AI赋能医疗：前景、商机与审视

2025年10月20日由国家卫生健康委办公厅、国家发展改革委办公厅、工业和信息化部办公厅、国家中医药局综合司、国家疾控局综合司联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》。

实施意见旨在以新一代人工智能(AI)技术深度赋能卫生健康行业，推动医疗服务智能化、精准化、高效化发展。

实施意见总体目标为

到2027年，建立一批卫生健康行业高质量数据集和可信数据空间，形成一批临床专病专科垂直大模型和智能体应用，基层诊疗智能辅助、临床专科专病诊疗智能辅助决策和患者就诊智能服务在医疗卫生机构广泛应用。

基本建成一批医疗卫生领域国家人工智能应用中试基地，打造更多高价值应用场景，带动健康产业高质量发展。

到2030年，基层诊疗智能辅助应用基本实现全覆盖，推动实现二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用，“人工智能+医疗卫生”应用标准规范体系基本完善，建成一批全球领先的科技创新和人才培养基地。

实施意见就人工智能在基层医疗、临床诊疗、患者服务、中医药诊疗、公共卫生、科研教学、行业治理、健康产业8大场景具体服务和实施做出指引。并对人工智能+医疗卫生实施的基础支撑体系、规范与安全保障、组织保障措施做出详尽的要求。

NCLM后大浩开始关注人工智能在医疗机构中的应用，近期通过聆听系列直播，有了一些新的思考。本篇不妨来谈谈大浩认为的人工智能在医疗机构的应用场景、收益以及隐忧。

首先探讨人工智能在医疗机构的具体应用场景。其应用场景大致可分为运营管理类、检查检验类、辅助建议类和公共卫生类。

运营管理类：包括实验室耗材储备的管理与预警、医院办公耗材的管理与预警、患者就医时的引导与提示。

检查检验类：涵盖实验室的质控管理、常规检测的自动报告、异常检测结果的自动预警与处理（如自动复测、结果分析与解读）等。

辅助建议类：例如检验结果的分析与解读、后续检查检验的建议、当前疾病的诊断结果建议、慢病管理中患者指标变化的解读及就医建议等。

公共卫生类：包括传染病的预警、疾病模型的建立等。

其次再来讨论人工智能在医疗机构应用所带来的收益。

患者：

1.获得清晰明了的就医引导和提示，如明确何时需就医、该看什么科室、以及慢病管理的复诊和取药提醒。

2.享受智能化系统及时的反馈与服务，如多次检测指标的对比分析，以及结果出具时的智能提示。

3.减少等待时间、提升就医效率，提升就诊满意度。

检验科：

1.优化检验资源，如合理分配门急诊、住院、体检患者的检测时段。

2.提升检验流程的标准化与质控能力，减少人为操作误差。

3.提升检验效率，如自动发放常规报告，遇异常结果时，可调用多平台及历史数据进行综合分析，解读后给出具体建议。

临床：

1.获得检验检查结果的解读与后续检查建议。

2.获取当前疾病的诊断结果建议。

3.提升基层医疗诊疗能力，系统可根据历史数据与大模型综合给出诊疗方案建议。

医院：

1.提升运营效率，例如缩短检验标本周转时间（TAT），减少无效的重复检测。

2.降低运营成本，例如减少人力支出，并通过中心实验室资源共享降低设备采购成本。

3.促进合作与发展，推动院区间、区域间乃至跨区域的数据共享和结果互认。同时，跨区域数据共享也能持续提升AI系统的数据管理与分析能力。

因此，人工智能在医疗机构应用之际，可能存在以下商机：

1.全自动流水线：集成生化、免疫、凝血、分子等多个检测领域的全自动流水线，或许是AI系统的最佳承载设备。

通过全自动完成从样本信息录入、分拣、检测到结果解读、分析与发布的全过程，在AI的加持下，实现“黑灯实验室”（无人值守）成为可能。

2.中心实验室：在结果互认、降低运营成本等政策与客观要求的驱动下，配备AI系统的中心实验室是另一大机遇。

AI的赋能可能让中心实验室成为信息上下联通的枢纽：

向上：对接全国/省市的疾病监测平台，用于疾病监控与预警。

横向：实现跨省市/医联体及医联体内部的结果互认。

向下：则完成对下级机构的报告分发。

值得注意，未来中心实验室可能具有两种形态。

其一：由紧密型医联体头部医院作为中心实验室承接检验任务。

其二：由大型第三方医学检验所和区域内医院签订送检服务合作。

3.POCT设备：当中心实验室承担了绝大多数常规检测并覆盖区域内医疗机构时，未来IVD设备可能以两种形态呈现：流水线与POCT。

检测项目也将分为临检与中心实验室项目。因此，在等级医院及更广泛的基层医疗机构，凭借其时效性高、操作便捷等优势，POCT能有效分流患者、优化诊疗流程，应用前景十分广阔。

4.AI的价值与数据资产化：AI系统通过对顶级医院海量数据的学习不断进化。当这些AI系统与大模型的价值获得普遍认可后，其核心驱动力即高质量的海量数据以及成熟的AI模型本身有望作为可交易的产品，从而实现数据无形资产的变现。

5.智能化软件：将患者的就医建议、就医指引、慢病管理、检验检查结果提示、拿药复诊的提醒等全部集成在手机APP或者小程序内。方便患者日常使用，提升就医效率和体验。

之后聊聊关于人工智能在医疗机构应用的隐忧。

1.授权与知情同意：在收集数据用于AI训练时，必须获得患者明确、知情且具体的同意。

2.数据脱敏与匿名化：数据在使用前必须经过严格的脱敏处理，移除所有直接标识符（如姓名、身份证号）和间接标识符（如罕见病、精确到街道的住址），确保数据无法回溯到特定个体。

3.数据安全：必须建立数据安全防护体系，防止数据在存储、传输和处理过程中被泄露或篡改。

4.黑箱问题：许多复杂的AI模型（尤其是深度学习）决策过程不透明，医生和患者难以理解其为何给出特定建议。

5.责任主体界定：出现误诊漏诊，甚至是严重的医疗事故，责任划分需要明晰，责任主体需要确认。

6.警惕AI应用“陷阱”：AI的目标，在于替代或升级传统的自动化系统，因为AI具备不断学习和自我迭代的能力，这是自动化系统难以企及的。

但是，实验室是否就需要放弃自动化设备，全面转向AI系统呢？这值得思考。因此，实验室在引入AI前，需先理清以下几个问题：

1.该项任务是否必须使用AI才能完成？

2. AI的优势在该项任务中是否能得到充分发挥？

3.AI的应用是否为患者、临床、检验及医疗机构带来了切实的收益。

切忌为了“AI”而“AI”，否则这无异于本末倒置，还徒增医疗系统与患者的负担。

总之，人工智能在医疗领域的应用，是由应用场景和四方收益所驱动、并蕴含海量商机的深度变革。

但在拥抱机遇的同时，数据安全、伦理、责任、应用等方面必须深度管控，如此才能让AI赋能医疗、普惠于民，最终助力健康中国。