在醫療服務中，首先要明晰的是人工智慧的可信度
文｜《財經》記者 辛穎
編｜王小
在多個社交平臺上，醫生和患者紛紛曬出自己的“問診經歷”，找人工智慧（AI）看病成為一股熱潮。
2025年2月25日上午，北京一家三甲醫院腫瘤科的醫生在住院部查病時，遇到一個患者拿著手機版DeepSeek給出的治療方案來問，為什麼和醫生給出的治療方案有些不同，“這樣的患者越來越多，DeepSeek並不都是準確的，但像上午的這個患者，拿的方案整體上和我們的差不多”。
問題是，AI有開處方的權利嗎？
一則“禁令”給出了部分答案。2月19日，湖南省醫保局釋出《關於進一步加強基本醫療保障定點零售藥店管理的通知》，提出網際網路醫院須按規定接入省醫保電子處方中心，並進行電子處方流轉，處方行為須嚴格執行有關規定，應與患者或患者家屬進行有效、充分的溝通問診，嚴禁使用人工智慧等自動生成處方。
這份地方規範延續了國家衛健委的一貫要求，也對在一段時期內，AI醫生究竟能走多遠給出了一個大致的方向。
無論是患者還是醫務人員，對醫療AI技術水平再上一臺階充滿期待，即便當下AI仍不可能代替醫生，但行業已經開始為新的醫療分工秩序在做準備。
然而，在這個滿屏都是AI的時代，不僅要判斷當下眾多AI醫療系統有多少含金量，到底有沒有開處方的水平？還應思考AI有沒有能力承擔開處方的責任，利用AI能幹什麼不能幹什麼的界線？
大模型湧入醫院
2月26日，在上海，一位患者因為DeepSeek的分析決定在深夜趕去醫院急診。這位患有冠心病的老人晚上突然感覺到有些背痛，但並不算嚴重，本來想熬到天亮再去醫院。
但患者的女兒拿著手機在DeepSeek軟體上描述症狀後，DeepSeek分析認為，60%-70%的可能是急性冠脈綜合症（ACS），20%-30%的可能是主動脈夾層，還有10%-20%的可能是肌肉骨骼痛、肺栓塞等原因。由於大機率可能是急性兇險疾病，一番糾結後，女兒還是在凌晨三點把患者叫醒到醫院去看急診。
“到醫院後，急診醫生也很緊張，馬上安排心電圖、血常規、胸痛等一系例檢查。醫生給的初步結論是，暫時排除急性心梗風險，還是高度懷疑ACS，和DeepSeek判斷一致。當天已經住院了，等做完血管造影才能進一步確診。”患者家屬非常慶幸先諮詢了“AI醫生”，如果等到早上八點再到醫院看專家號，白天檢查速度又慢，住院也得延後。
也有醫生“敗給”AI。不久前，一位廣州的醫學院博主直言“天都塌了”，因病人查詢DeepSeek後，質疑他的治療方案，氣得他又查了一遍指南，結果發現指南更新了，而他不知道。
上述腫瘤科醫生覺得現在AI的靠譜程度提高了一點,“原來在遇到疑難病例時，有時需要查尋病案研究，以前是搜尋出來一篇論文，得自己花半個多小時才能看完，現在AI不僅2分中就能看完，還能和其他的病案做對比總結，幫助提升很大”。
也不乏因為AI而誤診的“反面教材”，有人在社交平臺上發帖說，聽DeepSeek推薦吃藥，最後藥物過敏進了ICU，本來想快點好，反而更難受。
但這並不影響醫院想要更緊密的接觸AI系統。據不完全公開統計，自2025年春節，已有近100家醫院宣佈已本地化部署、接入DeepSeek。京東的京醫千詢大模型、螞蟻的安診兒醫療健康應用，也都推出接入DeepSeek後的新版本。
AI的一個集中應用場景就是最佳化智慧問診，在醫生接診前，透過AI收集形成患者的病例，來減輕醫生的工作。
不過，現有的AI還不夠智慧，因此，“對醫院業務還沒有起到突破性的作用，只是藉助DeepSeek這類通用模型的思路，更好地訓練已有的醫療AI。”一位醫療行業人士對《財經》說。
醫療難容AI幻想
雖然AI能幹的活在增多，但一條不變的紅線就是AI不能獨立提供診療服務。
“此次湖南醫保部門的檔案中強調嚴禁AI開處方，原因有在藥品銷售過程中，行業存在利用AI違規開處方的現象，需要明確法律界限。”上海聯合律師事務所高階律師盧意光對《財經》說。
這樣的問題，主要出現在處方藥銷售中，遇到一些沒有處方的患者，就有藥店利用網際網路醫院給患者提供處方，其中有網際網路醫院為了降低成本，直接使用AI開處方，脫離了醫生，觸碰了法律紅線。
此前，阿里健康、京東健康均曾公開回應，沒有人工智慧自動生成處方業務。《財經》瞭解到，在京東網際網路醫院，一些線上醫生透過AI來獲得更多的支援，有超80%的醫生問診單使用了包括“AI診療助手2.0”在內的工具，以此來幫助醫生降低誤診風險，並且，醫生也能騰出更多的精力放在臨床上。
其實，專業版的“AI開方助手”早在醫院應用了。一些醫院現有的智慧系統，已經可以在醫生診斷患者有某種疾病時，提供相應的藥物處方建議，並提醒醫生要注意某些藥物的副作用，最終由醫生確認後生成處方。
這樣的AI系統還能指出醫生的錯誤，警示和攔截風險處方。
從上述腫瘤科醫生使用DeepSeek的經驗來看，“對於一些既有文字內容的解讀分析，它基本沒什麼問題，但是對於一些前沿的醫學發展和判斷，它的能力還是不行的。但是這種能力的不足，主要是來自於學習資料的不全面，而不是分析能力的不足。”
其實，在資料相對容易獲取的醫療細分領域，AI已經展現出超過人類醫生水平的苗頭。比如在2018年，解放軍南京總醫院準備了100例有肺結節病變的CT片，找了126位初、中、高階影像科醫生，以及一款AI輔助診斷系統測試，從準確性、敏感性等四個維度比較。
最終，第一名仍是人類醫生，但AI超過了126位醫生的平均水平。
若論在已有的知識體系中與人類競爭，AI的優勢很顯著。近期，澳大利亞西澳大學、新南威爾士大學和印度尼西亞哈薩努丁大學的團隊，利用印度尼西亞一家醫院的200次顱骨CT 掃描，訓練並測試了三種基於深度學習的大模型，其對顱骨性別的分類準確率可達97%，顯著高於人類觀察者的82%。
然而，在對事關生命的醫療領域，絲毫的偏差都難以被接受。即便僅從技術角度看，AI也不能獨立開處方，以DeepSeek為例，多位測試者發現，其存在比較明顯的幻想。如原人民日報海外版總編輯詹國樞在藉助DeepSeek撰寫文章的過程中，發現DeepSeek把《平凡的世界》這本書的作者，從路遙改成了自己的老班長朱大建。
美國生成式AI服務平臺Vectara在2月公佈的大模型測評排行中，DeepSeek-V2.5的幻覺率是2.4% ，而DeepSeek-R1的幻覺率達到14.3%；谷歌的 Gemini-2.0-Flash-001，以低幻覺率位居榜首，顯示出其在處理文件時幾乎沒有引入虛假資訊，但還是有0.7% 的幻覺率。
可見，AI幻覺問題是一個行業痛點。“我們可以理解為今天的大模型技術，還是一個‘學生’，我們可以透過拉長推理過程，不斷讓他自己反覆校驗，能夠達到一個更好的結果。”京東健康探索研究院（JDH XLab）首席科學家王國鑫表示，從技術層面這不是不能解決的問題，AI會無限逼近那個準確性。
AI醫生更近了？
“即便AI的能力得到認可，但如果不能承擔法律責任，也就難以替代人類。”上述業內人士說。
大約十年前，手術機器人的發展曾將醫療中AI的法律責任的探討引致小高潮。有人提出的觀點是，如果AI能夠達到一定水平，是否在醫療糾紛中，AI作為獨立的責任主體，也就是生廠商的責任，當然這和質量問題無關的情況下。
“顯然對這個話題的探討，如今還是太早，到今天，我們仍然明確的要求，只有專業的醫務人員有資質操作手術機器人，並且機器人只作為醫生使用一種醫療器械工具。”盧意光說。
不過，對技術一向持保守態度的盧意光也說，“我也並沒有想到像自動駕駛能夠這麼快的發展，與之類似，相關的法律問題，會隨著AI本身的發展逐步解決。
據媒體報道，2025年1月，美國亞利桑那地區下院議員大衛•施瓦科特提出了人工智慧可以開藥物的法案。如果法案透過,在沒有人類醫生介入的情況下,AI將確認患者狀態,並自行開具藥物處方。
根據美國現行法律,只有“法律許可的工作人員”,即醫生才能開藥。只有在醫生親自開處方或藥劑師根據口頭處方開具檔案的情況下才有效。
此次提議的法案將“法律許可的工作人員”概念擴大到AI和機器學習技術。不過，這位議員在2023年也提出了同樣內容的法案,但未經委員會討論就自動廢除。
1月6日，美國食品和藥品監督管理局（FDA）釋出了一份《使用人工智慧支援藥品和生物製品監管決策的注意事項》指南草案，對有關在藥品全生命週期內使用AI生成資訊或資料的規範給出建議，並要求確定人工智慧模型的應用場景，評估人工智慧模型的風險。
簡單來說，就是明晰人工智慧的可信度。
製藥業存在的顧慮，在醫療界則會被放的更大。目前，AI不能替代人類醫生是共識。但醫生們也都或多或少的想過，自己的“飯碗”是否會被搶走。一位北京三甲醫院的醫生認為，“腫瘤科的醫生挺危險，內科醫生不用好AI也危險。”
AI醫生最先衝擊是市場化的全科服務，因為又可以標準化，又沒溝通的風險，
“還有內分泌等十分依賴化驗、檢驗的科室。”一位皮膚科醫生對《財經》分析，內分泌科醫生還是需要和患者溝通，這部分是目前AI做不了的。
引入AI的初級階段，在於是否能用好的AI。“在國內，有些醫院的本地算力不足，還難以支撐使用DeepSeek，但大量醫院的快速表態接入AI，這是少見的，這也為醫療AI的推進釋放一個不錯的訊號。”上述醫療行業人士說。
現在醫療系統開展了一系列的AI培訓課，醫生們在努力成為好的AI使用者。上述腫瘤科醫生接下來的課題專案就是，結合醫院的病歷資料庫，開發腫瘤分級和治療方案的AI產品，這需要相當龐大的資料和時間來完成訓練。
雖然他並不知道，是否能獲取到自己醫院之外的，更多的資料來完善自己的產品，但是至少在他看來，未來這樣的產品就可以幫助一些初級的醫生，準確判斷腫瘤患者的病情。也就是將高階醫生的經驗快速普及下去。
這正是AI破局好醫生不夠用最重要的一步。一些頂尖的醫院將注意力放在罕見病上，因為這是“優質醫生”資源緊缺的領域。
2025年2月，北京協和醫院與中國科學院自動化研究所共同研發的“協和·太初”罕見病大模型，正式進入臨床應用階段。此外，國家兒童醫學中心北京兒童醫院上線應用“AI兒科醫生”，承擔的主要職責之一就是輔助醫生進行疑難罕見病的診斷和治療。
王國鑫認為,在未來3年-5年，是一個醫療大模型突破的一個關鍵時間點，當然結果也取決於打破醫療資料壁壘的程度。
他希望，未來有更強大的大模型，透過少數病例就能提升學習能力，也更接近人的大腦。