早晨7点，山东第一医科大学第一附属医院（山东省千佛山医院）放射科，AI辅助诊断系统与CT机同步“上岗”。

600张影像报告，2个半小时内全部完成。这在以前，是一个不可能的数字。

过去，医生手动翻图、肉眼看片，出具一份影像报告要十几分钟，遇到微小的病灶，耗时更久。

现在，只要几秒钟，AI就能“捞”出全部信息，还能对比历次影像，病灶变化，一目了然。

AI，正成为医生不知疲倦的“第二双眼睛”。

当然，AI也有犯错的时候。

“有时，它会把可疑病灶归错类，这时医生就得上手修正。每次修正，AI也跟着学，越来越聪明。”医院门诊部主任、放射科主任医师马振申说。

浪潮已至。数据显示，全国超过94%的医院已在使用医疗或管理类人工智能产品。弗若斯特沙利文公司预测，至2033年，中国AI医疗市场规模将从2023年的88亿元飙升至3157亿元。效率、能力、想象空间，都被重新定义。

但这场变革的B面，还藏着许多尚未回答的难题。

效率提升了，账单划算吗？

山东大学齐鲁医院消化内镜中心，“人机共舞”每天都在上演。

患者手腕上的手环轻轻一闪，导诊机器人“新娃”自动上前，引导患者走向诊室。

诊室内，医生轻点屏幕，几秒后，送镜机器人“小胖”载着内镜从清洁通道平稳驶来——它懂得自动避障，像一辆训练有素的无人车。

检查结束，另一组“小胖”接过用过的内镜，送往洗消间。托盘运输机器人已在此等候。

这场“共舞”不是炫技，而是被“逼”出来的。

2023年，中心迁入超6000平方米的新址，检查室由几间增至20多间。护士长白建荣说，如果全靠人工运输内镜，护士的精力都得耗在来回跑的路上，根本没空照顾患者。

现在，16台“小胖”每天8小时满负荷运转，相当于替代了三四个护士的纯体力劳动。

AI进场，大量重复劳动交给机器，医务人员解放了双手。

AI预防接种健康助手24小时解答接种知识，医疗专用无人机自主规划航线递送急救血液，AI跳出传统分子库限制“无中生有”设计药物……“防、筛、诊、治、康”各个环节，都已看得见AI身影。

但与此同时，仍有相当一部分医院还在观望。因为医院算的不只是效率账。

AI医疗绕不开两件事：部署贵、升级难。

先说部署贵，硬件、软件，各有各的贵法。

“小胖”这样的服务类机器人，成本还相对可控，而一台进口手术机器人价格在1600万—1800万元，国产的也要1200万—1400万元。这只是入场费，单次手术还涉及3万—6万元的耗材，多由患者自己承担，这也在无形中抬高了医院的引进门槛。

软件同样不便宜。以常见的预问诊模型为例，其采购报价一般在60万元左右。这个数字足以让许多小规模医院望而却步。“省了多少很难算，成本却是实打实摆在账上的。”一位县级医院信息化负责人说。

隐私保护要求模型私有化部署，算力更是一笔烧钱的账。一位技术人员透露，某三甲医院近期为研发部署大模型，额外租赁了5台910B算力服务器，仅算力成本就在七八十万元，“这还只是训练阶段，部署、运维、迭代，每一步都要往里砸钱”。

部署贵的背后，是AI技术能力与业务价值的供需错配。

菏泽某三甲医院最近放弃了一套试用半年的骨科手术导航系统。单从技术上看，这套系统并不差。术前，系统可基于CT数据自动完成三维建模并规划手术路线；术中，不断现场采集数据，持续定位器械与骨骼关系，引导螺钉轨迹，误差可控制在0.3毫米以内。但医院相关负责人的考量也很实际：“现阶段，我们最缺的是人手。能帮医生分担体力操作的机械臂，远比提升精度的导航系统来得迫切。”

再说升级难。

设备买回来、模型部署好，只是第一步。难的是让它越用越准。

业内人士指出，开源大模型让算法门槛相对较低，真正的“大头”是用于模型迭代升级的数据标注。

以“齐鲁·镜界”喉镜大模型为例，山东大学齐鲁医院大数据中心副研究员杨孝荣介绍，大模型初始准确率达90%，但此后每提升1个百分点，都要跨科室团队反复审核、重新标注。“模棱两可的病灶标不准，模型学到的就是错误模式。”

升级难，还难在数据。

医疗数据稀少而混杂，加上严格的隐私保护和高昂的采集成本，高质量数据供不应求，模型开发常常卡在数据关上。

那么，AI“同事”到底值不值得请？

“量入为出，按需选择。”山东第一医科大学医学人工智能与大数据学院教授孙亮认为，基础好的医院可发挥专业优势，借力高校企业联合研发；资源有限的，从低成本应用入手，先解决临床最急的痛处。

AI出手了，专家还“香”吗？

肺泡灌洗液是肺部疾病诊断的“信息金矿”，但传统检测方法查得少、等得久，很长一段时间里，大量有价值的信息被浪费。质谱分析技术虽能在一例灌洗液中捕捉8000多种蛋白，但这一技术门槛很高，全国能熟练掌握的专家屈指可数。

“肺泡灌洗液模型”的研发，改变了这一困局。它将专家解读逻辑编码植入算法，经上百种样本训练校准后，如今只需十几分钟，便能给出感染、结核或肿瘤的高准确率提示，让稀缺的专家经验得以“量产”。

在基层，这种经验的复刻尤为珍贵。近年来，青岛莱西、聊城莘县等地，AI诊疗系统多次“揪”出嗜铬细胞瘤、急性白血病、不典型心梗。这些危重病例，稍不留神就会漏掉。

听起来，AI正在复刻专家，甚至超越专家。那么，AI会取代专家吗？

多位专家坦言存在“跟进焦虑”，原创性算法的技术壁垒，让使用端的专家群体时刻担心被颠覆。

而马振申认为，这种焦虑或许为时过早。

“目前AI只能完成诊疗的一部分。”他解释，即便在最成熟的影像诊断领域，AI也仅能处理肺结节、血管分析等特定任务，肺炎等复杂疾病的综合判断还无法给出，“全科的重要性，AI替代不了”。

比起技术，AI更难跨越的是“人的温度”。

孙亮认为，大模型本质是统计模型，算法取最优解，但医学的最优解不等于最善解。“现实中，‘最优’往往来自现实和情感的综合考量，尤其是在涉及人文关怀、伦理判断、经济负担这些‘人的问题’时，AI不该、也不能做主。”

山东省精神卫生中心睡眠医学中心主任李西荣曾引进一款AI数字人App治疗失眠，5年迭代，却始终治不好患者的心理焦虑。一位失眠患者反复在App上询问“我是不是永远好不了了”，数字人按预设逻辑回复，患者依旧痛苦难忍。直到后台的真人医生打电话过去，聊了十几分钟，患者才安下心来。

共情这件事，AI做不到。

相关研究也证实，当医生使用AI问诊时，平均63%的时间注视屏幕，这导致患者感知到的共情水平下降了41%。

采访中，不少专家表示，“人机共舞”中，医生的角色正在转变：从诊断执行者，转向情绪价值提供者和AI协同管理者。

重复性的、标准化的诊断工作正在被AI分担，但症状背后的焦虑、沉默里的恐惧、眼神中的期待——这些看不见的部分，依然需要人来赋予价值。

数据“出院”了，安全咋把关？

发展AI医疗，数据是关键。在这方面，山东的家底很厚——9万余家医疗卫生机构、118万余名医务人员，医疗资源总量全国第二，国家健康医疗大数据中心（北方）也落户于此。早在2012年，山东就推动全省二级以上公立医院与省级全民健康信息平台互联，2016年实现全覆盖，目前已汇聚各类健康数据超千亿条。

但数据既是富矿，也是险滩。

除了高质量数据不够用，还有一个更隐蔽的难题：公开数据集与真实临床数据存在差距，且临床数据本身在不断更新变化。用静态的数据集，去训练应对动态临床的模型，结果可想而知。

今年年初，山东山科智心科技有限公司开发肝病辅助诊断模型时，总经理刘彬发现常规公开数据对肝癌、肝移植等疑难杂症覆盖不足，模型训练始终“差一口气”。

另一边，山东第一医科大学第一附属医院医学人工智能研究中心副主任、省数据开放创新应用实验室主任邢鲁民，刚刚带领团队花费数月“打捞”院内数据，完成了多个临床数据集的资产化和确权登记。

一方有需求，一方有数据。医院将一份“肝病临床谱系与移植状态数据集”，以3万元签约交易给了刘彬的公司，山东首笔医疗数据交易就此落槌。

这背后离不开制度铺路。去年7月，山东发文提出加快开放医疗健康等高价值数据。2个月后，山东省健康医疗数据资产管理平台和国家健康医疗大数据中心（北方）健康医疗行业数据流通交易平台上线——一套管“资产”，一套管“交易”。买方在平台查询、申请、签约，卖方在平台上登记、授权、收费，从需求发布到数据交付，全程留痕。

首单交易落槌，难题却未完全解决。

数据值多少钱？没有统一定价标准。

这笔3万元的交易，是双方协商的结果。“一张医学影像片子，行业普遍认定为四五块钱，质量好、和疑难病相关就贵一些。但贵多少？没人说得清。”邢鲁民说。

数据交易，归根结底是市场化行为，需要建立“能传递临床价值信号的流通体系”。

孙亮解释，买方根据效果付费，卖方根据需求生产，若这套体系无法建立，数据交易就难有下文。

数据“出院”难，还藏着传统诊疗模式与数据时代的错位。

邢鲁民表示，许多医院早期的信息系统并非为数据资产而建，诊疗记录、CT影像散落在不同系统中，模板滥用、医生写法各异，留下了不少错账、烂账。

复旦大学上海医学院副院长朱同玉算过一笔账：医院系统里，99%的数据都无法直接出售。

为什么？因为约70%的医疗数据是“非结构化”的，比如医生查房时写的“今天精神状态怎么样”。但AI需要的是肝脏的长、宽、高这样的结构化数据。不少医院因人手、经费不足等，难以完成数据加工。

数据交易中，隐私保护也藏着隐雷。

“隐私保护不只是隐掉姓名和身份证号，民族、地区、年龄、性别、患病类型，几个维度一交叉，就可能定位到个人。”邢鲁民说，目前的技术，比如差分隐私、数据脱敏，能在一定程度上降风险，可加噪声多了，数据失真；加少了，挡不住交叉比对，很难平衡。“眼下我们只能让买方公司的模型在医院本地训练，谁可以用、用多久，都有授权记录。但这样一来，算力、设备、运维又变复杂了。”

此外，由于医疗数据交易属于新兴事物，国内尚未有征询患者同意的统一规范，如何保证患者的专项知情同意，也是一道关。

AI要“当家”，谁为它负责？

近几年，微医在上海发布全国首家人工智能医院，北京美中艾瑞肿瘤医院打造中国第一家“AI原生”实体医院……智慧医院被越来越多提起。

从“医院+AI”到真正的“智慧医院”，还有多远？

“真正的智慧医院，应该是从软硬件流程到体系，从第一个数据接入到处方流转、治疗过程，全部由智慧化系统介入。”孙亮说。

现实是，智慧医院卡在了权限上。

高度智能化要接入医院管理系统，就得拿到操作权限，可诊疗风险最终要由人来承担。目前智能体应用多停留在信息咨询、公众号更新等边缘场景，不涉及患者核心数据。

权限背后，其实是一个更根本的追问：万一AI出错了，谁来负责？

今年全国两会期间，全国政协委员、华山医院感染科主任张文宏表示，医疗行为的责任主体必须是医生，患者自诊缺乏“人机协同”把关，存在风险。

现实中，已有患者因轻信AI问诊导致病情延误、药物性肾损伤的案例。孙亮也坦言，AI存在“幻觉”问题，“如果误导治疗，后果不堪设想”。

如何让AI既好用又安全？模型“可解释性”被视为应对这种担忧的有效解法。

记者在济宁市汶上县人民医院急诊科看到，“AI助手”在给出高危病因排查和处置建议的同时，会附上推理路径。“这像一份说明书，基层医生不仅可以把AI作为辅助，还可以通过AI的解释来验证、学习、成长。”主治医师郭骥说。

还要让模型“在同一个考场里打分”。业内专家表示，现在模型好坏，大多靠医生的使用体验来判断，院内研发模型的“准确率”也多为出品方自己出题、自己批卷。第三方评测，或许能成为一把客观的“尺子”。

人才培养也在跟上。在山东大学齐鲁医院的数字化教室里，医学生正与AI标准化病人对话问诊，评估报告会从问诊逻辑、人文关怀等多个维度进行评价。这或许是“驾驭AI”的一种尝试——让未来的医生在模拟中学习如何与AI协作，而非被动依赖。目前，山东多所院校已布局医工交叉双学位、双导师项目。

综合来看，AI医疗的下半场，比的或许不是谁的大模型参数更多，而是比谁能率先构建安全、可信、有温度的智慧医疗新生态。

政策要“破壁”。邢鲁民建议山东试点建立临床数据授权运营平台，让数据合规流动，推行“负面清单”，明确禁止非法交易。依据AI对患者的潜在风险分级管理——低风险备案，高风险准入，构建产品方、医院、医生三方责任链条。

人才培养要“融合”。齐鲁工业大学（山东省科学院）发展规划处处长李刚认为，培养医工人才不能“闭门造车”，课程设置要定制化，与现有培养体系结合，让学生带着医院真实问题作研究，在临床场景中验证算法，在数据治理中理解医学逻辑。

评估体系要“立规”。孙亮建议，依托高水平医院建立省级AI中试验证基地，提供真实世界的效能验证。对高风险应用实施动态监测、及时预警，建立定期再评估和退出机制。同时，将医生体验和患者获益纳入评价体系。对成熟应用实行“按效果付费”，让好产品有回报、医院有动力。

生态构建要“搭台”。专家建议通过强制标识等，说明AI辅助应用的功能与局限，禁用误导性称谓。AI须同步输出推理路径和置信度，供医生追溯验证，保障医师的最终决策权。同时引导医院设立AI伦理审查委员会，审查算法公平性、可解释性及对医患关系的影响。

变革才刚刚开始。AI是那双不知疲倦的眼睛，但最终作出判断、给予安慰的，仍是人。

来源:大众新闻客户端