醫生的“超級副手”

　　過去，四川大學華西醫院病理科總被患者圍得水泄不通。

　　四川大學華西醫院病理科主任張紅英介紹，病理科要承擔每年超過40萬例的本院患者病理診斷，還要接收3.6萬余例院外病理會診標本。外地患者要獲得診斷結果，不僅要填表格、帶上病理標本等，還要在窗口等很長時間。

　　而現在，通過AI輔助，患者可在線填寫申請表格，經過線上初篩，不用再重復“跑腿”。張紅英說：“今年，我們計劃上線更為全面的AI病理診斷大模型，進一步提高效率。”

　　這是AI技術加速在醫療領域應用帶來的影響之一：幫助醫生減輕負擔、提升診斷效率。

　　一些AI大模型化身健康“守門人”和“預警哨兵”，成為基層醫生的“超級副手”。

　　在四川大學華西口腔醫院，臨床級口腔影像AI輔助診斷決策系統通過人機交互、可視化呈現的方式提高診療效率，優化醫患溝通。一線醫生汪成林說，AI影像輔助目前有80%至90%的高識別精度。

　　深度融入路仍長

　　四川大學華西口腔醫院修復科醫生竇豆認為，雖然AI可以為年輕醫師進行診斷提供助力，但面對復雜病例，目前的智能輔助診斷水平依然存在較大進步空間。對基層醫療機構而言，讓AI真正融入醫院，還有很長的路要走。

　　不同於人類醫生的“臨床直覺”，AI的決策基於數據訓練。不少業內人士認為，當前通用大模型難以精准捕捉醫生的臨床思維路徑，存在語言鴻溝，無法適應精准個性化診斷的醫療發展趨勢。

　　部分一線醫護坦言，由於醫療數據隱私保護的門檻極高，“醫療數據不出醫院”是常態，依靠單一醫院內部構建完整的多模態訓練數據很難。部分AI醫學影像雖然部署到醫院，卻常面臨“吃不飽”或“吃不透”高質量數據的困境，限制診斷能力進一步躍升。

　　一些人擔心，當訓練數據存在偏差或遇到罕見病例時，AI可能給出錯誤提示。行業亟待強化完善“AI初篩+醫生復核”的責任閉環機制。

　　構建有溫度有規范新生態

　　業內人士認為，未來，AI醫療將在“人機共智”的高效協作中，更有力地守護公眾健康。

　　產業應用標准體系正在加快建立。《關於促進和規范“人工智能+醫療衛生”應用發展的實施意見》明確提出，到2030年，基層診療智能輔助應用基本實現全覆蓋。這一“指南針”的確立，為各地進一步將AI技術嵌入人工智能輔助診斷與醫療服務體系提供了合規性保障。

　　張紅英建議，未來，應當在部分地區探索AI醫療器械設備的臨床准入制度，打造完善的合規評測平台與量化數據評價體系，使AI應用更有標准可衡量。

　　打破“叫好不叫座”的關鍵在於付費機制的創新。多名一線醫護人員呼吁，醫保部門要充分論証AI輔助診斷對整體醫保基金的控費效用，優化影像報銷等。

　　同時，受訪專家還建議，推動以“區域遠程會診中心+AI賦能基層”的服務模式，讓基層醫院加快獲得大醫院的“AI大腦”賦能，讓邊遠地區患者能享受到大醫院的AI診斷服務。

　　（據新華社電  記者董小紅）