近年來，“AI（人工智能）如何真正賦能醫療”成為行業內的高頻議題。《經濟參考報》記者日前調研發現，病歷質控、智能分診、臨床試驗匹配等具體場景中的AI應用已悄然落地。

當前，AI在減輕醫生負擔、優化患者體驗、推動科研創新等方面展現出巨大價值，並已從“實驗探索”邁入“規模化落地”的關鍵時期。AI究竟如何真正走進醫院？來自醫院管理、臨床一線、政策研究等領域的多位專家，分享了各自的觀察與實踐。

場景加速落地助力醫療服務“提質增效”

“過去醫生寫一份住院病歷，光整理病史、覈對邏輯就要花費大量時間，現在通過AI語音採集和歷史病歷自動總結引用，大大提升了工作效率。”北京世紀壇醫院院長張騫介紹，該院的AI應用已覆蓋患者服務、臨床輔助、醫療管理等多個領域，其中病歷質控、智能預問診、檢驗報告解讀等場景已實現全院推廣。

“本質上是讓醫生把更多精力放在診療本身。”張騫表示，AI病歷內涵質控系統不僅能預警病歷書寫的時限問題，還能精準識別前後邏輯錯誤，幫助醫生和質控人員快速排查缺陷；智能預問診則通過掛號後自動推送填寫提醒，引導患者提前完善病史信息，這些數據可直接回寫到醫生工作站，大幅縮短了門診問診時間，上線以來使用量已突破10萬人次。

AI賦能醫療的價值，同樣體現在腫瘤診療這一高難度領域。

北京大學腫瘤醫院副院長宋玉琴坦言，AI對醫院的核心價值在於“提質增效”，不僅減輕了醫生的臨床負擔，也為科研和教學提供了有力支撐。

據介紹，針對腫瘤患者分診難的問題，北京大學腫瘤醫院淋巴瘤科搭建了線上AI問診平台，上線以來已服務數千人次，有效解決了患者“掛錯號、跑冤枉路”的痛點；在科研領域，AI助力搭建專科數據庫，可一鍵生成中英文文獻綜述，還能根據研究重點、樣本量等信息，快速生成臨床研究方案，讓原本需要數周的工作縮短至數小時。

“從技術角度來看，AI的應用潛力遠不止於此。”中科計算技術西部研究院研究員趙宇表示，未來AI將全面滲透醫療各環節，覆蓋智慧病歷、影像診斷、手術機器人、自主給藥系統等場景。他表示，AI能有效拓展人類的智力與身體能力，例如手術機器人可實現亞毫米級精度，遠程手術亦可藉助AI降低操作風險。

從被動到主動臨床應用提速

儘管AI優勢凸顯，但在落地過程中，“不願用、不敢用”的問題曾困擾不少醫院。

張騫坦言，AI系統上線初期，部分醫生存在牴觸情緒，病歷AI質控系統使用率並不高，門診語音病歷生成功能，病情複雜的科室願意嘗試，而簡單複診開藥的場景則鮮有人問津。

“核心原因在於管理政策引導不夠，醫生使用動力不足；另外，初期模型適配性不足，未經過專科調優的AI，容易出現病歷生成不準確的情況，讓醫生不敢用。”張騫說。

為此，北京世紀壇醫院加強了病歷質量管理要求，將AI質控逐漸變成醫生的“剛需工具”，通過建立反饋機制，讓使用積極的科室總結問題，同步給IT部門優化模型。

“當醫生髮現AI能幫他們減少差錯、節省時間，自然會從被動接受轉向主動使用。”張騫說。

這種轉變，也體現在北京大學腫瘤醫院的實踐中。

北京大學腫瘤醫院胸部腫瘤內一科主任醫師趙軍表示，AI的推廣需要結合臨床實際需求，不能“一刀切”。以診前預問診為例，該院通過職代會提案推動落地，結合腫瘤患者的特點優化流程，讓患者主動參與信息確認，既保證了數據精準性，也提升了患者的就醫體驗。他說：“AI不是‘硬塞’給醫生，而是要真正解決他們的痛點，才能實現良性推廣。”

宋玉琴透露，北京大學腫瘤醫院今年計劃投入數千萬元升級AI系統，就是要通過技術優化和培訓引導，讓更多醫生感受到AI的價值。“我們鼓勵醫生主動嘗試、反饋問題，形成‘使用-優化-再使用’的良性循環。”

破解三大堵點暢通醫療AI規模化落地

“AI賦能生命健康，是挑戰也是機遇，更是責任。”國務院參事、北京協和醫學院衛生健康管理與政策學院長聘教授劉遠立認為，當前醫療AI要實現規模化應用，還需破解數據、評測、落地三大堵點。

業內專家普遍認為，數據是AI的“燃料”，但高質量、標準化、多模態的醫療健康數據供給不足，安全、高效、可信任的數據共享流通機制有待完善，成為制約AI發展的首要瓶頸。

劉遠立說，公立醫院作為數據持有者，普遍存在“不能、不敢、不願”共享數據的問題。“不能”是因為醫療數據多模態、高複雜、強專業，當前各醫院普遍缺乏成熟的數據治理和開發能力；“不敢”是因為健康醫療數據高度敏感，隱私保護安全責任壓力大，共享顧慮重重；“不願”是因為數據貢獻缺少合理的激勵和價值回報機制。

當前，大模型在快速迭代、展現巨大價值的同時，算法偏見、誤診漏診風險等問題也隨之產生。劉遠立表示，技術越先進，監管越要跟上。要讓AI真的可信可用、安全可控，應加快構建覆蓋研發、審批、應用、監管全鏈條的人工智能權威評測機制和平台，用統一科學權威的標準為技術創新劃定安全的邊界。

“再好的技術，要真正用起來纔有價值。”張騫認為，醫療AI規模化要有頂層規劃和政策引導，促進醫療、醫保、醫藥數據貫通共享，激活數據要素，確保AI發展的引擎基礎；在醫院內部，也需要整體規劃，對算力部署、模型選擇、場景推廣應用等做好統籌推進。