医疗AI破局：从技术演示走向临床实战
图示：贵州省人民医院骨科利用AI系统对髋关节置换手术进行术前设计。图/资料
近期，“AI在医疗领域的深度赋能”成为行业讨论的焦点。据《经济参考报》记者调查，病历质量管控、智能导诊及临床试验匹配等具体应用场景中，AI技术已逐步投入实际使用。
目前，AI在降低医生工作压力、提升患者就医感受、促进科研革新等方面具备显著优势，正从“实验室探索”阶段迈向“全面推广”的关键节点。AI究竟能否真正融入医院体系？来自管理、临床及政策研究等不同领域的多位专家对此进行了深入探讨。
场景加速落地 助力医疗服务“提质增效”
“过去医生撰写住院病历时，需耗费大量精力梳理病史、核对逻辑，如今借助AI语音录入和历史病历自动归纳，效率显著提高。”北京世纪坛医院院长张骞表示，该院AI技术已广泛应用于患者服务、临床辅助及医疗管理等多个层面，病历质控、智能导诊及检验报告解读等具体应用已在全院范围内普及。
“核心目标在于让医生将更多专注力投入到诊疗核心工作中。”张骞补充道，AI病历质控系统不仅能提示病历书写时限，还能准确发现前后逻辑矛盾，协助质控人员快速纠错；智能导诊功能通过挂号后自动发送提示，引导患者提前完善病史，数据直接回传至医生工作站，显著缩短了门诊诊疗时间，上线至今累计使用量已超10万次。
AI在医疗领域的应用价值，在肿瘤诊疗这一高难度领域同样得到了体现。
北京大学肿瘤医院副院长宋玉琴指出，AI赋能医院的核心价值在于实现“提质增效”，这既减轻了医生的临床压力，也为科研与教学工作提供了坚实支持。
据了解，针对肿瘤患者挂号难、奔波多的难题，北京大学肿瘤医院淋巴瘤科建立了线上AI问诊平台，累计服务数千人，有效解决了患者“挂错号、多跑路”的困扰；在科研方面，AI辅助构建专科数据库，能够一键生成中英文文献综述，并根据研究重点、样本量等要素迅速制定临床方案，将原本耗时数周的工作压缩至数小时。
“从技术层面来看，AI的应用前景广阔。”中科计算技术西部研究院研究员赵宇认为，未来AI将深度融入医疗全流程，涵盖智慧病历、影像分析、手术机器人及自主给药系统等领域。他指出，AI能有效延伸人类的能力边界，例如手术机器人可实现亚毫米级操作精度，远程手术亦能借助AI技术降低操作风险。
从被动接受到主动应用 临床落地加速
尽管AI优势明显，但在实际应用中，“不愿尝试、不敢使用”的顾虑曾困扰许多医院。
张骞坦言，系统初期推广时，部分医生存在抵触心理，病历质控系统的使用率一度较低，虽然病情复杂的科室愿意尝试语音病历生成功能，但在简单的复诊开药场景中，使用率依然不高。
“主要原因在于管理政策引导不足，医生缺乏使用动力；此外，初期模型通用性不强，未针对专科特点优化的AI，容易产生生成内容不准确的问题，导致医生不敢使用。”张骞解释道。
为此，北京世纪坛医院强化了病历质量管理，逐步将AI质控转化为医生的“刚需工具”，通过建立反馈机制，鼓励使用积极的科室总结问题，并及时同步给IT部门进行模型优化。
“当医生意识到AI能帮助他们减少失误、节省时间时，自然会从被动接受转变为主动使用。”张骞说道。
这种转变同样在北京大学肿瘤医院的实践中得到了体现。
北京大学肿瘤医院胸部肿瘤内一科主任医师赵军指出，AI推广需贴合临床实际需求，避免“一刀切”。以诊前预问诊为例，该院通过职代会提案推动实施，结合肿瘤患者特点优化流程，让患者主动确认信息，既保障了数据准确性，又提升了就医体验。他强调：“AI不应‘硬塞’给医生，只有真正解决他们的痛点，才能实现良性推广。”
宋玉琴透露，北京大学肿瘤医院今年计划投入数千万元升级AI系统，旨在通过技术优化和培训引导，让更多医生体会到AI的价值。“我们鼓励医生主动尝试并反馈问题，从而形成‘使用-优化-再使用’的良性循环。”
突破三大瓶颈 畅通医疗AI全面落地
“AI赋能生命健康，既是机遇也是挑战，更是一份责任。”国务院参事、北京协和医学院卫生健康管理与政策学院长聘教授刘远立认为，医疗AI要实现规模化应用，必须突破数据、评测及落地三大瓶颈。
业内专家普遍认为，数据是AI的“燃料”，然而高质量、标准化、多模态的医疗健康数据供给匮乏，安全高效且可信的数据共享流通机制尚不完善，已成为制约AI发展的首要瓶颈。
刘远立指出，公立医院作为数据持有方，普遍面临“不能、不敢、不愿”共享数据的困境。“不能”源于医疗数据多模态、高复杂且专业性强，各医院普遍缺乏成熟的数据治理与开发能力；“不敢”是因为健康数据高度敏感，隐私保护责任重大；“不愿”则是因为缺乏合理的数据贡献激励机制和价值回报。
当前，大模型在快速迭代并展现巨大价值的同时，算法偏见、误诊漏诊等风险也随之而来。刘远立强调，技术越先进，监管越要同步跟进。为确保AI可信可用、安全可控，应加快构建覆盖研发、审批、应用及监管全链条的权威评测机制与平台，以统一科学的标准为技术创新划定安全边界。
“再好的技术，只有真正落地才有价值。”张骞认为，医疗AI的规模化发展需要顶层设计与政策引导，促进医疗、医保、医药数据的互联互通，激活数据要素，夯实发展基础；在医院内部，也需统筹规划，合理部署算力、选择模型并有序推广场景应用。（记者 邓林如）
