在醫療數字化浪潮中，人工智能(AI)正加速進入臨床實踐。從影像識別、檢驗報告到輔助決策，AI正在重塑醫生的工作方式，也在悄然改變著患者的就診體驗。AI能取代醫生嗎？面對這位“智能醫生”，患者該如何理解它、使用它？它又如何成為醫生的“眼睛”與“大腦”？

　　近日，本報記者專訪中國醫學科學院阜外醫院心律失常中心原主任、民盟中央衛生與健康委員會主任張澍，中國醫學科學院腫瘤醫院胸外科主任醫師、民盟中央衛生與健康委員會副主任邵康，首都醫科大學附屬北京朝陽醫院超聲醫學科副主任、農工黨北京市委會聯絡工作委員會委員于澤興，從心臟、肺部、超聲診斷三個不同領域，探討AI在臨床中的角色與邊界。

　　張澍：AI是“標準答案”而人的健康是主觀題

　　當深度學習算法僅用0.8秒便可完成冠脈的三維重建，當神經網絡在2000萬份心電圖中精準捕捉到異常波動，人工智能正在深刻改變心血管診療的基礎邏輯。

　　“AI的本質是一套算法，它建立在海量的醫學知識和臨床數據之上。”張澍介紹，在臨床應用中，配備AI技術的影像設備能夠在極短的時間內，從成千上萬張圖像中精準定位異常病變點，協助醫生識別早期心臟結構的異常、冠狀動脈的鈣化以及心肌的肥厚?！斑@種高效的判斷，甚至能夠超越人眼。”

　　在他看來，這正是人工智能的優勢——速度快、處理量大、分析深入，最終目標是精準。然而，目前存在兩種極端觀點：一種認為AI已經能夠取代醫生，另一種則認為AI在醫療領域的應用并不可靠。張澍認為，通過大量案例和指南的“喂養”，AI能夠迅速提供針對常見疾病和輕微病癥的標準化診斷和建議。“你無法期望一個初出茅廬的年輕醫生立即獨立擔當重任，然而，一個新入行的AI卻能夠整合眾多資深醫生的豐富經驗，迅速提供標準化的解決方案。這使得AI成為輔助診療過程中的得力助手，尤其在處理常見疾病或那些已有標準化治療方案的病例時，AI可充當‘虛擬醫生’的角色?！?/p>

　　然而，張澍強調，這種能力并不能無限制地擴展。人工智能在識別“共性”疾病方面表現出色，但人類的健康問題往往是一道“主觀題”，其中包含著復雜且難以量化的“個性”因素。在處理復雜的心血管疾病，如心律失常時，AI技術能夠協助醫生快速識別潛在風險和心電圖異常。然而，要深入理解疾病發展的全身性原因和動態變化過程，醫生的臨床經驗和對患者個體狀況的精準評估則顯得尤為重要?！靶呐K并非獨立運作的器官，其健康狀況及功能表現受到心理狀態、整體環境、生活習慣等多種因素的共同作用。”張澍指出。

　　例如，焦慮的個體可能會經歷胸悶和心悸等癥狀，這些不適感源于情緒對心臟功能的影響，而非心臟存在任何器質性問題?！凹幢鉇I技術再先進，目前它仍無法準確判斷一個人是否正承受心理壓力、睡眠障礙，或是家庭與環境的變動。目前我們所提供的訓練數據遠遠不足，因為與‘心’相關的人的整體狀態，往往不是僅憑臨床‘指標＋圖像’就能完全闡釋的?！睆堜M一步補充道。

　　目前，隨著AI技術從后臺支持走向前臺服務，它不再局限于為醫生提供輔助決策，而是開始直接與患者互動，參與初步的問診過程，問題也開始逐漸顯現。“部分患者對‘AI問診’平臺抱有過分的信任，認為通過回答幾個問題、獲取一份報告便能替代與醫生的面對面咨詢”，張澍提醒，盡管AI平臺能夠利用算法模型初步識別患病風險并提供標準化建議，但由于它缺乏對“人心”的真正理解，有時反而可能導致病情延誤。

　　“AI可以是一個優秀的‘起點’，但絕非‘終極診斷’系統?！睆堜鴱娬{，特別是在心血管領域，許多疾病的早期跡象微弱到幾乎難以察覺，例如偶爾的心悸、輕微的乏力，患者常常不以為意。然而，這些看似普通的癥狀背后，可能隱藏著嚴重的心律失常風險。這類復雜且隱蔽的病情，單憑一臺AI、一次線上咨詢，是無法實現精確識別的。

　　如何把握AI在現代臨床實踐中的應用？張澍生動地描述道：“從傳統的水銀血壓計到現代電子血壓監測器，從聽診器到先進的可穿戴心電監測設備，醫學領域一直在進步和演變。AI的融入，正是這一持續發展過程中的一個環節，而且它代表了一次真正的革命?！?/p>

　　而對于患者而言，未來的醫療不是“人退AI進”，而是“人機共治”，將科技的速度與人性的溫度融為一體，用AI的“理性判斷”與醫生的“經驗推理”實現更精準的診療。醫學AI的終極形態，并非取代人類在希波克拉底誓言下的深思，而是將機器數據的確定性轉化為臨床過程的潛在可能性，加速并優化診療流程。在這個人機共存的診療新時代，每一次心跳既是生物電信號，也是生命故事的獨特旋律。

　　邵康：AI是個“好學生”但還不是“好醫生”

　　作為深耕一線的資深胸外科專家，邵康對人工智能在醫療領域的應用有著深刻洞察：“AI就像個過目不忘的超級學霸，堪稱醫生的‘超級大腦’，是極具潛力的臨床助手。”

　　從最基礎的病歷書寫、病情錄入，到門診中的影像識別、輔助診斷，再到初步治療方案的建議，AI幾乎可以覆蓋醫生工作的各個環節，邵康介紹：“它的最大優勢是穩定、全面、不疲勞，能承擔大量重復性工作。尤其在圖像處理方面，AI的表現已經超過了許多經驗尚淺的醫生?！?/p>

　　以肺結節篩查為例，傳統閱片模式下，醫生每看一個病人，需要手動翻閱300至400張 CT斷層圖像，不僅耗時耗力，還易出現視覺疲勞導致漏診。而 AI憑借深度學習算法，可在數秒內完成全肺掃描，不僅能精準標注病灶位置，還能量化分析結節大小、密度、邊緣特征等參數，并基于大數據模型給出初步良惡性概率評估。

　　“以往對一位患者的影像判讀需5至10分鐘，現在 AI輔助下僅需數秒即可完成初篩。”邵康提到，這種效率的提升，顯著優化了診療流程，讓醫生得以將更多精力投入到復雜病情研判與個體化治療方案制定中。

　　對于肺癌影像診斷的準確率，AI已能與經驗豐富的主治醫師比肩。臨床實踐中，醫生只要輸入準確的疾病相關信息，AI就可以根據指南、共識給出全面、準確的疾病診療方案供醫生參考。

　　邵康直言：“對于知識更新滯后的從業者而言，部分成熟的AI系統確實展現出更強的知識儲備與分析能力。”然而，在肯定技術優勢的同時，邵康反復強調 AI的臨床應用邊界：“醫學的本質是針對‘生病之人’，而非僅僅是‘疾病’?！?/p>

　　臨床實踐中，患者的基礎狀況、心理狀態、生活環境等信息，往往是左右診療決策的關鍵變量。這些難以量化的“隱藏參數”，恰是 AI當前的技術盲區。

　　于澤興：超聲不是“看圖說話”那么簡單

　　當人們談論人工智能對醫療行業的影響時，影像科常常被視為“最容易被AI替代”的領域，甚至有人斷言，AI時代最先“下崗”的，將是影像科醫生。

　　“確實，從很早開始，就有團隊嘗試將AI引入影像診斷，尤其在放射科領域應用較多。”于澤興介紹，像X光片、CT片這類標準化的平面圖像，非常適合深度學習算法進行訓練與識別，因此AI在這些領域的發展起步較快。

　　不過，作為醫學影像中的重要分支，超聲科的情況卻遠比想象中復雜。于澤興指出，雖然超聲也是較早引入人工智能技術的科室之一，并積累了一定的探索經驗，但要讓AI真正扮演臨床“決策者”的角色，還面臨諸多挑戰。

　　在甲狀腺、乳腺等結構清晰、圖像穩定的部位，有的軟件已經具備初步的輔助診斷能力，可以在醫生操作過程中自動識別結節并評估其風險等級，其表現相當于一位年輕的主治醫生。

　　然而，這種應用目前仍局限于少數場景。“因為超聲檢查本質上是一個動態探查的過程，它不只是‘看圖說話’，醫生需要一邊操控探頭，一邊觀察屏幕上不斷變化的圖像，在瞬息之間捕捉關鍵線索。”于澤興表示，這一過程中，醫生的感知、操作和認知能力缺一不可，經驗遠比圖像本身更為關鍵。

　　“胖的人、瘦的人，器官的位置和形態不一樣，超聲醫生掃查時的角度、范圍、按壓的力度都不同，需要實時調整、因人而異?！庇跐膳d說。“這些操作細節，都是AI目前難以勝任的。”

　　那么，如果僅從圖像分析來說，患者是否可以上傳報告，在AI上獲取“診斷建議”？

　　于澤興提醒，這種做法存在不小的安全隱患，比如甲狀腺的某些結節，從圖像上看與惡性腫瘤極為相似，AI可能會直接標紅提示風險，“但如果結合患者既往的檢查記錄，可能會發現這些結節原本較大，隨著時間逐漸縮小，是一種良性的退變結節。而這種需要綜合病史、遺傳史乃至病程變化作出的判斷，是當前AI尚不具備的能力?！?/p>

　　不過，應該看到的是，在目前超聲醫生資源緊張的背景下，無論是三甲醫院還是基層機構，合理引入AI，將在一定程度上緩解人力壓力。“技術無法取代醫生的經驗和判斷，但它可以成為醫生的工具，為他們加一雙‘眼’、多一雙‘手’，把專業力量用在更需要的地方?！庇跐膳d說。(完)(《中國新聞》報劉益伶報道)