行业核心观点 - 医疗行业对人工智能的应用存在显著分歧 核心争议在于AI是否会阻碍年轻医生临床思维的培养以及如何应对AI可能出现的错误 [1][3][6][9][11] - 人工智能在医疗领域的应用已进入广泛探索与实践阶段 国家及地方层面均出台了指引并涌现出大量应用案例 [4] - 行业共识在于AI是提升效率、减轻文书负担的强大工具 但对其角色定位应是辅助而非替代 关键在于使用者的甄别与把关能力 [5][6][9][12] 人工智能医疗应用现状 - 国家卫健委于2024年11月出台指引 列举了80多条具体应用场景建议 [4] - 广东省卫健委2025年7月公布的第一批案例名单包含289个应用场景案例 [4] - 应用最广泛的场景是医学影像智能辅助诊断 有73个案例 其次是临床专病智能辅助决策(25个案例)、智能门诊分诊(18个案例)、智能病历辅助生成(15个案例)等 [4] - 当前临床医生对AI的应用探索主要集中在专病辅助诊断、病历辅助及文书质控几个领域 [5] - 医学影像AI能帮助医生发现毫米级别转移瘤 若仅靠医生判断 5毫米以下结节可能有60%会被漏掉 [11] 关于临床思维培养的争议 - 反对过早依赖AI的观点认为 年轻医生需要通过“手把手”带教和系统训练来建立临床思维与鉴别能力 直接使用AI可能导致其无法判断AI结论的对错 [3][6][7] - 支持积极应用AI的观点认为 用非AI时代的思维思考AI时代的医学教育是“刻舟求剑” AI能快速处理繁琐工作 使医生能腾出时间聚焦于手术、临床研究等更具创造性的领域 [6][9] - 有观点指出 医学教育的核心应是点燃好奇心与进行价值观陪伴 AI可以帮助教育者减少重复劳动 从而设计更多激发创造力的教学活动 [10] 人工智能的应用价值与局限 - AI能显著提升工作效率 例如将整理肿瘤患者病史的时间从两三个小时压缩到半小时以内 [6] - AI在文书处理上能避免低级错误 如错别字、性别混淆等 [5] - AI目前存在短板 包括内网系统无法联网搜索纠错、分析模式固化、可能将血管误认为肿块以及语音转文字错误等 [11] - AI会犯错是无法回避的问题 但人类医生和文献同样会出错 关键在于使用者需具备甄别与校验能力 [12] 行业对AI错误的责任界定 - 应对AI可能犯错的核心思路是“谁把关 谁负责” 目前AI在医院的使用均由人工进行最终把关 [12] - 使用者的知识越丰富、能力越强 则越能发挥AI的能力并辨别其正确与否 [12]