行业政策与规划 - 国家卫健委于2023年11月发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确了众多AI应用场景 [1] - 北京市卫健委于2023年12月印发《北京市支持医疗健康领域人工智能应用发展行动计划（2026-2027年）》及《北京市医疗健康领域支持人工智能产业创新发展若干措施（2026-2027年）》 [2] - 北京市在2025年成功获批首批国家人工智能应用中试基地，计划于2024年进行建设 [3] - 西城区卫健委计划在2024年依托一体化平台构建健康大数据与人工智能底座，以推动更多“AI+医疗”应用场景落地 [4] - 有建议提出，应将医疗人工智能纳入健康城市与数字化治理的重要布局，促进产业、医院、科研、监管协同发展 [10] 临床应用现状与案例 - AI辅助诊断、病历书写、预问诊等功能已在线下医院开展应用 [1] - 首都医科大学附属复兴医院自2024年下半年起，逐渐引入肺结节影像辅助诊断、DeepSeek检索、AI导诊等系统 [4] - 北京市二龙路医院已开始使用AI预问诊、电子病历书写、辅助诊断等功能 [4] - 已出现北大医院肾病模型、同仁医院便携式眼底相机、安贞医院“先心安”模型等具体AI医疗产品 [3] - AI在影像识别、病理判读、随访预测、科研建模等领域展现出较高效率，可缩短诊断时间、减少人为误差并提升决策一致性 [3] - AI在分级诊疗、临床科研转化、慢病管理、居家监测等场景中能发挥较大作用 [3] 技术潜力与具体研发 - 针对新生儿膈疝，全球出生缺陷结构畸形产前诊断准确率平均仅为30%-60%，AI大模型研发旨在帮助基层超声医生识别有救治可能的胎儿 [2] - 经过训练的AI可通过脏器质地、边界、位置关系、毗邻情况等特点对新生儿膈疝做出辅助诊断，扮演外科医生的角色 [7] - AI可作为一种可能性提示，帮助超声医生发起远程会诊申请，实现大医院外科医生的线上会诊和指导 [7] 面临的挑战与担忧 - AI的准确性并非百分之百，其学习基于既往信息数据，但在真实医疗场景中的表现并不完全稳定 [6] - AI模型难以处理医疗决策中涉及的患者经济承受能力、家庭支持系统、心理状态及文化背景等人文伦理因素 [6] - 有医院因AI辅助诊断功能输出速度较慢、结果实用性不强而主动关闭该功能，目前仍处于摸索体验阶段 [6] - 存在对年轻医生过早使用AI可能改变其训练过程、未来难以鉴别AI对错的担忧 [5] - AI面临临床适用性不足、责任划分机制缺乏、临床疗效与长期安全性评价不足、基层可及性不足、数据治理与隐私风险等问题 [9] 产业发展与商业化瓶颈 - AI研发需要资金支持，但目前缺乏专门的投入，建议建立AI妇幼专项定向支持资助 [8] - 目前人工智能辅助影像学诊断缺乏成熟的医院收费系统和医保报销申请机制，商业化落地问题亟待解决 [8] - 建议在产品通过评审并获得上市许可后，在产品定价、医保准入等方面出台支持政策，以推动临床科研成果转化 [8] 规范发展与未来建议 - 建议建立人工智能医疗产品的临床准入与分级评价体系，由卫健委牵头，联合药监、医保与行业协会，参考药械监管体系 [9] - 评价体系应包括分级准入标准、真实世界临床评估机制、数据透明与算法可解释要求、不良事件与偏差报告制度 [9] - 建议在试点阶段明确责任划分：医生使用AI属于“辅助决策”，决策权仍在医生；厂商对模型算法与产品质量承担主体责任；医疗机构承担使用与验证责任 [9] - 行政监管部门应建立纠纷处理机制，避免因责任模糊影响技术推广 [9] - 建议选择社区卫生服务中心、二级医院或康养机构开展示范应用，形成可推广模式，为未来纳入医保支付提供依据 [10]