AI医疗技术应用进展 - 浙江大学医学院附属邵逸夫医院将DeepSeek R1大模型接入自研医学垂直大模型，构建AI主动健康管理平台，实现快速解读检查报告、自动生成主检报告及个性化疾病预防建议 [2] - 该平台通过智能穿戴设备实现7×24小时实时监测心率、血压、血氧等关键生命体征，异常时立即预警并提供干预措施 [2] - 浙江医院"智慧重症"系统累计录入5000余例患者数据，年使用超1600次，可提前8小时识别VAP等感染风险，预测24小时重点疾病发生率 [3] - 浙江医院发布重症专科大模型Maicim 1.0，辅助医生进行多模态脏器评估和智慧查房，提升病历文书和智能交班效率 [4] AI医疗的局限性 - 当前AI诊断准确率约80%，但医疗领域更关注剩余20%的错误率，技术架构仅能提供"统计最优解"而非医疗所需的"绝对正确性" [6][7] - AI无法进行面对面问诊，不能观察患者细微症状、提供情绪价值或判断患者描述真实性，可能导致错误诊疗方案 [6] - 医疗数据敏感性和隐私保护需求使数据共享复杂化，部分医院选择大模型私有化部署以避免泄露风险 [7] - AI仅能辅助诊断，不能取代医生诊疗或开处方，尤其面对不典型病例时临床经验至关重要 [7] 互联网医疗平台乱象 - 部分平台存在"先选药后配方"现象，AI自动生成处方流程形同虚设，用户未描述症状即可获得处方药 [8][9] - 某电商平台购买处方药"头孢克肟分散片"时，仅勾选预设选项即可通过AI问诊获取电子处方，未实际审核病情 [9] - 正规互联网医院仅对复诊患者提供在线续方服务，但部分平台疑似使用AI工具为首诊患者违规开方 [10] 政策监管框架 - 国家卫健委明确AI作为医疗器械管理，设备缺陷导致误诊时患者可向医院和厂商共同追责，但医生仍为诊疗结果主要责任主体 [10] - 《人工智能医用软件产品分类界定指导原则》强调医疗AI的定位是提升效率而非替代医生，技术失误不能成为医术不精的借口 [10]