫院最近在醫療圈投下一枚“深水炸彈”——本地化部署的DeepSeek大模型正式上崗，AI預問診、電子病歷輔助等功能從實驗室走向門診一線。

這并非孤例，多家三甲醫院近年紛紛押注AI預問診系統，宣稱“縮短候診時間50%”“病歷書寫效率提升70%”。患者候診時與AI對話生成報告，醫生動動嘴就能生成規范病歷，看似“科幻”的場景已走入現實。

AI問診緩解看病難

類似的故事正在全國各地發生：河北醫大一院推出預問診服務后，患者問診時間從15分鐘銳減至5分鐘；深圳市人民醫院的“電子醫生”已服務超13萬人次，月均使用量突破2萬。這些數字勾勒出一個誘人圖景：AI似乎正在破解醫療資源短缺的世紀難題。

但效率提升的代價是什么？當醫院宣稱AI問診節約大量醫療人力時，鮮少有人追問：這些被“釋放”的時間，是轉化為更多接診量，還是淪為計算投資回報率的工具？

與此同時，資本市場上，醫療AI概念股一路飄紅，據IT桔子數據顯示，2023年前三季度國內醫療AI融資總額已達78億元。這場由技術、資本、政策共同驅動的醫療效率革命，是真能破解“看病難”，還是又一場華麗的敘事？

隱私保護or商業籌碼

效率提升的另一面，是數據安全的達摩克利斯之劍。哈醫大一院表示“數據不出院”，依托華為昇騰算力構建私有化部署，用50萬份脫敏病歷訓練模型。深圳的醫院則與騰訊合作，系統“吃透”百萬套醫學考題、12萬篇專業文獻，病歷小結準確率87%。

2024騰訊全球數字生態大會上，深圳市人民醫院院長耿慶山在發言中強調，數據安全問題是醫院在采納AI技術時面臨的主要挑戰。

醫療AI的命脈是數據。在看似安全的背后，一個更尖銳的問題浮現：這些數據最終是為患者服務，還是從診療工具變為生產資料，患者知情同意書上的條款，是否能真正擋住商業變現的洪流？

醫生會成為AI的“質檢員”嗎？

當上海某醫院的AI陪診機器人“公濟小壹”在導診臺忙得不可開交時，哈爾濱醫科大學附屬第二醫院的超聲科醫生卻在為AI導航系統叫好——這套設備響應速度突破毫秒級瓶頸，可顯著提升早期微小病灶的檢出率，降低漏診風險。

這似乎印證了醫療AI的正確打開方式：不是替代醫生，而是成為 “超級放大鏡”，讓經驗不足的醫生獲得專家級視野。

但是AI問診對患者主觀描述的依賴過大，暴露出致命弱點——當帕金森患者說不清“手抖頻率”，當老人把“便血”說成“拉肚子”，冰冷的算法永遠無法捕捉醫生眼中的焦慮與蒼白。

盡管醫院強調“AI輔助、醫生決策”，但現實已顯端倪：深圳某三甲醫院的AI預問診系統，可自動生成診前報告并推薦用藥方案；河北的系統中，AI甚至標記檢驗報告異常值，直接向患者推送健康建議。當AI越來越“像”醫生，職業價值的重構不可避免——年輕醫生可能淪為AI結果的校驗者，而資深專家的經驗正被算法解構為可復制的數據模型。

更值得警惕的是“算法黑箱”。當患者因AI誤判延誤治療，該由醫院、廠商還是算法擔責？這個問題，至今沒有標準答案。醫療AI的狂飆突進映射出一個分裂的現實：一邊是技術派高歌猛進，用“分鐘級效率”描繪智慧醫療藍圖；另一邊是倫理派憂心忡忡，警惕技術異化侵蝕醫患信任。

或許真正的破局之道，不在于追求AI替代人，而在于重構醫療價值體系——讓算法服務于人文關懷，讓數據流動遵循醫療本質，讓效率提升反哺公益性而非資本報表。