AI诊疗：需在效率与质量间寻找医疗本质 | 荔枝时评

文/张田勘

（作者张田勘，荔枝新闻特约评论员，学者，媒体人；本文系荔枝新闻客户端、荔枝网独家约稿，转载请注明出处。）

在1月10日于香港举行的高山书院十周年论坛上，中国国家传染病医学中心（上海）主任张文宏教授针对人工智能在医疗领域的应用发表了审慎的看法，明确表示反对将AI系统性地引入医院的日常诊疗流程。理由是，一名医生若从实习阶段就未经完整的诊断思维训练，直接借助AI获得结论，将导致其无法鉴别AI诊断的正误，同时也难以诊治AI无法应对的复杂疑难病症。这种能力的缺失，是隐藏在技术便利背后的深层隐患。不过，张文宏并非完全否定AI在医疗领域的价值，他觉得AI可以在一些辅助性的工作上发挥作用。

‌AI具有局限性，医疗具有特殊性，若依靠AI的便利和快速，不只是会让医生得不到临床上真正的技能训练，以获得实际诊疗技术和经验，更重要的是‌AI可能误导医生，产生误诊，以及导致过度医疗。

一方面，若AI赖以分析的大数据并不完整，以及数据有偏差，得出的结论就会失之千里。现实的情况是，不只是国与国、地区与地区之间的医疗大数据有差异和局限，即便是国内的各个医院，数据都是不能共享的。AI软件所能收集的数据一般是公开发表的论文和著作，这些数据一般是滞后的，而且有局限。因为，基于知识产权，并非所有医院、机构和医护人员都会把诊疗经验和技能转化为论文发表。而临床中的病人病历和诊断，这在目前的医疗体系中是“各自为政”，难以共享。现在，尽管全国三甲医院人工智能技术应用覆盖率已超90%，但大多只是源自各家医院自身的数据所开发的AI软件。

原因很简单，医院对AI共享数据缺乏动力，本质是担心知识产权。各家医院都会思考，为什么要把数据给AI公司、机构或政府部门去做软件。而且，患者隐私也是医院特别注意的，一旦出现问题，就会有诉讼和官司，难以应对。同时，AI软件的管理也是基于谁开发，谁管理和负责。基于权责对应的原则，医院也不会交出所有数据。甚至在一些医院中，医生也只能调出自己科室收集的信息和数据，其他科室的数据难以自由调取。

另一方面，即便依靠AI软件诊断有一定的可信度，医学的特殊性也决定了不能完全依靠AI，因为临床需要实际观察、实际动手和实际操刀（手术）。临床的实际诊疗技能和技术包括许多方面，如对病人语言、语气和体态的观察，触诊和叩诊的应用。以鉴别疼痛为例，有反跳痛（常见于急性阑尾炎）、绞痛（常见于胆结石、肾结石）、胀痛（常见于肠梗阻、胃炎）、钝痛（如肝炎）等，都需要医生的实际操作（触诊）和积累经验，这些最基本的素养是AI所不能给予的。即便AI能根据疼痛的描写来判断疾病，但AI并不能提供这些症状发生时病人的痛苦表情、体态语言和内心感受，只有临床接触，才会让医生获得实际的经验和感知，并上升到直觉和理论。此外，AI依赖历史数据，难以应对新的疾病和具有特殊情况的病人。AI当然擅长统计关联，但并不理解其中的因果和逻辑关系；AI能提供数据分析，但无法亲临临床读懂患者的体态、表情和痛苦。医生有基于临床经验与直觉的综合推理能力，AI并没有，因为算法不能训练出这种只有人独具的能力。

此外，当医生尤其是年轻医生只是依靠AI的诊断和治疗方案治病时，就失去了对疾病和医疗整个过程的感知，以及需要试验和试错才能拥有的经验和技术，就如同人学驾车，如果一开始不是自己手握方向盘和踩油门刹车实际操作，就无法实际感知车辆的操控，就没有在紧急状况下避险的能力，也不能成为合格的驾驶者。当AI自动生成病历、提供疾病诊断，推荐诊疗方案时，医生可能陷入全盘接收的舒适区，进而不再追问为什么，是什么，只知道按AI提供的方案治疗，从而产生“AI偏见”。再进一步，当AI也无法判断某种疾病时，完全依靠AI的医生就会束手无策。

张文宏教授的见解，揭示了人工智能在医疗领域应用的复杂性与潜在风险。AI可以成为医生的有力助手，在数据处理和初步分析方面发挥辅助作用，但它不应取代医生在临床实践中的核心地位。未来，如何在利用技术提升效率的同时，保障医疗质量的深度与温度，维护医生的专业成长与独立判断能力，是医疗体系必须认真思考与平衡的关键课题。

欢迎关注荔枝锐评（lizhirp）公众号：