一塊屏幕上實時展示著一名疑難病例患兒腦部的磁共振成像影像，隨著工作人員將患兒病歷及相關影像資料等輸入電腦，另一塊屏幕上同步呈現著AI兒科醫生對患兒診療的深度思考，最終，AI給出的建議與現場專家們的會診結果高度吻合。
這次會診由北京兒童醫院院長、耳鼻咽喉頭頸外科專家倪鑫主持，倪鑫告訴《中國新聞周刊》，“大家當時看到結果都很驚訝”。如今，每周四，倪鑫都會主持有AI兒科醫生參與的專家會診，對5—10名患兒的病情全方位討論。
AI正加速邁向臨床應用。在DeepSeek等AI大模型的推動下，醫療行業的智能化進程在加快。據不完全統計，全國已有超過100家醫院完成DeepSeek的本地部署。
AI醫生真的靠譜嗎？它能否取代人類醫生？這場醫療革命的浪潮中，技術創新、倫理挑戰與監管體系的博弈，才剛剛開始。
AI加速涌入醫院
DeepSeek的影響力，已蔓延到了門診患者中。
2月27日，倪鑫主持了第三次AI兒科醫生參與的專家會診。一名來自重慶的5歲女孩因意外摔倒，鼻子出現嚴重紅腫并頻繁出血，在多家醫院就診未果。由于病情復雜，倪鑫當場未能做出最終診斷，但建議孩子服用一款免疫治療藥物。讓他印象深刻的是，會診結束時，患兒母親拿出了一張A4紙給他看，上面是她向DeepSeek咨詢的問診記錄。“過去，患者看病時，通常會帶著不同醫院的診斷和病歷資料。”
復旦大學附屬華山醫院(以下簡稱“華山醫院”)神經內科主任醫師郁金泰對《中國新聞周刊》表示，DeepSeek可看作是患者自查工具的“升級版”。過去，人們看病前可能會用百度搜索相關信息，而現在DeepSeek等提供了更系統化的建議。
如今，醫療AI大模型正如雨后春筍般涌現。
幾乎每天都有醫院宣布在DeepSeek基礎上部署AI大模型，或公布與企業合作研發的垂直AI大模型。北京兒童醫院的AI兒科醫生便是后者，該大模型由北京兒童醫院聯合北京百川智能科技有限公司(以下簡稱“百川智能”)等共同研發。
去年8月，北京兒童醫院和百川智能正式官宣合作，計劃推出五款AI醫療產品。其中，參與疑難雜癥會診的AI兒科醫生屬于“兒童醫學專家臨床科研助理”。
百川智能創始人王小川第一天創立百川時，就想“造醫生”，即打造具備專業診療能力的AI醫生。在國內的兒科醫療領域，醫生數量嚴重缺乏。據國家衛生健康委2024年6月份發布的數據，目前全國兒科醫師數量僅為20.58萬人。去年2月，一次長達兩小時的深入交流中，就AI兒科醫生的項目，北京兒童醫院和百川智能一拍即合。
“AI大模型就像在‘造人’，它能夠模擬人類的思維方式。”百川智能醫療副總裁李施政對《中國新聞周刊》表示，最開始百川智能提及的是要“造醫生助手”。結果，倪鑫主動提出“要造100萬個兒科醫生”。“第一次AI兒科醫生會診結束后，當時北京至少有五六家醫院主動聯系，考慮在未來引入類似技術。”倪鑫表示。
春節前后，DeepSeek的爆火推動了AI大模型的迅猛發展。華山醫院大數據中心主任黃虹告訴《中國新聞周刊》，實際上，DeepSeek問世前，醫院已在嘗試部署其他AI大模型。為了降低成本，華山醫院并未自行采購算力服務器，而是選擇租用其他平臺的算力資源，接入醫院內網進行測試。
華山醫院大數據中心副主任程思杰告訴《中國新聞周刊》，醫院完成DeepSeek的接入與硬件部署，僅用了幾天。選擇AI大模型時，除了性能，性價比同樣是關鍵考量因素。成本方面，DeepSeek70B版本的硬件成本約為130萬元，滿血版大模型則需要260萬—560萬元，硬件成本主要是指算力服務器的費用。“接入DeepSeek只是第一步，真正的挑戰是如何讓它滿足醫療級應用標準。”
目前，除了北京兒童醫院、華山醫院，全國多家知名三甲醫院都在積極部署AI大模型。西部某省會城市，一家三甲醫院外科主任醫師趙霖正牽頭推進醫院的DeepSeek本地大模型部署。趙霖表示，由于DeepSeek是開源免費的，便于醫院根據自身需求本地化調整。目前，團隊正在驗證AI的學習能力，通過輸入權威指南、臨床共識以及患者病歷，訓練AI分析和判斷病情的能力。盡管AI系統的框架已初步搭建完成，但仍在持續優化。
AI幻覺無法避免
在華山醫院，AI大模型的內部測試已覆蓋科研、臨床等多個應用場景。
“過去，建立一個包含1000個不同數據項的臨床研究電子數據庫，需要研究者和數據庫設計師反復溝通，才能生成一個可以在線運行的數據庫。如今在AI的輔助下，利用大模型的理解能力，這項工作僅需一兩天就能完成。”華山醫院大數據中心副主任劉從進告訴《中國新聞周刊》。
除了輔助醫生提供診療建議，AI的一個主要應用場景是，在醫生接診前自動收集和整理患者病歷。華山醫院大數據中心一位相關負責人告訴《中國新聞周刊》，目前醫院內部運行著多個AI大模型版本：7B模型相當于小學生，32B模型相當于中學生，滿血版則達到了研究生水平。然而，測試發現，在生成病歷等復雜臨床任務中，雖然滿血版模型參數量更大，但由于無法進行特定微調，實際表現反而不如小模型。
“病歷撰寫是一項要求較高的任務，尤其是電子病歷的生成，必須確保準確性。因此，AI大模型必須經過嚴格測試后，才能在醫院投入使用。”程思杰表示，目前醫院正在試點融合DeepSeek大模型的不同版本，測試其生成電子病歷的能力。不過，AI生成的電子病歷仍需醫生審核校驗，確保其最終質量和安全性。
AI的輸出結果主要基于統計數據。更關鍵的一個問題是：AI幻覺似乎是難以避免的。所謂幻覺，是指大模型在回答問題時編造信息。
華中科技大學同濟醫學院附屬同濟醫院感染科副主任醫師郭威告訴《中國新聞周刊》，目前AI大模型在臨床上的輔助應用尚未廣泛推廣。臨床使用中，AI偶爾會出現一些令人啼笑皆非的錯誤。他舉例說，影像學的變化非常復雜，有時所看到的可能是無診斷價值的“干擾信號”，而AI有時會將其判斷為病變。“這也是AI技術訓練中一個值得重視的問題。”
趙霖也經歷了DeepSeek的AI幻覺。前段時間，由于本科教材更新，他在為學生準備外科課程時，讓DeepSeek協助制作PPT，結果發現它開始編造內容，包括杜撰醫學名詞出處、虛構參考文獻等。他由此產生了疑問：如果AI用于醫學輔助決策，如何確保它推薦的方案是基于真實指南，而不是憑空捏造的？這背后可能會存在嚴重的醫療風險。
南非頂尖公立研究型大學斯泰倫博斯大學精神病學榮休教授羅賓·埃姆斯利使用ChatGPT時，曾多次遇到過AI幻覺。他在接受《中國新聞周刊》采訪時談道，AI幻覺是他目前最為擔憂的問題。“AI大模型在臨床實踐中面臨的最大問題，是其生成準確可靠信息的能力存在缺陷。”
幻覺通常會被AI自信地呈現，使得它們有時難以被察覺。醫療領域，任何錯誤都不可容忍，哪怕是一個微小的失誤，也可能危及患者的生命安全。
幻覺的產生，與模型的訓練內容密切相關。郁金泰對《中國新聞周刊》表示，AI的可靠性取決于輸入數據的準確性和專業性。如果輸入的信息有誤，輸出的結果同樣會存在偏差。
李施政指出，雖然AI模型出錯較為常見，但在醫療領域，錯誤必須嚴格控制，尤其在用藥建議環節。為確保錯誤率遠低于人類醫生，AI醫生的工作必須嚴格遵循循證醫學原則，即所有決策都必須基于科學證據，包括權威指南、頂級專家經驗和最新研究成果。
“減少幻覺出現的關鍵在于，大模型研發初期，必須嚴格把控數據的唯一性和準確性。”倪鑫認為，并非所有醫院提供的病歷信息等數據，都適合直接用于研究。AI兒科醫生模型訓練時，使用的數據是整合醫院300多位知名兒科專家的臨床經驗和專家數十年的高質量病歷數據。輔助臨床診斷前，AI兒科醫生曾參與四次測試，既包括專業能力測試，也包括對幻覺的測試。幻覺測試方面，與DeepSeek做了對比，結果發現AI兒科醫生模型的幻覺率更低。“DeepSeek是一個通用模型，雖然它非常強大，但并不專注于醫療健康領域。而AI醫生是專門為醫療設計的專業模型，因此，它的表現更為精準。”
臨床上，如果醫生依據AI建議而最終發生醫療事故，其中的責任該由誰來承擔？北京中醫藥大學醫藥衛生法學教授鄧勇向《中國新聞周刊》分析，責任應根據醫生、醫院和AI系統開發者的不同義務來判斷：如果醫生在采納AI建議時未進行必要的核實，或未對明顯不合理的建議提出質疑，則應承擔相應責任；醫院在引入AI系統時，若未充分評估和驗證系統的可靠性，或未對醫務人員進行有效的培訓和監督，同樣需要承擔責任；如果因AI系統存在設計缺陷或算法錯誤而導致錯誤建議，進而引發事故，開發者則應承擔責任；如果開發者未能充分說明系統的局限性和潛在風險，也應承擔一定責任。
醫生會被替代嗎？
郭威注意到，盡管身邊大多數醫生對AI大模型等新技術持積極態度，但醫生們也會討論哪些科室的醫生可能最先會被AI取代。他分析，涉及診斷影像的醫生可能面臨更大的被替代風險。例如，AI輔助的X光片和胸部CT閱片，能夠發現許多肉眼難以察覺的小結節。隨著AI技術的不斷進步，影像科醫生的工作將更多轉向輔助和審查，而不再需要處理大量的常規影像。
“有些人擔心AI醫生的出現，會導致一些醫生失業，這不會發生在兒科醫生中。”倪鑫表示，兒科醫生一直處于緊缺狀態，AI醫生與人類醫生是相互支持的關系，AI更多是輔助醫生，而非取代他們。
不少一線臨床醫生擁抱AI的同時，也保持著冷靜。來自感染科、神經內科、外科等科室的多名臨床醫生向《中國新聞周刊》表示，目前AI在臨床中的作用主要是輔助，無法替代醫生的決策。北京大學第一醫院神經內科主任醫師孫永安對《中國新聞周刊》表示，盡管AI在分析和整合現有數據方面表現出色，但它缺乏真正的創新能力，無法獨立探索未知領域。而醫學的進步往往來源于突破性的創新。
“無論技術多先進，AI始終難以替代醫生的深度思考和即時應變。”武漢一家部署DeepSeek的三甲醫院急診科醫生魏明告訴《中國新聞周刊》，急診科有時也需要對患者進行淋巴結活檢。例如，在頸部進行淋巴結活檢時，影像上顯示的病變可能靠近血管，手術過程中，醫生必須親自觀察并判斷，精細分離淋巴結，同時防止出血。即使AI能標出大致病灶位置，如何避開關鍵結構、確保安全切除，仍需醫生根據病人具體情況作出判斷。醫生仍然是最終的決策者。
郁金泰表示，醫生不僅具備專業背景，還能基于臨床經驗綜合判斷病情，這正是AI無法完全取代醫生的核心所在。
此前的疑難雜癥會診中，曾有一個讓倪鑫印象深刻的患兒病例。當時AI兒科醫生給出的建議是，要給病人做病理穿刺，但倪鑫最終決定不做。“從影像學的角度來看，我和AI的判斷基本一致，都認為該患兒患的是皮樣囊腫。這種病是上皮組織不斷脫落、堆積后形成的囊腫，算一種先天性病變，但非惡性。這種情況下，我認為沒有必要做有風險的穿刺，而且穿刺并不會帶來更多有價值的信息。”倪鑫認為，AI的分析是基于大數據的，邏輯非常縝密，認為穿刺病理能提供更確切的答案，這個建議并不算錯。
避免盲目跟風
AI在醫療領域的發展，不會停下腳步。“100萬個兒科醫生，這個目標聽起來宏大，但現在已經基本實現了。我們的大模型理論上可以誕生成千上萬的AI兒科醫生。”倪鑫談道，河北當地有150多家基層醫院，希望能成為AI兒科醫生的首批試點。北京兒童醫院和百川智能計劃先在京津冀地區的醫院進行試點，再將AI兒科醫生推廣到全國各地。
黃虹表示，DeepSeek只是眾多大模型中的一種，而大模型本身并非固定不變。從醫院角度看，未來不僅關注單一模型的應用，而且要思考如何整合多種大模型，以便為不同領域提供精準支持。“未來的AI醫療可能是‘千模融合’。”
除了醫院自身搭建的AI大模型，虛擬的AI醫院正嘗試走向臨床。清華智能研究院執行院長劉洋領導了一項有關智能體醫院(Agent Hospital)的研究，這項研究目前只在預印版網站上發布。劉洋是該研究的通訊作者之一。智能體醫院的核心理念，是通過建立一個“閉環式”的醫療虛擬世界，實現AI醫生的加速進化。所謂閉環式，是指涵蓋從發病、分診、問診到康復的一系列醫療環節，AI醫生可以根據這些反饋不斷總結并優化自身的能力。
去年11月，智能體醫院的首批42位AI醫生在21個科室上線進行內測，支持超過300種疾病的診療。“智能體是在大模型基礎上的進一步發展，因為它能夠讓AI像人類一樣，在復雜環境中進行交互、使用工具并與他人協作。”劉洋表示，未來的目標是構建一個能與現實世界無縫對接的智能醫療體系，隨著VR等技術的進步，未來的醫療交互不僅僅局限于2D界面操作，而可能進入更加立體的3D空間。
據趙霖了解，很多醫院開展的AI大模型項目，目前還處于驗證和測試階段，現階段真正落地臨床，并發揮作用的比例并不高。在他看來，目前國內不少醫院面臨著較大的生存壓力，不乏有醫院為了追求熱點、提升影響力，紛紛接入DeepSeek等AI工具，這甚至推高了配置GPU的服務器的價格。但最終轉化為實際應用，還是流于形式，目前仍是未知數。未來，可能只有少數高質量的大模型項目能得以存活。
郭威也持審慎態度。他指出，眼下各家醫院蜂擁而上，這種“湊熱鬧”的方式，其實更多是出于一種“怕落后”的心理，而非真正基于技術和臨床需求的深入研究。黃虹認為，醫院在接入AI大模型的過程中，要充分考慮安全、成本、適用性等多方面因素。對于大多數醫院而言，如何確保資金投入到核心業務中，是必須考慮的問題。
鄧勇指出，當下，醫療領域的AI大模型缺乏行業標準，這會導致不同機構的大模型在數據采集、標注和算法設計等方面存在差異，這不僅影響了系統的通用性和操作性，還可能增加監管難度，進而影響醫療質量和安全。因此，制定統一的標準尤為迫切。
“AI醫療的發展不能一哄而上，只有科學規劃、穩步推進，才能真正發揮其價值。”上海市衛生和健康發展研究中心主任金春林接受《中國新聞周刊》采訪時表示，盡管當前AI大模型在醫療行業的熱度很高，但應避免盲目跟風。他建議，首先要確保數據安全，強化隱私保護，進而推動行業的有序發展，同時還應建立真正的多中心大數據體系，由多個醫療機構或研究中心共同參與，按照統一的研究設計和標準，協同收集、整合、存儲和分析醫療大數據，避免重復建設。
金屬瞳孔
在核磁共振中游弋
算法編織的網
漏過幾粒幻影
當人類掌心的溫度
與光譜下生長的
答案重疊
指紋懸停在免責聲明上方
關鍵詞：
營業執照公示信息