行业趋势：数智技术加速融入医疗行业 - 人工智能等数智技术正加速融入千行百业，不断开辟新的应用场景，持续改变人类的生产生活方式 [1] - 从导诊机器人、医学影像肿瘤早筛到人工智能大模型，“生病问AI”成为引发关注的趋势 [4] 应用场景：AI在诊疗环节的具体应用 - **预问诊与分诊**：北京清华长庚医院开发肝病全周期管理大模型，可基于患者症状进行预问诊并给出分诊建议，准确率较高 [4] - **患者自我教育**：患者利用AI大模型根据自身病史和检验数据获取初步疾病解释和诊疗方向，相当于提前进行疾病科普，有助于提升医患沟通效率 [5] - **医学影像辅助诊断**：对于直径小于5毫米的结节，使用AI后检出率较医生肉眼检出率显著提升 [6] - **手术规划与三维重建**：AI三维重建算法能对肺部复杂结构进行更精准呈现，提高解剖结构准确识别率 [6]；在关节置换手术中，AI可通过分析CT数据结合历史模型，提前精准预测所需假体型号，减少资源浪费 [6] 行业现状：AI的辅助价值与当前局限性 - **医生态度**：医生普遍认可AI在辅助诊疗方面的价值，但对AI给出的具体结论或治疗建议仍持审慎态度 [9] - **信息过载风险**：AI生成的详尽报告可能列出所有可能出现的问题，导致患者产生困惑或恐慌，而许多假设并不具有临床意义 [9] - **诊断复杂性**：疾病常是多因素叠加的系统性问题，仅依靠患者提供的症状描述，AI很难得出准确诊断 [9] - **无法替代临床经验**：面对不典型病例或多病共存情况，经验丰富的医生能捕捉细微症状和体征，这是AI目前难以企及的 [11]；AI在诊疗时可能遗漏患者未主动提供的关键细节，导致建议失之偏颇 [11] - **人文关怀缺失**：AI很难为患者提供心理支撑，而医学的温度需要通过医生来传递 [12] 技术挑战与发展方向 - **“AI幻觉”问题**：AI大模型在生成内容时存在编造信息的现象，例如将无诊断价值的“干扰信号”判断为病变，或杜撰医学名词出处和虚构参考文献 [12] - **改进路径**：需从算法和数据两方面着手，严格把控数据的唯一性和准确性，并提升AI在真实环境下的抗干扰性与可靠性 [12][13] - **可解释性需求**：AI的决策过程像“黑箱子”，发展方向是让AI更“透明”，解释决策得出的路径 [13] - **“通专结合”**：AI下一步发展是在大模型基础上，结合垂直场景进行任务深挖，并研究如何将顶尖医生的经验在AI上复现 [13] 监管与法律框架 - **监管归类**：国家药品监督管理局已明确，利用AI进行疾病诊断、辅助决策、影像识别等的医用软件属于医疗器械范畴，必须按照医疗器械法规进行注册和监管 [14] - **责任认定挑战**：AI应用的开发部署涉及多个环节和主体，责任链条的拉长和分散使得出现问题时难以锁定责任承担者 [14] - **权责区分**：患者使用AI问诊，AI的回答不需要负法律责任，而医生需要对病人的诊疗结果负责 [14]