近期，人工智能大模型在医疗领域的应用引发广泛关注。首先是全国首个罕见病领域人工智能大模型“协和·太初”面向患者开放测试初诊咨询和预约功能。与此同时，我国首个“AI儿科医生”也于日前在北京儿童医院正式上岗。

此外，随着国产大模型DeepSeek的应用不断扩展，多地三甲医院都做了相关的部署，探索大模型在临床决策支持、病历质控、影像分析、科研辅助、医院管理等多个医疗场景中的应用，以提升医疗服务质量和效率。

在“AI全面接入千行百业、人机共舞时代到来”的背景下，AI将给医疗行业带来哪些变革？3月6日，记者专访了知名经济学者、工信部信息通信经济专家委员会委员盘和林。

大模型在医疗行业全面展开

是大势所趋

近年来，人工智能大模型在医疗行业的应用已经在陆续开展，但是今年以来，应用的速度不断加快，应用场景也不断拓展。如何看待这样的趋势？

盘和林表示，AI大模型在医疗领域是最适合落地的，医疗分为诊断和治疗，诊断是治疗的前提，而诊断过程其实就是一个基于已知数据信息，给出判断的过程，事实上，由于AI大模型是由数据训练出来的，通过海量医疗数据的训练，AI大模型必然能够在信息分析能力上超越人类医生。简单说，人类医生的诊疗其实是存在缺陷的，比如一张CT影像，人类医生肉眼能够看到的，和AI通过像素点看到的，一定是不同的，AI能够看到更细节的东西，同样的，医生三五句询问病人获得的信息，和AI从病人电子病历中记载的信息，那也不是一个信息量，AI相比于人类医生，信息更充分、逻辑推理能力更强，所以得出的诊疗结论往往也更准确，所以，AI在医疗行业大有可为。其实，前几年就有很多医院开始用AI替代人类去看CT片，AI给出结论，人类再跟进验证，一些很小的结节，这几年发现的频率也越来越高了，过去是做不到的。而未来，AI大模型将代替医院的病理科，那些疑难杂症的确定，可能AI会比人类医生更有优势。所以，大模型在医疗行业全面展开是大势所趋。

那么，是哪些因素推动了AI大模型在医疗领域的加速落地？盘和林认为，首先，是AI大模型适合AI医疗，具体说就是诊断的场景。其次，是国家对医疗领域数据要素的激活。过去，大量医疗数据存在于各个孤岛，医院不愿意将患者的数据分享出来，而如今，国家打破了数据孤岛，有了数据，AI大模型就有了训练的素材。再者，是产学研用和数实融合的结果。AI大模型的开发者不熟悉医疗，医疗工作者不熟悉AI大模型，事实上，我国AI大模型产业的发展，以及AI和医疗产业的融合是近些年的事，也正是因为AI大模型产业的发展，让AI医疗成为可能。

除了目前出现的领域，未来AI应用的场景还会向哪些方面拓展？在盘和林看来，AI的应用场景还是很多的，举几个例子，AI做手术，如今，以达芬奇医疗机器人为代表的医疗机器人已经开始普及，相比于其他手术方式，医疗机器人手术创口更小，恢复更快，而未来，通过AI大模型等的训练，医疗手术机器人也有可能从人类操控模式，转变为自动识别，自动手术工具，当然，这需要漫长的过程，但随着人形机器人的发展，其实AI主导下的医疗手术机器人成长很快。AI还可以帮助构建家庭医疗体系。家里面配备一些诊疗设备，将健康数据输入AI，然后由AI构建患者的健康档案，并预测患者的疾病概率，让患者提前治疗，提前准备，我们知道，对于健康，防病比治病更重要。AI还可以向患者普及医疗知识。

AI是辅助工具

诊疗结果的后果应由医生来承担

另一方面，目前对于AI大模型在医疗领域的应用也存在一些担忧。比如大模型诊断的准确率如何保障？医生是否会被AI取代等等？

盘和林称，大模型诊断准确不准确，在于AI大模型的训练能力，逻辑推理能力是否完善，也就是说，是骡子是马，拉出来溜溜才知道，我们知道，很多AI大模型的训练数据存在质量高低，有些诊疗数据甚至存在错误，这些错误会影响AI大模型的效果能力，同时，AI大模型的推理能力也很重要，如deepseek就是一个推理模型，但deepseek的推理是否适合医疗？这还有待验证，或者说，医疗AI大模型需要医疗领域的逻辑推理算法。

“医生会否被AI取代呢？不但不会，反而有利于医生。”盘和林表示，因为很多人没见过如今很多医生的生存状态，大医院里面人满为患，几乎每个医生都要加班，每个病人看病的时间不会超过五分钟，请问，五分钟如何作出准确判断，解决方案就是用AI去提高效率，让医生能够快速的做出诊断。再者说了，AI主要是诊断上的能力，情感沟通、药物剂量控制、手术，如今还是要依靠医生来完成。

对于AI给出的医疗处方，以及诊断结果如何给予更规范的监管？盘和林认为，AI作为辅助工具，在AI完善之前，其诊疗结果的后果，依然应该由医生来承担，也就是说，AI是工具，你不能让工具去坐牢，诊疗结果错误还是正确，都是工具的判断，而用不用，是医生的问题。所以，我认为在应用端，我们大可不必去管AI，当然，我认为需要管的还是数据端，这里涉及的是AI数据安全问题，那么这个时候，就要建立一套数据安全体系，医院的医疗数据管理，要定期进行风险评估。