【导(dǎo)语(yǔ)】在(zài)数(shù)字(zì)化(huà)浪(làng)潮(cháo)下(xià)，AI已(yǐ)广(guǎng)泛(fàn)渗(shèn)透(tòu)医(yī)疗(liáo)健(jiàn)康(kāng)领(lǐng)域，从(cóng)影(yǐng)像(xiàng)识(shi)别(bié)到(dào)健(jiàn)康(kāng)管(guǎn)理(lǐ)，“AI看(kàn)病(bìng)”成(chéng)为(wèi)热(rè)门(mén)话(huà)题(tí)，甚(shén)至(zhì)有(yǒu)AI系统通过主任医师级考试。面对“AI是否会取代医生”的疑问，本文将剖析AI在医疗诊断中的真实能力与局限，探讨人机协作模式，展望未来医疗发展方向。

作者：马敏 中国人民解放军陆军军医大学第一附属医院（西南医院） 副主任医师 副教授 博士研究生

审核：贺勇 四川大学华西医院 主任医师

在数字化浪潮席卷全球的今天，人工智能（AI）技术已渗透到人们生活的各个领域。AI在医疗健康领域的应用也越来越广泛。从影像识别到病理分析，从药物研发到健康管理，AI正以前所未有的速度改变着传统医疗模式。

随着AI的崛起，“AI看病”成为热门话题，各大医院纷纷引入AI辅助诊断系统，互联网医疗平台推出AI问诊服务，甚至有些AI系统已经能够通过主任医师级别的专业考试。面对这一趋势，人们不禁要问：“AI最终会取代医生吗？”本文将带您深入了解目前AI在医疗诊断中的真实能力与局限，探讨人机协作的最佳模式，并(bìng)展(zhǎn)望(wàng)未(wèi)来医疗的发(fā)展(zhǎn)方(fāng)向(xiàng)。

图1 版权图片 不授权转载

一(yī)、AI医(yī)疗(liáo)的(de)崛(jué)起(qǐ)：从(cóng)辅(fǔ)助(zhù)工(gōng)具(jù)到(dào)“超级助手”

AI在医疗领域的应用已取得显著进展。当前，AI系统能够快速分析海量医学数据，包括患者的症状描述、病史记录、实验室检查结果、影像学资料及病理资料等，在短时间内生成初步诊断建议。这种高效性使AI成为医疗资源紧张背景下的一剂“良方”。在放射科、病理科等依赖图像识别的专业领域，AI的表现尤为突出。

AI医疗系统的优势不仅体现在效率上，还表现在其强大的知识储备和持续的学习能力上，强大的数据处理能力使AI成为医生的“超级助手”。不同于人类医生需要多年培训和实践才能积累经验，AI可以通过机器学习算法在短时间内“消化”数百万份病例资料、临床指南和最新研究文献。2025年7月16日，由复旦大学附属中心医院葛均波院士团队与英国帝国理工学院等机构合作的全球首个基于AI增强心电图（AI-ECG）生存神经网络模型，能够同步诊断现有疾病并预测未来中重度心脏瓣膜反流发生风险的研究成果发表在(zài)《欧洲心脏杂志》上[1]。2025年7月28日，世界(jiè)AI大(dà)会(huì)现(xiàn)场(chǎng)，中(zhōng)国科学院王建安院士推出的AI分身——“Jack安心智能体”正式上线，内容覆盖300余(yú)个(gè)典(diǎn)型瓣膜病问题，智能体不仅具备常见症状问答能力，还可以接入部分智能手表、血压计等家用设备，获取血压、脉搏、心电图等数据，旨在探索如何在院后管理中为心脏瓣膜病的患者提供更具联系性和专业性的支持。

图2 版权图片 不授权转载

AI医疗的另一重要价值在于提升“医疗可及性”。在传统医疗模式下，优质专家资源往往集中在少数大城市(shì)的(de)三(sān)甲医院，普通患者，尤其是偏远地(de)区(qū)居(jū)民(mín)，面临“看专家难、看专家贵”的困境。而(ér)AI赋(fù)能(néng)的(de)在(zài)线(xiàn)问(wèn)诊(zhěn)平(píng)台(tái)打(dǎ)破(pò)了(le)时(shí)空(kōng)局(jú)限(xiàn)，这(zhè)种(zhǒng)普(pǔ)惠(huì)性(xìng)医(yī)疗(liáo)服(fú)务(wu)对(duì)于(yú)缓(huǎn)解(jiě)我(wǒ)国(guó)医(yī)疗(liáo)资(zī)源(yuán)分(fēn)布(bù)不(bù)均(jūn)问(wèn)题(tí)具(jù)有(yǒu)重(zhòng)要(yào)意(yì)义(yì)。

值(zhí)得注意的是，AI在医疗行政流程优化方面也发(fā)挥(huī)着(zhe)重要作用。国内很多单位将AI介入门诊、住院系统，可将医生撰写病历的时间大幅缩短，仅需短暂的语音交互就能生成完整的电子病历。这类应用虽然不直接参与诊断，但通过减轻医生的文书负担，使其能够将更多时间投入患者诊疗中，间接提高了医疗质量和效率。

二、AI的局限：为何目前AI无法完全取代医生？

尽管AI在医疗领域展现出巨大潜力，但其固有局限性决定了它短期内难以完全取代人类医生。最显著的差距体现在情感交互与人文关怀方面[2]。医疗行为不仅是科学判断，更是情感交流的艺术。医生在问诊过程中，能够通过患者的面部表情、语气变化和肢体语言捕捉情绪状态，给予恰当的心理支持和安慰。这种“人情味(wèi)”是(shì)AI难(nán)以(yǐ)复(fù)制(zhì)的(de)。患(huàn)者(zhě)需(xū)要(yào)的(de)不(bù)仅(jǐn)是(shì)正(zhèng)确(què)的(de)诊(zhěn)断(duàn)，还(hái)有(yǒu)被(bèi)理(lǐ)解(jiě)、被(bèi)关心(xīn)的(de)感(gǎn)觉(jué)。

AI医(yī)疗(liáo)面(miàn)临(lín)的(de)另(lìng)一(yī)重(zhòng)大(dà)挑(tiāo)战(zhàn)是(shì)复(fù)杂(zá)病(bìng)例(lì)处(chù)理(lǐ)的(de)局(jú)限(xiàn)性(xìng)。虽(suī)然(rán)AI在(zài)典(diǎn)型(xíng)病(bìng)例(lì)诊(zhěn)断(duàn)中(zhōng)表(biǎo)现(xiàn)优(yōu)异(yì)，但(dàn)对(duì)于(yú)罕(hǎn)见(jiàn)病(bìng)、非典型症状或多种疾病共存的复杂情况，其判断能力仍有不足。研究显示，当面对临床中不常见的症状组合或非结构化信息时，AI系统可能出现“幻觉”，生成看似合理实则错误的诊断建议。更令人担忧的是，AI有时会“自信地”给出完全错误的答案，这种“自信的错误”在医疗场景下可能造成严重的后果。

伦理判断与责任归属问题也是AI无法替代医生的关键原因。医疗决策常常涉及复杂的伦理考量，如治疗方案的风险/收益比、患者的个人价值观与医学建议的冲突、资源有限情况下的优先分配等。这些判断需要综合医学知识、社会规范、患者意愿和家庭情况等多重因素，远超出当前AI的能力范围。同时，当出现诊断错误或治疗失败时，责任归属也成为棘手问题——应该由AI开发者、使用AI的医院还是主治医生承担责任呢？

此外，AI医疗还面临数据依赖与“偏见放大”的风险。AI系统的表现很大程度上取决于训练数据的质量和代表性。如果训练数据中存在偏差（如某些人群的样本不足），AI可能会放大这些“偏见”，导致对特定群体的诊断效能下降。另外，AI系统通常需要大量结构化数据才能正常工作，而现实中许多患者的信息是非结构化的、不完整的，这会影响AI的判断能力。相比之下，人类医生能够通过问诊技巧和临床经验弥补信息不足，做出更加全面的评估。

三、人机协作：未来医疗的最佳模式

面对AI的优势与局限，医疗行业的未来不在于“AI取代医生”或“医生排斥AI”，而在于建立高效的人机协作机制。这种协作模式已经在多个领域展现出巨大潜力，形成了“1+1＞2”的协同效应。在实际应用中，AI最适合扮演“超级助手”的角色—处理结构化强、重复性高的工作，如初步症状分析、常规检查解读和医学文献检索；而人类医生则专注于需要创造力、同理心和复杂判断的核心诊疗环节。

AI技术在医疗诊断中的应用已势不可挡，但它既非“万能神器”，也非“洪水猛兽”，而是医疗行业数字化转型的重要推动力。当前的AI系统确实能够“7×24小时”不知疲倦地工作，快速分析海量数据，提供初步诊断建议，极大地提升医疗效率和可及性。然而，它缺乏人类医生的情感共鸣能力和对复杂情境的判断力，也无法承担医疗决策的伦理责任。正因如此，AI与医生的关系不是替代而是互补，不是竞争而是协作。

对于患者而言，不必过分担忧“AI取代医生”，而应了解如何善用AI医疗工具。在常见病咨询、健康管理和用药提醒等方面，AI服务便捷高效；但对于复杂病情或重大决策，仍需寻求人类医生的专业判断和情感支持。对于医疗从业者而言，与其抗拒技术变革，不如主动学习与AI协作的技能，将重复性工作交给算法，自己专注于最能体现医学人文价值的领域。

AI医疗的终极目标不是替代医生，而是通过人机协同，让医疗更精准、更普惠、更有温度，随着技术进步和制度完善，AI将成为医生的“超级助手”，帮助突破人类认知和体力的限制，共同守护人民健康。在这场医疗革命中，保持理性乐观的态度，既看到AI的潜力，又认识其局限，才能准确把握未来医疗的发展方向。

面对“AI能否替代医生问诊”的问题，答案已经清晰：AI不会替代医生，但使用AI的医生可能会替代不使用AI的医生。医疗的未来更可能属于懂得与智能技术协同合作的新一代医疗工作者，属于能够将科技效率与人文关怀有机结合的新型医疗服务模式。在这个人机协作的新时代，患者将成为最大受益者，获得更可及、更精准、更温暖的医疗体验。

参考文献：

[1]Liang Y, Sau, Zeidaabadi B, et al. Artificial intelligence-enhanced electrocardiography to predict regurgitant valvular heart diseases: an international study[J]. Eur Heart J, 2025, ehaf448. doi: 10.1093/eurheartj/ehaf448.

[2]罗莉娟, 王康, 胡金淼, 等.当人工智能面对人类情感：服务机器人情感表达对用户体验的影响机制[J].心理科学进展.2025,33:1006-1026.