自ChatGPT惊艳亮相至今，人工智能（AI）议题持续爆火，在两会期间也被频频提及。据IDC统计，到2025年人工智能应用市场总值将达1270亿美元，其中医疗行业将占市场规模的五分之一。

在数据价值不断凸显的今天，AI已经渗透到更多医疗应用场景中，为医疗行业的创新发展注入澎湃能量：

在浙江，患者在就医时，可享受数字健康人“安诊儿”全流程陪诊，就医体验进一步提升；

北京天坛医院和北京理工大学团队合作创建“龙影”医学影像大模型，基于该模型研发的首个“中文数字放射科医生”平均生成一个病例的诊断意见仅需0.8秒；

中山大学中山眼科中心林浩添教授团队牵头研发的全球首个婴幼儿视功能损伤手机智能筛查系统上线，婴幼儿看3分钟动画，就能检测16种常见致盲眼病，准确率达85.9%……

长远来看，AI与医疗行业加速融合，不仅能够提升医疗服务的质量和可及性，还能够推动整个产业的创新发展，形成新的产业生态和生产力；但短期内在应用层面，却依然面临诸多考验。

持续深入：

与多维医疗场景融合进程不断加快

AI的深入应用正在推动医疗领域向着更加智能化、便捷化、人性化的方向发展，从医疗诊断、医院管理到患者服务，再到医疗科研，AI在医疗信息化领域掀起变革热潮，帮助医生提高诊断准确率、优化医疗资源配置、提升患者服务质量，为广大患者带来更好的医疗体验和健康福祉。

01

赋能诊断：辅助影像检查，让病灶“无处遁形”

在医疗诊断方面，AI辅助诊断和智能影像识别正在逐渐改变传统医疗诊断模式。当前阶段，AI已经逐步实现了基于广泛认知和自主知识学习的高水平临床诊疗能力，能够精准识别并分析医学影像资料，快速判断出异常区域，协助医生更准确地找到“病灶”，并提供初步诊断建议，为患者精准治疗赢得了宝贵的时间窗。CT影像中肺小结节的识别就是一个很好的例子，近年来，AI识别技术在肺结节诊断中的开始广泛应用，能够精确诊断出1mm左右的微小结节，微小结节识别能力比人眼更具优势。

专家洞见：

黄虹：以“四步法”构建高效数据治理体系，助力医疗AI加速进阶（点击查看）

02

患者服务：智能问诊、外呼随访质效提升，服务覆盖就诊全流程

在患者服务方面，AI通过智能问诊、外呼随访等为患者带来了更便捷的医疗体验和更高的服务质量。智能问诊系统简单来说就是由AI代替医生与患者进行初次对话，初步了解患者病情。去年11月，浙大邵逸夫医院就推出了基于大语言模型的AI医生助理，通过模拟临床医生诊疗思维对患者进行提问和引导，快速完成患者主诉症状、伴随症状、诊疗情况、家族史等医疗信息的采集，生成一份完善的预问诊病例。而外呼随访则能够通过AI定向拨入患者电话，自动询问并采集相关信息，工作效率比人工电话效率提高数倍。随着技术的不断进步，AI在患者诊前诊后服务的应用前景将更加广阔。

03

医院管理：人、财、物精细化管理，为高质量发展奠定坚实基础

在医院管理方面，AI为精细化管理提供强大支持。医院管理是全局性问题，涵盖人员管理、财务管理、物资管理等多方面，通过深度分析医护人员工作数据、患者反馈及财务数据，AI能够帮助医院优化人员配置调度，提高财务处理效率，实现精准物资采购、库存管理和分配。此外，利用AI技术，管理者可全面统筹医院管理工作，分析医院优势学科，打造医院核心竞争力，为医院的长远发展提供技术支持，实现高质量发展。浙江省肿瘤医院院长助理胡海教授表示：“我看好医疗AI的发展前景，医疗AI定能降低医院管理成本，提升医院管理质量。”

04

临床科研：加速临床科研转化，挖掘AI创新应用价值

在医疗科研方面，AI持续推动临床科研工作标准化、规范化、系统化，将科研成果转化为看得见的生产力，提高临床科研效率和医疗诊治水平，进而促进医学领域整体水平提升。基于机器学习、大数据分析等技术手段，AI可以对海量的医疗数据进行深入挖掘和分析，协助科研人员发现新的疾病发病机制和治疗方法。上海市儿童医院信息部主任王淑在参加由HC3i数字医疗网主办的研讨会时曾表示，“通过多源数据的集成、治理、管理、挖掘、分析和服务，能够协助临床科研团队创新产出更多更优的研究成果；同时，通过模型算法的开发利用促进科研成果的临床转化，从临床出发推动科研，以科研成果反哺临床，将形成临床和科研的闭环生态。”

专家洞见：

以数据驱动转型，加速推动医疗科研平台发展（点击查看）

AI在医疗行业的应用场景正在持续拓展，并逐步改变传统医疗模式，为医疗服务带来前所未有的提升，可以说，AI已经成为推动医疗行业发展的重要引擎，随着技术的不断进步和应用场景的深化，AI对于行业赋能与发展将展现出无可估量的价值。

任重道远：

全面赋能行业仍面临三大挑战

AI技术的深度融合为医疗领域带来了深刻变革，从诊断到管理，从患者服务到科研，无一不闪耀着智能之光。它不仅改变了传统医疗模式，还极大地提升了医疗服务的效率和质量，为医疗行业的可持续发展注入了新的活力，但在这一令人振奋的进程中，也必须清醒地看到，AI技术的应用面临诸多挑战，只有以开放心态、严谨态度积极应对这些问题，AI在医疗领域才有可能实现可持续发展。

01

技术难题：可解释、要安全……多重考验待解

技术维度，算法优化、数据安全与隐私保护、模型的可解释性与透明度等难题亟待解决。如何通过算法优化，实现AI模型在不同疾病、不同患者间的准确性和泛化能力；如何确保数据的安全性和隐私性，防止数据泄露和滥用；如何提升AI的可解释性与透明度，使医生和患者能够真正理解和信任其决策过程，只有逐一攻克这些难题，才有可能让AI应用在医疗领域发挥更大价值。

拓展阅读：

《医院核心信息系统数据安全与数据管理调研报告（2021-2022年度）》（点击查看）

02

人才瓶颈：跨领域、跨门类，复合型人才培养难

人才培养维度，AI在医疗领域的落地应用对人才提出了更高的要求。然而，目前市场上既具备医学背景又精通信息技术的复合型人才本就十分稀缺，若要求对AI也有深入了解，只会更加匮乏，这也成为了制约医疗数字化进程的一大瓶颈。因此，要加强人才的培养力度，通过创新培养机制、优化课程设置、加强实践训练等方式，输送更多高素质、复合型的数字人才，推动医疗行业的数字化转型和升级。

专家洞见：

51CTO数字人才研究院院长杨文飞：数字时代医信人才培养的势与谋（点击查看）

03

伦理挑战：定边界、分权责，AI应用必须解答的复杂议题

伦理维度，随着AI逐渐参与到疾病诊断、治疗方案制定等关键决策中，引发了一系列伦理层面的风险问题。当AI系统参与决策时，若出现误诊误治等情况，AI与医务人员承担责任应如何归属；面对患者隐私保护、治疗公正性、就医者利益至上等复杂伦理问题时，AI如何做出符合伦理原则的决策……要解决这些问题，必须构建完善的伦理框架和决策机制，明确AI系统在医疗决策中的定位和作用，建立针对AI决策的监管和评估机制。

需要明确的是，AI在任何维度上都无法完全代替人类医生，而是将医生的生产力从重复、机械的基础工作中逐渐解放出来，双方相辅相成产生合力。AI在医疗领域的落地应用，不仅是技术问题，更是涉及伦理、法律、社会价值的复杂议题。面对这些挑战，不能回避，更不能轻视，而是要通过跨学科的合作与努力，找到有效的应对策略，确保AI在医学领域的应用能够健康、持续地发展，为人类的健康事业贡献更多的力量。

写在最后：

AI技术的发展日新月异，在医疗领域展现了巨大发展潜力，但不得不承认的是，在AI应用过程中依然面临诸多挑战，然而，这些挑战不仅不能阻挡AI前进的步伐，还将成为其不断完善的重要驱动力。我们相信，“AI+医疗”的发展前景将会越来越光明，也必将结出累累硕果。