AI已經和人類醫生打成平手？他們在中國率先建設AI醫院

6.24‍‍‍‍‍‍‍

知識分子

The Intellectual

撰文 | 知識分子

● ● ●

2025年，國產大模型Deepseek橫空出世，掀起一波AI狂潮。數百家中國醫院本地化部署了Deepseek大模型，並嘗試將其整合到臨床診斷與決策支援、患者教育、科學研究以及醫院管理系統等實際任務中。

2024年12月，一場AI醫療模型與醫生的巔峰對決在北京美中愛瑞腫瘤醫院上演。由8名副高以上資質、在頂級三甲醫院歷經多年磨礪的醫生組成的MDT（多學科診療）團隊，與國內外五個知名AI醫療模型——豆包、百川、小荷、ChatGPT o3、Google Gemini同堂競技。這次比賽，人類醫生勉強和AI打個平手，而且在某些環節的表現已經輸給了AI。“這讓我感到惶恐”，這次比賽主持者、北京美中愛瑞腫瘤醫院院長徐仲煌說道。

今年4月，清華大學宣佈成立人工智慧醫院（Tsinghua AI Agent Hospital）。其以全科醫學科和眼科、放射診斷科、呼吸科等專科為試點，從設計底層融入AI智慧體功能，協助醫生精準決策，長遠計劃實體化執行人工智慧醫院。清華大學副教務長、醫學院院長黃天蔭和清華大學智慧產業研究院院長張亞勤，共同擔任這家AI醫院的院長。幾家英文科技媒體稱其為全球首個完全由AI驅動的虛擬醫院。

醫院們紛紛行動，美中愛瑞就即將在北京的望京建設一家小型AI醫院。而科技企業也在加速佈局“AI造醫生”。今年3月，“大模型六小虎”之一百川智慧與北京兒童醫院、小兒方健康科技公司共同釋出國內首個兒科大模型，以及AI兒科醫生基層版、專家版。這被視為百川智慧從通用大模型轉向醫療垂直領域的一份階段性答卷。

圍繞AI在醫療領域發展的應用和挑戰，北京市海淀區智識前沿科技促進中心（簡稱“智識學研社”，《知識分子》《賽先生》出品方）今年6月組織了一次科學四十人圓桌討論會。討論會邀請到這場AI醫生變革的幾位參與者：

黃天蔭：清華大學副教務長、醫學院院長，新加坡國家科學院院士、英國皇家學會院士，美國國家醫學院外籍院士、澳大利亞健康與醫學科學院外籍院士

王小川：百川智慧創始人兼CEO

徐仲煌：北京美中愛瑞腫瘤醫院院長

王仲：清華長庚醫院全科與健康醫學部部長

此次科學四十人圓桌由劉遠立主持，他是北京協和醫學院長聘教授、衛生健康管理政策學院原執行院長。以下為文字實錄。

AI已經可以戰勝醫生了嗎？

劉遠立：今天的討論開始之前，我們一起來梳理一下醫療健康人工智慧、特別是AI醫生總體的發展情況。相信很多人都很好奇，在哪些特定的領域或者場景，AI醫生的診療能力已經達到了臨床醫生的水準。

首先請教一下黃教授，2016年，你在《美國醫學會雜誌》JAMA上就發表過關於人工智慧醫學應用的論文，您如何評價過去十年AI醫生的發展現狀？哪些是你當初寫那篇paper的時候預料到的，哪些是沒有預料到的？

黃天蔭：回顧從2016年到現在2025年，AI在醫療領域確實取得了很多進展。2016年我們在《美國醫學會雜誌》那篇論文，是關於糖尿病視網膜病變的AI應用研究。當時我們用到了深度學習技術，這也是AI領域一個非常重要的技術突破。

這10年來，技術上確實有了很大進步。比如，2022年和2023年，大語言模型（LLM）和基礎模型（Foundation Model）的出現，讓AI從專科領域逐步擴充套件到全科領域，包括影像、放射、病理等方向。基礎科研方面，我們也看到了大量頂尖的研究成果。但是，技術的進步並不代表它已經很好地融入了我們的醫療體系。

我覺得這裡有一個很大的問題，就是技術和實際應用之間的脫節。AI在醫療體系中的應用還沒有達到理想的廣泛程度，我們的醫療體系在這方面還有很大的發展空間。我曾經提出過一個“5P”概念框架來分析這個問題：

第一個P是人（People）。醫生對AI的瞭解還不夠，醫療團隊中懂AI的工程師也很少。AI要真正融入醫療體系，首先需要有懂AI又懂醫療的人才。

第二個P是平臺（Platform）。目前很多醫院的資料化、數字化基礎設施還不完善，很多患者的病歷還是傳統的紙質記錄。這種情況下，AI的應用就很難順暢地展開。

第三個P是流程（Process）。我們現在的醫療管理流程，還是基於傳統的看病模式。如果要引入AI，需要重新設計流程，讓AI和現有體系更好地協同，而不是簡單地把技術加進去。

第四個P是產品（Product）。我們需要明確AI在醫療中的具體定位，比如它是一個演算法、軟體、硬體，還是一個機器人？這些都需要清晰的定義。

最後一個P是政策（Policy）。政策支援非常重要，比如如何管理AI的風險和安全性，如何將AI納入醫保體系？這些問題都需要從國家和國際層面去解決。

總的來說，我的觀點是，技術已經非常前沿了，但我們的醫療體系還不夠成熟，尤其是在團隊建設、基礎設施、流程設計、產品定位和政策支援這些方面，還有很多工作要做。

劉遠立：謝謝黃院長精彩的開場，從眼科領域切入，既展現了技術的飛速發展，也點出了應用層面在人力資源、平臺、流程、產品和政策這5大瓶頸問題。總體來看，黃院長作為國際頂級專家，對AI醫療持審慎樂觀的態度。接下來我們請腫瘤領域的專家徐院長分享。徐院長，半年前美中愛瑞腫瘤醫院組織了一場人機大賽，8位資深醫生組成多學科團隊，與5個國內外知名醫療AI大模型PK腫瘤病例的精準診療。據說比賽中您和參賽醫生們一度心情失落，當時為什麼會有這樣的感受？

徐仲煌：首先，我特別認同黃院長剛才提到的觀點。其實我今天來之前心裡還有點忐忑，因為說實話，醫生對AI和演算法的瞭解確實有限，包括我自己，現在還在努力惡補一些相關術語，比如什麼“蒸餾”之類的。坦白講，這些東西我們並不真正懂。但是，剛才提到的一些AI相關的設計，我們醫院其實也有一些小規模的實踐。比如在病例記錄、預案制定等方面，AI已經開始成為醫生手中的一個工具。不過，要真正做到大規模應用，或者正式使用，還涉及到很多問題，比如倫理問題，這些都需要進一步探討。

說到那次人機比賽，其實當時DeepSeek R1還沒出來，我們用的是百川、豆包、小荷、ChatGPT o3、Gemini等AI模型。我們的醫生團隊也很強，基本上來自協和、301等三甲醫院的資深醫生。因為我們醫院是腫瘤專科醫院，腫瘤又是特別複雜的疾病，所以我們採用的是全程即時的多學科診療模式（MDT）。比賽時，我們選擇了協和的一個病例集，這個病例是有完整答案和結局的。整個比賽從問診開始，到診斷、鑑別診斷、診療方案的制定，再到二次復發後的診療方案，每一步都進行了評分。

劉遠立：這個比賽是雙盲的嗎？

徐仲煌：是的，絕對是雙盲。評委也是分割槽操作，完全遵循雙盲原則。我們還有5位IT人員在後臺同步操作。這次比賽讓我感到惶恐，因為AI的表現確實很強。雖然在處理非結構化資料時稍弱一些，但一旦進入到結構化資料的階段，它的表現就非常出色。最終，經過所有環節的評分，我們人類醫生只能勉強和AI打個平手。

我們醫院是北京第三家腫瘤三級專科醫院，排名僅次於東腫（中國醫科院腫瘤醫院）和北腫（北京大學腫瘤醫院）。我們的醫生團隊實力很強，各科室的專家都參與了比賽，但即便如此，面對AI的推理能力，我們還是感到壓力很大。尤其是AI在某些環節的表現，已經超越了人類醫生。雖然我們在幾個環節上還有優勢，但整體來看，AI的能力確實讓人惶恐。

不僅是我，參賽的醫生們也有同樣的感受。比賽結束後，大家甚至有點不服氣，紛紛嚷著“再來一次”。

劉遠立：徐院長，首先我敬佩您的勇氣，我想你的老東家協和醫院恐怕是不太敢於參加這種比賽。

徐仲煌：我們醫院一向是敢於嘗試、不怕犯錯的，這也是我們擁抱未來的一種態度。當然我們也有一定底氣，就像我跟小川老師提到的，我們院內的HIS系統是我們自己研發的，我敢說，資料的即時性和完整性在國內都是非常領先的。

不過，第一次比賽之後，我們確實不服氣，但又不想讓醫生們的自尊心受到太大打擊。所以第二次比賽，我們調整了方式，採取“人機協同”的模式。具體來說，就是醫生先出一個方案，AI也出一個方案，然後兩邊互相交流，取長補短，看看能不能形成更優的結果。我們還特意選了一個協和的經典病例，一個淋巴瘤患者的病例，這個病例是協和各個科室都跑了一遍的，屬於非常複雜的病例。結果顯示，在AI工具的幫助下，醫生的表現確實提升了很多，整體效果也更加貼合實際。

劉遠立：第二次比賽中，有發現AI的一些不足嗎？

徐仲煌：AI的不足當然是有的，而且一直都存在。雖然它在規範性、完整性和縝密性上表現得非常強，甚至已經有了某種AGI的能力，而不僅僅是專項AI的能力，但它在某些細節上還是不如人類醫生。比如，有些病例中，像溝回部的腫物，醫生可能會判斷這個位置穿刺不到，直接選擇放棄穿刺或者跳過某些步驟，轉而考慮更直接的手術。但AI卻往往會嚴格按照步驟來，比如step one、step two，完全按部就班，不會靈活調整。

另外，AI在考慮患者經濟條件、家庭支援等溫度化的因素上也是缺失的。它不會像醫生那樣綜合考慮這些“人性化”的細節。但是，當AI和醫生互相協作時，這些問題就能得到很好的補充。比如醫生可以指出某些地方AI的不足，AI則可以提醒醫生某些遺漏的細節。透過這樣的協同，最終的診療方案明顯更加完善。

不過，我依然對AI的發展速度感到惶恐。它的進步實在是太快了，讓人難以預料它未來3年、5年會達到什麼樣的水平。所以，我對AI始終保持非常大的敬畏之心。

劉遠立：謝謝徐院長，剛才談到一個關鍵詞就是這個人機協同，特別是第二次比賽的體現。請問王老師，剛才兩位專科醫生，眼科、腫瘤，對AI有兩個稍微有點不太同的體驗和看法。您作為全科醫學的專家，怎麼看您專業領域AI到目前為止的發展？

王仲：說到AI替代人類的事兒，其實早在上世紀90年代，計算機就開始替代我們的一些工作了。我印象特別深，我研究生畢業時用640k計算機做了一個彩色的幻燈片，那時候大家還在用藍底白字的幻燈片，結果我做出來的PPT讓所有老師都很震驚。後來網際網路開始普及，又替代了我們很多工作，比如取片子、拿化驗單這些事兒。

再後來，計算機和系統的進步又替代了資料儲存的工作。協和有三寶，其中一寶就是病例，過去我們靠手寫儲存病例，現在有了電子病歷，存病例已經不再是問題了。所以替代是一步步走過來的。但說到醫生被替代，這裡我想講一個小插曲。有位企業家曾經說過，30年後醫生會下崗。當時我很氣憤，我說只要還有人會生病、會死人，醫生就不會下崗。

但現在我發現，人工智慧的出現真的可能讓一部分醫生下崗。為什麼？因為醫生的核心工作是拿到資料、分析資訊、梳理邏輯、找到關鍵點、給出診斷並制定治療方案。而這些AI正在做得越來越好。比如，AI可以把一個生化化驗單分析得非常細緻，它還能把不同時間維度的資料進行橫向和縱向的對比分析，這些是人類醫生做不到的。但AI能做到，甚至比我們更強。

所以我一點都不意外AI的快速發展，甚至可以說它一定會在某些方面超越我們。比如，我可能會記不住某個病人，但AI不會，它只要有足夠多的知識庫和邏輯體系，就能比我們更精準、更高效。未來，AI替代醫生的某些崗位和工作是必然的，只是替代到什麼程度還需要時間去驗證。總之，我認為AI不會完全脫離人類，但它一定會改變我們的工作方式，甚至重新定義醫療行業。

AI造醫生的時代到了嗎？

劉遠立：王仲院長剛才提到協和的三寶，病例、圖書館、教授。毫無疑問病例現在我們的AI代替了，圖書館也代替了，我特別感到有點震驚的，我們協和的前專家居然說協和的教授現在也迅速被代替，這個我確實是感覺有點冒冷汗。如果這三位我們形容為在前方、為人民的疾病來做鬥爭的前方將領，小川總相當於送槍送炮的後勤部長。你剛才聽到了前方作戰的將領們的發言，你覺得你的槍炮現在已經充分發揮了作用，還是說他們還沒有意識到你很多倉庫裡面的秘密武器？

王小川：我覺得這個場子對我們太友好了。因為以前提出“AI醫生”受到很多的挑戰和質疑。今天“清華+協和”這個場子，大家都已經認為AI能幹很多事情了。我很佩服徐院長的實踐，當時比賽的結果公開我也看見了。剛剛徐院長沒好意思說，Gemini和chatgpt當時是優於他們的醫生，百川還差一些，沒到醫生的水平。但我很佩服他們有勇氣公開這個結果，在當時還沒人敢說“機器比醫生好”的時候，他們就把這個情況擺出來了。

2023年，我鼓吹了一件事，叫“AI元年”。以前的AI都是假的，但這次是真的。以前的AI主要做影像處理，或者在統計上產生一些效益，而這次不一樣，AI掌握了語言。語言是對世界的認知、溝通和抽象推理的核心。掌握了語言，AI就能像人一樣去認識世界，並且建立起自己的思考能力。這是歷史上從未有過的事情，甚至馬克思都說，人和動物的區別在於人會用語言，而動物不會。

在醫療圈和科技圈之間，其實過去是有點“互相傷害”的。醫療圈會說，“你們AI快過來幫忙吧”，但AI來了之後一看，“不太靈”。而科技圈的AI團隊衝進來，燒了1000億，不是投在製藥上，而是投在資訊化和AI化上，結果錢沒賺著，還賠了很多。但這次不一樣了，核心原因是技術發生了翻天覆地的變化。

實際上再往前，剛才黃教授提到的2016年，對我來說是個很特別的年份。當時AlphaGo大勝人類圍棋高手，讓全世界震驚。其實早在2013年，我就想用機器下圍棋了。我去（清華）大學找了系主任、黨委書記、高效能所所長、人工智慧研究室的主任，說我們一起來玩這個，但可能是我說服能力有限，沒人願意陪我玩，這事兒就擱下了。到了2016年，Google說要比賽了，還發了論文。我當時很興奮，在知乎上發帖子說AI能贏，當時不是說下圍棋的不相信，科技圈大多數人也不相信，大佬們都打賭說機器贏不了，結果最後他們每人輸了1萬塊錢。

2016年AlphaGo比賽的時候，新浪直播請了我去做嘉賓。他們找了兩個代表，一個是支援AI能贏的，就是我；另一個是支援人能贏的，是中國圍棋隊總教練俞斌。他不僅是圍棋高手，還會寫程式，是圍棋隊里程序寫得最好的一個。他當時覺得我們這些人相信機器能贏的腦子都抽了。但比賽的結果讓所有人震驚，機器贏了。俞斌當場就有點蒙圈了，甚至都不知道怎麼下樓回家，最後是新浪體育頻道的編輯們把他送下樓，幫他打上車。那一刻我就深刻理解到，AI的突破，對一個頂尖的人類高手會造成多麼大的衝擊和壓力。

我在醫療領域也遇到過很多質疑，比如有院士就直接diss我，說“你學啥的？”我說學計算機的，他就說醫療太複雜了，計算機怎麼可能搞定？但我覺得正因為學計算機，我才知道這事兒是靠譜的，就像AlphaGo用計算機下圍棋一樣，我知道這裡面有很大的鴻溝，但技術是有機會突破的。尤其是語言被AI突破後，這次真的不一樣。不僅醫生這個職業，很多其他職業都可能被顛覆性地改變。

我的預測是，AGI未來幾年就會到來。外界看到百川從AGI轉向醫療，覺得是轉型，但其實這是我的初心。我從2023年開始就是想做“造醫生”這件事兒，但當時不敢明說，否則團隊招不到人，投資人也不信。他們只會問技術行不行、監管怎麼辦、商業模式怎麼搞？這些問題確實很複雜，但我始終有一個信仰，就是機器能比人更強，而醫療是人類最需要的一種服務。

早在2016年我們就做了一款“搜狗明醫”的產品，雖然沒做到根本性突破，但它的目標是幫助患者明明白白地看病，懂得如何與醫生溝通。這也為後來AI醫療的發展打下了基礎。2018年，我作為政協委員就提出，讓AI賦能基層醫療，我覺得突破點在基層上。

但更遠一點，我有一個更大的暢想，就是“生命建模”。生命科學和物理學不一樣，物理學看似嚴謹，但最終走向熵增，是不可計算的，比如天氣預報或者三體問題，軌道最後都不確定。但生命科學不一樣，它有規律。比如一個受精卵10個月後變成嬰兒，長得還像父母，這是清晰的結果。所以我一直在想，生命怎麼建模？今天AI醫療談的是像醫生一樣的工作，但未來更大的顛覆不是醫生，而是讓機器能為每個病人建立“數字孿生”，瞭解病人的生命模型，從而預測健康狀況。這是醫生今天做不到的，但AI可以做到。

建模並不一定要從基礎科學開始，臨床資料就足夠了。生命是可約的，不像傳統的超算那樣複雜。比如Alphafold透過智算直接從基因推導到蛋白質，比傳統超算快了幾萬倍。未來，用AI模型為人建立生命模型，也可以實現類似的效率提升。所以我覺得，下一個發展的方向，除了“造醫生”，還包括為生命建模，透過AI醫生和數字孿生的結合，推動醫療領域的巨大突破。這是我對未來的暢想。

AI醫院怎麼建？

劉遠立：好，謝謝小川總的精彩分享！果然不愧是“四清”——本科、碩士、博士、EMBA，都是清華的。“造醫生”這件事情，小川總是吃螃蟹的人，他展現出了巨大的勇氣和開創精神。當然，今天在場的還有同樣值得敬佩的“吃螃蟹的人”。小川總是“造醫生”，他們是“造醫院”。

大家可能已經知道了，2025年4月26日，清華大學成立人工智慧醫院。圍繞著剛才小川總談的“造醫生”，接下來我們就來談談“造醫院”這件事兒。黃院長，現在大家對你的AI醫院非常關注，能不能給我們介紹一下？清華成立的AI醫院和我們傳統的醫院到底有什麼不同？

黃天蔭：這是很重要的一個責任。因為怎麼樣做一個AI醫院，目前還沒有人能夠完全確定。我們需要明確AI醫院的模型和醫療模式到底是什麼？

傳統的醫院，無論是在中國還是全球範圍內，都是依靠床位、醫生和醫護人員的數量來擴充套件服務能力。也就是說，增加醫生和床位，就能增加對患者的服務。但這種模式已經很難滿足未來的醫療需求。現在很多醫院，包括海外的醫院，也在嘗試把AI技術融入現有的體系。但這種做法並不容易，因為傳統醫院的體系非常複雜，比如協和醫院有100多年的歷史，積累了很多寶貴的經驗和資源，要在這樣的體系中加入AI技術並不簡單。

清華大學智慧產業研究院團隊2024年5月完成論文，提出了Agent Hospital,在國內外人工智慧和醫學社群受到廣泛關注

所以，我們清華在設計AI醫院時，選擇了一條不同的道路。我們不是在傳統醫院的基礎上逐步加入AI，而是從零開始，從一張白紙出發，重新設計一個醫院。如果沒有既定的醫院，我們會如何設計？這是我們遵循的原則。我們希望技術與醫療模式共同建立這個AI醫院，而不是先有醫院後加技術，也不是先有技術再找醫療體系。張亞勤院長從技術和AI的方向提供支援，而我主要負責臨床醫療的方向。我們強調，技術與醫療必須同步推進，而不是一個先行另一個跟隨。

我們的核心目標是透過AI技術大幅降低醫療成本，同時提升醫療服務的質量和效率。比如，一個普通醫院可能1000張床位只能服務100萬人，但我們希望透過AI技術，用10或100張床位服務1000萬患者。這不僅是一個技術上的挑戰，更是一個醫療模式的創新。

我們計劃先從三個示範點開始推進AI醫院的建設：全科醫療、眼科AI門診、放射影像。我們AI醫院的目標不是發論文，也不是做研發，而是讓每一個患者真正進來享受AI醫院的服務。

劉遠立：好的，我稍微解釋一下，現在世界上的醫院大致可以分為兩種型別：一種叫“大綜合小專科”，另一種叫“小綜合大專科”。剛才黃院長給我們描繪了他心目中關於專科與全科之間平衡的願景。這確實是一項非常有挑戰性的工作。這個工作到了執行這一塊就更有挑戰性了，王仲教授，假設AI技術方面和臨床意見不一致，你怎麼辦？

王仲：好在現在我們團隊的意見還是一致的。不過剛才天蔭院長也說了，他也不知道該怎麼做，所以我就更不知道該怎麼做了（笑）。像我剛剛說的，我是被加入這個團隊的，但我覺得非常榮幸。同時，這也給了我一個很好的機會去思考：AI醫院和“醫院+AI”到底是什麼關係？

如果回到傳統醫院的建設，我是有一些經驗的。我有幸參與過協和醫院新樓的籌建工作，後來又參與了清華長庚醫院的籌建，所以我很清楚建一家傳統醫院的流程是什麼樣的。通常我們會先有一組人去規劃：我要建一個多少張床的醫院，佔地多少面積，樓能建多高，設定多少個科室，是手術科室還是非手術科室，手術科室佔比多少，需要配多少個手術間等等。接下來，我們會採購裝置，比如CT、核磁共振，然後決定這些裝置放在哪個房間、電源怎麼配置，最後才是搭建資訊系統。這是傳統醫院建設的思路。

但是，AI醫院可能完全顛覆了這種邏輯。AI醫院的核心不是先建一個物理空間，而是要建一個數據流向系統。比如說，我們現在的醫院是病人掛號後走到診室，才開始和醫療機構建立聯絡。醫生問診、查體、開檢驗單，病人和醫院的聯絡從這一刻開始。等結果出來後，醫生再根據結果判斷治療方案。但在未來，可能很多資料的採集並不發生在一個物理空間的醫院，而是在一個資訊化的醫院。這個醫院是一個“範疇”，而不是一個具體的空間。它可能在美國、歐洲，也可能在北京。透過AI分析資料，幫助判斷病人是否需要進一步的人工檢查或治療。

所以，我的理解是，未來的模式可能是“小物理醫院+大AI醫療服務”。在這樣的思路下，我們正在黃天蔭院長和張亞勤院長的指導下，緊鑼密鼓地思考這些問題。同時，我們也希望能夠儘快搭建起一個平臺，實現天蔭院長提到的願景：儘早進來第一個病人。

劉遠立：好的，我們從一些創新的醫院建設，再回到我們相對比較熟悉的專科，腫瘤和兒科，先請徐院長談談在腫瘤專科人工智慧的發展和應用當中，您主要的體會。

徐仲煌：其實我還真想談談AI醫院。清華作為“航空母艦”，資源力量非常雄厚，所以我特別贊成王教授剛才提到的“白紙上畫圖”。去年5月份我去了Mayo Clinic，也考察了日本仙台一家醫院，但他們還沒有達到AI醫院的描述和標準。我們還請了他們兩位年輕教授來談他們建設AI醫院的思路，但顯然目前在全球範圍內還沒有形成明確的共識。不過有一點我認為是確定的，無論醫院是虛擬的還是實體的，採集資料的功能一定不會改變。

剛才小川總提到的“模擬人”（數字孿生），我覺得很可能成為未來AI醫院的重要替代技術，但這種模擬應該是個體化的（individual），而不是通用的（general），甚至可以是模擬區域性。醫學跟其他自然科學相比發展較慢，主要原因是容錯率低，無法反覆試驗。但如果有了模擬技術，醫學技術的進步速度可能會大幅提升。

我想象中的AI醫院可能會有類似的應用場景。比如說，在眼科手術中可以透過模擬技術提前演練手術方案，這需要結合VR、AR等技術。AI醫院的建設思路可能是從AGI入手，再逐步發展針對性的AI醫療技術。我們也需要關注醫療的特殊性，比如資料隱私、生物學等問題。

我們目前也在邁出探索的步伐。我們計劃在望京建設一家小型AI醫院，規模不大，有800張床，但佔地22萬平方米。（與AI虛擬醫院不一樣，美中愛瑞將依託火山雲三層架構，以AI Agent重塑資料與應用生態，藉助智慧體打造以資料為基礎的智慧醫療平臺，建設AI原生醫院。）去年考察Mayo Clinic時發現，他們已經部署了600多個醫療AI，但更像是“智慧型醫院”，而非真正意義上的AI醫院。我覺得要正本溯源一下，當前許多醫院只是簡單地部署一些AI技術，比如DeepSeek，就號稱是AI醫院，但這與真正的AI醫院相差甚遠。AI醫院裡AI是“大腦”，而不僅僅是提高效率的工具。

AI在醫療中的潛力是巨大的。我們曾有一個案例，透過AI分析全基因庫，推算出一個從未作為適應症使用的藥物，最後證明效果很好。這是AI的力量所在，但也有侷限性，比如有些最新的專科文獻，AI可能無法及時獲取。

劉遠立：徐院長的分享總是充滿激情。在這裡，我順便分享一個挺有意思的資訊。我有一個碩士生今年畢業，他的畢業論文是關於中美兩國一流醫院科研產出的比較研究。他選擇了美國的4家頂級醫院，包括梅奧(Mayo)，以及我們中國排名前4的醫院，得出了兩個很有意思的發現。

第一個發現是，在頂級期刊上發表的文章數量，美國醫院是中國醫院的20倍。這說明我們在傳統科研領域還有很大的差距。但第二個發現讓我覺得很有希望：在人工智慧這個新興領域，美國醫院的優勢縮小到了2倍左右，幾乎是一種並跑的狀態。

所以我想問一下小川總，作為在這個領域最有發言權的人之一，您怎麼看？我們是不是有可能在人工智慧領域實現並跑甚至領跑？

王小川：美國的0到1創新能力確實比我們強很多，他們的創新意識和文化很成熟；而中國在1到100的規模化上更有優勢，比如大模型技術，美國先發明瞭，國內像DeepSeek就能快速跟上，做得更工程化、更便宜。醫療領域也是這樣，美國在創新上更強，但中國頂尖專家的個人能力比美國更強。不過，中國的醫療難點在於支付體系，保險支付能力比美國差很多。在美國，你幫醫生省一半時間，他就能賺很多錢；但在中國，醫生省了時間也賺不到錢，這就特別難。

所以，我們要找到自己的切入點。我提了兩個願景，一是為人類造醫生，二是給生命建模型，這是我最想做的事。不做製藥，是因為我覺得那塊太深了。越專業的東西，AI在其中越做配角，我認為“造醫生”是離大模型最近的一件事。

AI為什麼從兒科切入？因為兒科醫生尤其短缺，按人均配比缺100萬。而且，AI在醫療場景中，大醫院對AI需求小，小醫院和基層對AI需求大，所以AI應該往基層走，幫助實現分級診療。全科和兒科是我們的優先選擇，全科醫生是家庭醫生的核心，每家需要一個；兒科醫生是兒童健康的保障，但因為兒科不賺錢，醫生越來越少。我們希望透過AI技術，讓基層醫療和居家診療更普惠，既符合國策，也滿足老百姓的需求。

如何在未來十年培養出適應AI時代的醫生

劉遠立：小川總提到選賽道和補短板很重要，我想補充一點，兒科不僅需要醫生，還需要家長的參與，這是一個天然可以融合to B和to C的領域。剛才4位專家已經討論了人工智慧領域的發展現狀及其未來的巨大價值。接下來，我們想探討這個領域主要面臨的挑戰。具體到垂直賽道的人工智慧，核心在於研發如何讓現有的大模型更優，以及應用的落地。從大模型的角度看，算力、演算法和大資料是三大約束條件。請各位專家從小川總開始，談談在醫學人工智慧領域，如果我們想保持並跑並爭取領跑，主要的挑戰和約束條件是什麼？

王小川：關於算力、演算法和資料的問題，我覺得醫療領域的算力其實不是主要瓶頸。極端地講，人的DNA裡agct的總量不到一個G，只有0.75個G，說明生命最底層的模型並不複雜。今天的複雜性是因為我們還沒找到好的模型去模擬它，甚至我認為不需要萬億級引數就能解決問題，這是我的第一性思考。

接下來是演算法和資料的問題，尤其是資料，大家都知道這是個大瓶頸。資料既有使用者隱私脫敏的問題，又有醫院利益的問題，還有資料質量差的問題。很多資料開啟一看，根本沒法用。我的構想是，資料的解決不僅僅依賴專病的優質資料，還可能需要AI醫生陪伴使用者，透過全病程、全生命週期去收集資料，形成資料飛輪。這樣，AI醫生不僅能收集資料，還能推動醫院資料的使用，形成雙輪驅動的狀態。

演算法方面，我的看法可能和大家不太一樣。現在大家造醫生模型時，習慣於遇到垂直領域資料就往大模型上fine-tune一下，但我覺得不光是這樣。除了醫生模型，還需要數字孿生模型。醫療資料並不是完全用來訓練醫生的，現實中的醫生也不是靠讀了1000萬個病例學會看病的。因此，演算法中間還有很多挑戰需要解決，比如醫院裡用DeepSeek掛個東西加個rag，或者用資料fine-tune一個模型，這些做法我覺得都是吹牛的，不是這麼玩的。要走這條路，還有很多科研問題需要攻克。

另外，我認為解決資料、演算法、算力這些問題的根本，不是從技術本身出發，而是看你跟誰合作。做科技公司，如果沒有醫療場景的支援，很難獨立完成。比如你跟政府講自己能做AI醫生，政府也無法驗證。所以好的合作伙伴非常重要。像清華現在把醫學和技術結合起來，比如亞勤和天蔭的合作，這些跨學科的融合是關鍵。最終，基層醫療可能是AI醫療的主要應用場景，而不是大醫院。所以，我覺得要跳出算力、演算法、資料的框架，關鍵還是找到好的合作伙伴，推動技術落地。

劉遠立：剛才談到醫學和人工智慧兩大領域的合作，這種緊密的合作需要優秀的合作伙伴。最近我在做專題調研時，特別是在中科院計算所，他們提出新型複合型人才，既懂臨床語言，又懂計算機語言，這類人才現在是最為缺乏的，他們可以起到橋樑作用。黃院長，您既是醫學家也是教育家，您認為中國在醫學人工智慧的大模型發展和創新中，如何才能在全球醫學領域發揮更大的作用？目前最大的挑戰和約束條件是什麼？

黃天蔭：剛才小川講的我非常贊同。現在我們面臨的核心問題已經不是演算法，而是人才培養的問題。作為高校，清華大學的核心責任就是人才培養。然而，我們需要思考，2025年培養出來的醫學生，在2035年進入醫療行業時，是否能夠適應AI時代的醫療體系？目前我們的培養模式並不能完全滿足這一需求。

首先，現在醫學生的培養模式還是相當傳統。雖然很多大學已經增加了一些AI相關課程，但僅僅在課程中加入AI知識是遠遠不夠的。其次，醫學生的重要培養階段是在臨床實習階段，但他們仍然是在傳統的醫院環境中學習，缺乏AI醫療體系的實際體驗。

因此，我們需要思考如何為2035年的醫生構建一個全新的培養模式。清華大學之所以要建設AI醫院，不僅是為了應對醫療問題，更是為了給醫學生提供一個在AI環境下學習和實踐的場所。在這樣的AI醫院中，醫學生可以在全新的醫療模式下學習臨床經驗，而不是僅僅依賴傳統的醫生和患者的交流方式。這種環境中，AI將成為重要的一部分。

所以，我認為未來最大的挑戰之一，是如何在未來十年內培養出適應AI時代的醫生。這需要我們在醫學教育模式上進行更多的努力和創新。

除此之外，我們也需要注意，在國際上一些發達國家，很多醫生是從研究生階段開始培養的，本科階段更多是以工科背景為主，然後研究生階段進入臨床學習。而我們現在仍然從本科階段開始培養醫學生，導致醫生缺乏多樣化的背景，尤其是工科背景的醫生非常少。相比之下，一些發達國家的醫生大多具備工科背景，這讓他們在AI時代更具優勢。我們的醫學教育模式相對傳統和保守，還未能完全適應AI時代的需求，我們需要思考這個問題。

劉遠立：前面徐院長還有王院長都提到醫生未來會不會失業的問題，黃院長給出的答案是未來能不能有你的崗位，取決於你現在怎麼培養，是不是能夠適應未來的挑戰和需求。好，徐院長請發表你的高見。

徐仲煌：我非常贊同兩位的意見，目前IT人員與醫務人員的溝通效率很低，IT人員常以為自己懂了，但做出來的東西並不符合臨床需求。我們曾找了一個北大的博士後，能較好地理解兩邊，但這種複合型人才非常稀缺。雖然不需要每個醫生都精通AI，但這類交叉型人才的比例需要提高。

我特別希望將來清華醫學院AI+醫學這部分可以做起來。我對打通資料那部分是悲觀的，當下怎麼也做不到。目前醫學教育時間長、課程緊，醫生還自帶優越感，不願意從事跨領域的工作，導致培養兩頭都精通的人才非常困難且不現實。因此，現階段更需要偏年輕、對醫學和AI都有一定理解的複合型人才，減少醫療與AI溝通中的低效問題。這種人才的培養迫在眉睫。

王仲：三位老師講的我都特別認同。AI醫院是一個全新的概念，目前還在摸索中。我最近讀了一本書《未來醫院》，裡面提到未來醫院的發展重點是可穿戴裝置和感測器。但小川總你們一直在談資料的問題，作為一線醫生，我認為資料有兩個層面：一是培養AI醫生的資料，二是病人看病時的具體資料，其中病人資料是最大的難點。

臨床診斷中，很多資訊是透過醫生的觀察和經驗得出的，比如我在教學門診時，看病人一眼就能判斷他沒事，或者透過觀察面色判斷貧血，再去開化驗單。但如果醫生沒有這種判斷，化驗單就不會生成，AI也就沒有資料支援。同樣的，在病房查房時，有醫生聽診說沒有囉音，但我複查後發現是有的。這種情況下，如果AI依賴的是前者的資料，診斷就會出錯。

所以，當AlphaGo戰勝圍棋棋手，或者像仲煌教授團隊將協和的病例輸入計算機時，我對機器勝過人類一點也不驚訝。但如果讓它面對一個真實病人，問題就會出現——資料的採集可能不夠全面或準確。尤其是在基層醫療中，計算機領域有一句話叫“垃圾進，垃圾出”，我關心的不是計算機分析出的結果，而是它所依賴的資料是否可靠。

因此，我建議組建醫工交叉的研發團隊，開發能夠精準採集臨床資訊的裝置，比如透過拍照判斷面色是否蒼白、結膜是否黃染、喉嚨是否紅腫或有膿點等。這些看似簡單的臨床動作“望聞問切”，其實對AI來說非常難。如果不能採集到這些可信資訊，AI的診斷和治療都無法準確。所以，當前的重點和難點是解決資料採集的問題，為AI醫生提供可靠的基礎資料。

劉遠立：謝謝王院長！到目前為止，我們討論的醫學人工智慧話題，更多還是聚焦在專業領域的發展。當然，生命科學和醫學的進步會對人類健康做出越來越大的貢獻。但我想提醒大家，醫學對整體健康的貢獻目前大約只有10%左右，也就是當人生病後，透過診斷和精準治療所能帶來的影響。相比之下，遺傳因素佔30%，而環境和生活方式的影響更是高達45%左右。

因此，今天在座的每一位不僅是這個話題的利益相關者，更是健康的第一責任人。接下來，我們將對話的平臺開放給大家，感謝各位百忙之中參與討論，希望大家踴躍提問，提出你們感興趣的問題！

AI醫生也需要發表論文嗎？

現場嘉賓：感謝幾位老師的分享，我有兩個問題：第一個，目前AI更多是與醫生協作進行診斷，但如果未來AI能單獨完成診斷，一旦出現問題，倫理責任應由誰承擔？是醫生還是AI？第二個，我來自清華新聞傳播學院全球發展健康傳播研究中心，我們關注醫療資源不平等的問題。請問幾位嘉賓，AI的發展會加劇這種不平等，還是有助於彌合醫療資源分配的不平衡？

黃天蔭：目前來看，責任還是在醫生身上。AI作為工具或輔助醫生工作的手段，責任應該歸屬醫生，這一點沒有矛盾。至於中長期的情況，比如完全由AI進行診斷或治療，責任歸屬就更復雜了。可能涉及兩個方面：一是患者自身的責任，二是公司的責任。但目前政策上還沒有國家對此做出明確規定，因為我們還沒有進入這個階段。現階段，責任還是在醫生和醫院的架構內。

第二個問題問得很好，AI技術是否能彌合醫療資源的不平等，還是會加劇差距？我們的目標當然是讓AI幫助實現醫療資源的更平衡、更公平、更共享，讓所有人都能受益。但目前還沒有達到這個目標。因為很多資料、演算法主要來源於資源較豐富的醫院、社群和機構，而不是基層醫療。這意味著，如果我們想真正讓AI成為公平的工具，就需要在經濟不發達的地區、最基層的醫療環節收集資料並解決實際問題。只有這樣，才能實現AI推動醫療資源平衡的目標。

劉遠立：診斷差錯的倫理責任問題，其實已經開始出現了。黃教授最近在《美國醫學會雜誌》上發表了一篇文章，提到當前無論大小醫院都在佈置DeepSeek。這當中可能會出現一些亂象，非常值得警惕。

從客觀情況看，我們對生命現象的認識還非常淺薄。未來100年後的人回頭看我們今天的醫學知識，可能會覺得十分可笑。實際上，即便沒有AI，我們的醫生每天都在犯錯誤。比如，美國作為醫療最發達的國家，每年因醫療差錯導致住院患者死亡的數字在20~40萬之間，佔住院總人數的0.5%到1%。所以，不要因為AI的出現才擔心錯誤問題。關鍵在於，AI能否減少我們人為的錯誤？我相信可能會有所改善，也許小川總會更為樂觀。

王小川：倫理的問題看你想聽雞湯的還是現實的。雞湯角度很鼓舞人心，我老拿無人駕駛做類比，早晚機器會比人表現得更好，甚至未來可能立法禁止人類駕駛，因為人類駕駛事故更多。但現實是，法律上目前很難界定機器是否真的好到可以獨立工作。在實際合作中，比如與兒童醫院的合作，機器出錯了，這個事就做不下去了。因此，目前還是需要將責任歸於人，這樣更安全，也有利於人機協作和信任的建立。現階段的人機協作模式，AI應在法律邊界內作為輔助，不要直接進行診斷或治療方案的制定，這樣的責任劃分並不值得糾結。

公平性的問題更復雜。歷史表明，全球化和技術發展常常加劇貧富差距。醫學發展中，一些學科因為高價值耗材或藥品的推動發展得更快，比如腫瘤。公平性和效率往往衝突，例如“長壽醫學”首先服務於有錢人，透過他們的投入推動科研發展，最終可能實現普惠。因此，公平性問題是複雜的，短期內普惠並不現實。社會需要透過政府調節或市場化發展逐步實現平衡，但這注定是一個漫長的過程。

現場嘉賓：各位應該都跟監管部門有很多交流，從國家衛健委的角度來說，目前對大模型的監管會是一個什麼想法？我很好奇，這一定程度上決定了行業未來的發展。

劉遠立：去年國家衛健委已經出臺了一些指導性的意見，但目前一些具體的硬性規定還在研究中，包括國務院參事室也在參與研究。歐盟的做法值得借鑑，他們提出了“預見性規制”（Preemptive Regulation）的概念。既然已經預見到可能會出現的問題，就不應該等到問題發生後再討論如何規範，而是要提前研究和制定對策。未雨綢繆的方式能夠避免問題的大量出現，以及由此引發的社會反響和輿情事件。我非常贊同這種走在前面的思路。

現場嘉賓：作為一名傳統的醫學生和未來的醫生，應該如何學習AI相關知識，並結合臨床更好地改進和應用AI？

黃天蔭：如果你是學醫學的，我鼓勵你學其他的學科，比如研究生或者博後學工科，學AI，可以去國外學習。第二個意見，年輕的學生在這個很複雜的國際環境下，還是要和其他學科和國際學生交流，不僅學習專業知識，還要接觸不同的文化，這對職業發展非常重要。第三個我也覺得很重要，許多學生出國後轉向科研或教學，不再從事臨床工作，但這對醫療體系的改革沒有幫助。如果想要改革醫療體系，仍然需要關注臨床。希望未來你能成為既懂AI又從事臨床工作的專家，甚至可能成為AI醫院的院長。

現場嘉賓：在癌症治療領域，AI有哪些探索？除了藥物研發之外，AI在臨床實踐中有哪些重要作用，對患者有哪些實際幫助？

徐仲煌：醫生對現在腫瘤的機制，比如免疫逃逸、基因突變這些，其實是有一些瞭解的，但肯定還不是最終的答案，這裡面有一個階段性的過程。你剛才提到AI的探索，我覺得是這樣的，AI現在是在深入到嚴肅醫療的範疇，比如Google做的AlphaFold，它是做蛋白構型的，這其實就是AI在這方面的一個探索。國內像字節跳動，還有很多AI公司，也都在做藥物設計，這些都是AI的一個方向，你說得很對。

但我想從一個臨床醫生角度來說點別的。你看我們現在中國的醫療，比如一個肺癌，從頭到尾都是胸科醫生在管，但實際上腫瘤是個系統工程。我們的治療方式還是比較傳統，比如開刀、吃藥、放療、化療，都是片段化的，很少有系統管理的理念。這個時候，如果能用AI來更好地規劃治療方案，比如我們自己做的案例，用AGI或者類似的醫療AI來設計方案，它可能會更全面一點。甚至你可以要求它語氣更溫和一點，它都能做到。現在很多公立醫院的醫生態度不是特別好，比如簡單一句“回家吃藥”，患者體驗很差。但如果有AI，它可以貫穿整個診療過程，比如我們現在每個住院病人都會做多學科診療（MDT），一級、二級、三級MDT貫穿始終，會有好幾個MDT報告去解讀。AI在這裡就非常強大，它可以考慮到營養這些細節，比醫生更全面。

另外，AI還有一個很大的優勢，就是evidence-based的能力。以前我們查一個藥的文獻，可能要花半個月，現在AI幾十秒就能完成，直接把背景調查都做好了。這些都是AI的貢獻。

作為臨床醫生，我能體會到傳統療法的很多弊端。不是醫生不知道這些問題，而是除了放化療這些辦法，我們確實也沒有更好的選擇。這才是根本原因。所以我覺得AI的未來在這裡面能起到很大的作用。

劉遠立：現在腫瘤領域確實還在不斷探索，我順便也給大家分享一個訊息。腫瘤這個問題確實是關係千家萬戶的大事，尤其是我們中國人，普遍“談癌色變”。大家對現狀不滿意，這是很普遍的現象。儘管問題很多，像我們今天徐院長的腫瘤科醫生、大夫、醫院，其實一直在艱苦地做探索，努力改善現狀。而且剛好借這個機會，我做個小廣告：下個月，我和中國醫學科學院腫瘤醫院的張勇教授合作編的一本書就要出版了，書名叫《改善腫瘤醫療服務的中國實踐》。這本書總結了中國在這方面做得比較好的實踐，比如MDT（多學科診療模式），還有怎麼用數字化的手段來改善腫瘤醫療服務，包括科研等等。這些都是中國的優秀案例。這本書是我們花了將近三年的時間才編出來的，下個月會由人民衛生出版社出版。所以我想借這個機會分享一下這個訊息。

現場嘉賓：在中國，醫生和護士不僅要看診，還承擔科研任務，如發文章、做實驗、最佳化治療方法，並推動醫學邊界的發展。那麼，隨著AI醫生和AI醫院的出現，未來AI醫生和AI醫院是否也需要參與科研？如果需要，它們又該如何開展科研工作？是否也需要發表論文？

劉遠立：這方面我們的黃天蔭教授最有發言權。

黃天蔭：我覺得要有新的模式。要改變我們傳統的、已經延續了100多年甚至幾千年的醫療模式。傳統的醫療模式是醫生和患者之間的關係（doctor-patient relationship），但現在需要稍微放鬆一下這種關係。未來可能會加入AI，形成一個三方的關係。

《新英格蘭醫學雜誌》有一個關於AI的podcast，裡面提到一個問題：如果醫生不用AI，可能會輸給那些使用AI的醫生。因為沒有充分利用最新的技術，現在仍然是醫生用AI時由醫生負責，但很多傳統醫生認為AI不屬於他們現有的職業範疇，依然將其視為科研專案。然而，美國已經開始推動，如果醫生在診療中只依賴傳統的醫療方法、個人經驗和以前的文獻，而沒有使用AI，導致診斷錯誤，可能會被認為失職，甚至可能被質疑為什麼沒有使用AI。這種趨勢正在改變醫療實踐的規則，AI可能會成為醫療的標準操作規範（standard of care）。

我們目前還沒有達到這個階段，但未來在AI醫院的環境中，將是醫生、患者和AI三方共同協作的關係。我們必須接受這種未來的模式，才能走向下一步的發展。

劉遠立：很重要一點是，現在我們的臨床醫生髮論文的壓力太大，在國外沒有這種，這種制度一定要改。

王小川：說到一個讓我挺興奮的事情，其實當時我決定下場做百川的時候，“百”其實就是“bio”，也就是生命科學的意思。從本質上講，我的目標可以概括為兩句話：“給生命建模型，給人類造醫生”。不過，“給人類造醫生”並不是我的終極理想，“給生命建模型”才是。但如果我只說“給生命建模型”，很多人會覺得我瘋了。所以，把這兩件事結合起來，對我來說是一個巨大的鼓勵，促使我下場參與醫療領域。

在這個過程中，我發現醫療其實在整個科學體系中是一個相對落後的學科。我們對生命的理解非常有限，相較於生命的複雜性而言，目前的研究水平顯得非常落後。這種落後不僅表現在對生命的認知上，也體現在科研的方式上。尤其是在臨床領域。大多數醫生做科研的方式是圍繞自己的病人，建立一個專病資料庫，進行一些簡單的分析。但這種資料收集的能力和維度，包括時間長度，都是遠遠不夠的。

我曾經用過一個比較尖銳的比喻，說大多數醫生做科研就像“大鍊鋼鐵”，開個小鋼爐，倒兩下，發一篇文章。但這些文章往往只是基於幾十人、幾百人的循證醫學分析，對生命的理解非常淺薄。因此，我認為AI智慧在這裡可以發揮兩個重要作用：

第一，幫助資料分析。這是大家目前普遍能看到的AI作用。AI可以大幅提升分析的規模和效率，比如最近我看到幾篇研究案例。其中一篇是英國用5,700萬人的資料進行了分析，預測了上千種疾病的後續發展。另一篇是關於乳腺癌的研究，利用AI進行了5年生存率的預測，剛剛被批准。這種大規模的資料分析是AI的一個顯著優勢。

第二，更重要也更“性感”的事情，是讓AI幫助我們收集資料。剛才提到的“研究型醫院”，其實是一個很有意思的概念。什麼叫研究型醫院呢？可以用一句話概括：“入院即入組”。也就是說，你一進醫院開始看病，你的資料就開始被收集了。如果未來AI醫生參與診療，是不是可以實現“全病程管理”？甚至可以延伸到“全生命週期”的概念。從你出生那一刻起，你的生命資料就開始被記錄。這樣的資料收集方式將對醫學研究產生巨大的推動作用。

這也和天蔭教授提到的觀點一致：未來的科研正規化將發生巨大的變化。從資料的收集到處理的方式，都將迎來顛覆性的轉變。我們從經驗醫學走向了循證醫學，而循證醫學的終點一定是個性化精準醫學。但這裡的“精準”並不僅僅侷限於腫瘤領域的基因精準，而是對每個人的全部症狀、資料和分析進行綜合判斷，將每個人當成一個獨立的課題，預測出最適合他的治療方案和方式。

因此，AI是必須要擁抱的工具。因為人類的知識儲備和大腦的處理能力遠遠不夠支撐這種複雜的科研和醫療需求。

王仲：我再補充一句。2003年以前，我對科研一點興趣都沒有。2003年以前我只發過一篇文章，是1992年研究生畢業時發表的。現在我對科研非常有興趣，這種轉變的原因是什麼？是意識的發展和科研的推動，而不是一種被動的選擇。

未來AI醫生需不需要寫文章？我估計AI醫生本身可能不需要寫文章，但執行AI系統的醫生一定需要寫文章、做科研。為什麼？因為AI醫生引入了一種全新的模式、新的手段和新的資料，這些都會推動AI技術的發展。而且，AI本身也會在某種意義上“被寫文章”。

我相信未來的AI醫院不會只有一個系統，比如百川系統、DeepSeek系統或者其他系統，而是會有多種AI系統並存。我們需要比較這些系統，看看哪個更符合醫生的需求，哪個診斷的準確率更高。百川團隊可能會建立一個評價體系，對這些AI系統進行評估。這個評價體系本身就會推動AI的進步，可以說，這相當於讓AI“寫文章”了。

劉遠立：未來肯定還是需要有人寫文章，但可以預見的是，AI將成為共同作者，其作用不可替代。兩個小時的時間很快就過去了。今天我們討論的話題既嚴肅，又與千家萬戶息息相關，涉及每個人的切身利益。因此，今天的對話可以說是雙重的：既有臺上嘉賓之間的對話，也有與在座各位參會嘉賓的交流。

透過今天的對話，我們瞭解到醫學人工智慧的發展是一把雙刃劍。最後，我請臺上的嘉賓用兩句話總結一下：第一句，您對目前醫學人工智慧所發揮作用的體會；第二句，您對未來十年醫學人工智慧的展望。我們先從王仲院長開始。

王仲：第一句，人工智慧時代已經來了，第二句話，未來我希望給我看病的AI醫生是可信的。

徐仲煌：AI帶來的變化是翻天覆地的，涉及社會生產力和世界形態的改變。AI在很長時間內仍是工具，關鍵在於如何用好這個工具。

黃天蔭：在AI的時代擁抱AI，也要學習AI。人類也應像AI一樣保持持續學習的精神。

王小川：剛剛提到我們的AI已在MDT環節中達到與醫生團隊持平的水平。往下我希望發生三個具體的情況，一是居家醫療服務（hospital at home）；二是人人擁有AI家庭醫生；三是數字伴隨（digital companion），AI醫生不是你有問才答，而是時時刻刻給你伴隨診斷，伴隨治療，全方位的照顧。