​专家号变AI诊断，谁来保证结果？

此次或许可以从三个角度入手审视。

其一，跳过查体等于放弃最重要的诊断信息来源。医生的诊断基本方式是“望触叩听”——通过观察患者神态、气色对疾病轻重缓急做基本判断，再对疾病部位和性质进行确认。骨科尤其依赖触诊——关节活动度、压痛点、肌力、神经反射，这些信息是任何AI仅凭文字描述无法获取的。AI只能根据文字给出通用回答，无法观察患者真实体征。跳过查体环节，相当于让AI在信息严重残缺的情况下“盲猜”，诊断偏差几乎不可避免。

其二，忽视影像和实验室数据等于抛弃客观证据。 患者随身带了影像片子，医生却未查看。在骨科诊疗中，X光、CT、MRI等影像资料是诊断的基石，而实验室检验数据（如炎症指标、风湿免疫指标等）同样是不可或缺的客观证据。医生的诊断必须基于多年临床经验，结合实验室检验和影像学检查综合得出。AI模型只接收了文字症状描述，完全缺失影像和检验数据，其输出的所谓“诊断”从一开始就建立在信息不完整的基础上。

其三，通用大模型不具备医疗级可靠性。 豆包是面向大众的通用AI助手，并非经过医疗器械注册审批的辅助诊断系统。通用AI的“幻觉”和判断偏差在医疗场景中风险极高。更重要的是，AI提供的“诊断建议”仅为参考，不具备法律效力，也不承担任何医疗后果。医生将AI输出直接念给患者作为诊断，相当于把本应由自己承担的专业责任转嫁给了不具备行医资质的算法。

退一步讲，即使是祭出专业大模型，人仍然是主力军，是决定力量。

除了明确AI问诊只能作为辅助，《中国医院应用医学人工智能专家共识》对医院AI应用场景进行了72个风险分级，其中高风险场景15条。《共识》还建议，所有AI辅助诊疗场景必须保留医患直接沟通的物理空间与时间刚性保障，严禁以任何名义削减面对面问诊时长。

这些规范的核心逻辑是一致的：AI可以帮医生提高效率，但不能替医生做决策；可以给出参考建议，但不能越过医生的专业判断直接面向患者输出诊断。

有专家精辟地指出：“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。”这句话的正确理解应当是：善于利用AI工具提升效率的医生，将在竞争中占据优势。但“利用”的前提是医生自身具备扎实的专业功底，能够判断AI输出的合理性，能够在AI建议的基础上结合自己的临床经验做出最终决策。如果医生沦为AI的“传声筒”，那就是本末倒置。

因此，有必要强调AI辅助诊断的工具属性。明确AI产品定位为“辅助识别”“辅助分析”而非“自主诊断”，临床场景中的任何AI应用都应保持同样的定位。AI可以是医生的“超级助手”，帮助突破人类认知和体力的限制，但最终决策权必须牢牢掌握在具备资质的医生手中。

第二个需建立医疗AI应用的准入和监管机制。医生在诊疗过程中使用的AI工具，应经过专业评估和审批，而非随意下载一个通用APP就开始用于患者诊断。IVD的AI产品需要经过严格的临床试验和注册审批，临床诊断中使用的AI工具同样应当有相应的质量标准。

这一社会事件，折射出AI浪潮下医疗行业体外诊断细分领域的一种焦虑，也为IVD领域敲一次警钟。

技术赋能从不等于技术僭越——当血细胞形态识别、病理大模型等AI工具将效率推向新高度时，我们更应清醒地认识到：检验报告单上的每一个异常信号，最终都需要医生结合床旁查体、影像证据和临床经验进行综合研判。

AI可以成为延伸医生认知边界的“超级助手”，但绝不是懒政懒务的借口，不应僭越为替代专业判断的“决策主体”。

在实践层面坚守“人机协同”的专业伦理，才能让技术真正回归“辅助”本位。毕竟，医学的温度不仅在于精准的数据分析，更在于医患之间那份无法被算法替代的信任与责任——这才是IVD从业者应当输出的终极价值。