医学人工智能技术前景可期

2025年DeepSeek大模型“引爆”全球，以DeepSeek为代表的人工智能（AI）技术正在被越来越多地应用于医学影像阅片、学习海量病历数据、总结疾病诊断规律和辅助医生诊疗决策。3月9日，国家卫生健康委员会主任雷海潮在十四届全国人大三次会议民生主题记者会上表示，“要进一步加强基层信息化建设，应用AI辅助技术，提升基层服务能力和水平。”如何推动AI技术在医疗领域稳健落地，提高诊疗效率和质量、保障数据安全等成为今年全国两会代表委员们关注的话题。代表委员们表示，AI技术将在提升医疗服务水平、促进医疗资源均衡配置、推动健康管理与疾病预防、为人民群众提供更加优质高效便捷的医疗服务等方面发挥越来越重要的作用，为实施健康中国战略提供坚实支撑。

促进“AI+医疗”全面发展

全国人大代表、苏北人民医院大内科主任、风湿免疫科主任魏华教授对笔者说，党的二十届三中全会着重强调在发展中保障和改善民生，为深化医药卫生体制改革精心部署。在国家政策层面，持续加大对科技创新尤其是AI赋能各行业的引导与扶持，鼓励医疗领域深度融合前沿技术，提升整体服务效能，助力健康中国战略落地。2024年11月，国家卫生健康委员会、国家中医药管理局、国家疾病预防控制局联合印发《卫生健康行业人工智能应用场景参考指引》，对医学影像智能辅助诊断、临床专病智能辅助决策等领域提出了分场景、分层次的应用规范，为AI在医疗领域的全方位应用勾勒蓝图。

近期，DeepSeek等生成式AI在各领域广泛应用，就如何将生成式AI与医疗领域进行更紧密结合，在统筹算法算力建设、医疗数据训练及创新应用方面，魏华提出以下建议：一、强化顶层设计。国家层面成立“AI+医疗健康”高质量发展领导小组；由国家卫生健康委员会牵头联合相关部门制定《医学人工智能发展专项规划（2026-2030年）》，明确发展目标、重点任务和实施步骤，为医学AI的发展提供政策依据和方向指引。

二、布局算法算力。国家层面统筹医疗大模型建设，挖掘并整合医疗领域大数据，以数据驱动模型在医疗垂直领域的训练、强化学习、监督微调等，确保模型能精准解读并服务于临床医疗实践，大幅提升诊断精准度与治疗有效性；同步规划算力基础设施建设蓝图，指导评估高性能计算设备的应用方案，加速医疗垂直领域大模型向实用临床工具的转化进程。

三、拓展应用场景。结合智慧医疗、智慧服务、智慧管理三大体系，覆盖诊前、诊中、诊后和全程，以提升患者就医体验、提升医疗质量和科研创新为目标，高标准规划设计应用场景，制定分步实施和推广应用计划。一是面向公众的智慧服务，有序建设和推广基于大模型AI的智能分诊、智能报告解读、智能陪诊、智能随访、智能慢病管理、智能满意度调查；二是面向医务人员的智慧助手，推广辅助问诊、电子病历辅助生成、AI辅助诊疗（CDSS）、AI病历内涵质控等；三是面向政府的智慧监管，一方面监管医疗用药行为、医保基金使用合规性等，另一方面监测医疗卫生机构运营情况和高质量发展指标情况，为行业管理提供科学决策支撑。

四、促进产学研合作。由卫生健康委员会及国家数据局牵头，建立医学AI产学研合作联盟，搭建医疗机构、科研机构和企业之间的沟通与合作平台。定期举办产学研对接活动，促进技术交流和项目合作。同时，加大财政投入，设立国家医学AI科研专项基金，鼓励医疗机构、科研机构和企业开展医学AI的创新研发，专项用于支持医学AI领域的项目研发、平台建设等关键环节。对纳入国家医学AI发展重点项目库的项目，给予优先资金扶持，按照项目实际需求与进展情况，分阶段、精准化拨付资金，确保项目顺利推进。

充分激活数据要素价值

全国政协委员、遵义医科大学附属医院党委委员、副院长傅小云教授对笔者表示，充分激活数据要素价值，对于提高诊断准确率和治疗效果，降低医疗成本，改善公共卫生，提高患者自我管理能力，推动医学科技创新，加快形成医疗新质生产力具有重要意义。

傅小云通过走访调研发现，当前我国医疗数据市场面临着较多问题和挑战。主要表现在：

一是数据质量差，医疗数据大多是非结构化数据，结构化和标准化程度不足，导致数据质量不高；二是数据孤岛现象严重，不同医疗机构之间缺乏统一的数据标准和共享机制，数据分散在各个独立的系统，难以实现互联互通和共享利用；三是数据治理不足，缺乏统一的数据标准管理体系，数据质量、数据一致性难以保障，数据溯源难，数据关系不清晰；四是人才短缺，医疗大数据涉及医学、信息技术等多个领域，需要具有复合型知识背景的人才来进行开发利用，但目前这类人才相对短缺；五是法律法规不完善，在数据安全、隐私保护、数据脱敏等方面，相关法律法规尚不健全，导致数据的开放和利用受到限制；六是行业应用不足，由于历史和习惯等原因，我国医疗行业“重临床、轻数据”的现象比较普遍，医疗数据呈现出数量大、质量较差的特征。统计显示，2021年，我国三级医院医疗大数据平均应用率不足20%，二级医院不足5%。

为此，傅小云提出如下建议：一、组建专门的健康医疗数据管理部门，对全国医疗大数据实施管理和整合，打破不同医疗机构间的数据壁垒；二、积极推广数据标准化技术、主数据管理技术，强化数据治理，实现数据的规范统一和精准治理；结合医疗卫生数据流通的“数据采集—数据治理—数据应用—质量提升”闭环管理机制，构建“数治、数知、数智”三层治理体系；三、建立完善的数据安全管理制度、技术防护措施和高效数据采集机制，利用区块链技术，实现数据标准化存储与授权共享，建设全民健康管理系统；四、整合优质医疗资源，建立标准化、互联互通的医院管理信息系统，逐步实现医疗数据的完全结构化，建立不同医院数据共享机制，构建医疗大数据模型；五、细化医疗大数据市场化的相关政策和法律法规，推动医疗AI大模型的研发及市场化；六、高等院校加强医疗大数据相关专业的课程建设，培养具备医学和信息技术背景的复合型人才。

傅小云表示，医疗大数据产生于临床医疗实践，其产权非单一主体所有。当前亟须制定相应法律规范，加速推动医疗大数据标准化、结构化及市场化建设，让人民群众享受到“数据红利”；积极推动构建医疗AI智能体，尽快建立高效疾病预测、诊疗大模型，推动医疗新质生产力发展，为健康中国建设贡献力量。

构建智慧医院高质量发展新范式

全国人大代表、山东省立医院东院保健神经内科主任卢林教授认为，在全球数字化变革的浪潮中，AI技术已成为推动各行业发展的核心驱动力。智慧医院是充分融合云计算、大数据、物联网、移动互联网以及AI等前沿技术，通过构建医疗、服务、运营三位一体智慧化体系，实现全方位智慧化管理与服务的现代化医疗机构。DeepSeek等AI技术在自然语言处理、知识图谱构建等方面具有独特的技术优势，以DeepSeek为代表的中国AI技术的崛起，为智慧医院高质量发展提供了新的契机。

卢林同时指出，基于DeepSeek等AI技术构建智慧医院仍面临诸多挑战。在技术层面，数据的准确性、完整性和一致性有待提高，数据泄露和篡改的风险不容忽视；模型的可解释性与可靠性有待增强，模型性能波动影响准确性的风险需要重视；技术集成与兼容性存在难题，接口不兼容、数据格式不一致等阻碍了系统整合。在医学伦理与法律层面，存在责任归属模糊、隐私保护困难、公平性受挑战等伦理困境，以及责任认定、数据保护、医疗事故处理等法律空白与争议。在人才与管理层面，复合型人才短缺制约了技术应用，医院现有的管理模式、组织架构、业务流程和绩效考核办法等影响了技术推广。

就构建基于DeepSeek等AI技术的智慧医院高质量发展新范式，卢林提出如下建议：在技术优化与创新方面，建立统一数据标准，加强质量管理和安全保障，提升数据质量与安全；改进算法，调整参数，增加可视化工具，优化模型性能与可解释性；制定统一技术标准，加强产学研合作，促进技术集成与协同创新。在医学伦理与法律规范建设方面，制定完善伦理准则，建立独立审查委员会，加强监督管理；完善相关法律法规，明确责任主体，加大执法力度。在人才培养与管理变革方面，构建复合型人才培养体系，推动高校教育改革、在职人员培训和专职人才引进；创新医院管理模式，优化组织架构，再造业务流程，创新绩效考核体系。在服务行业方面，加强AI技术与医疗行业的深度融合。一方面，AI技术开发者要深入了解医疗行业的需求和特点，开发出更符合医疗实际的AI产品和解决方案。另一方面，医疗行业从业者要不断提升自身的AI技术素养，积极应用AI技术，推动医疗服务的创新和发展。在社会支持方面，充分发挥政府和行业协会作用，加强对“AI+医疗”的规范和引导，制定相关的标准和指南，促进“AI+医疗”的健康有序发展。

AI赋能慢病防治和健康管理

全国政协委员、中日友好医院原副院长姚树坤教授强调，随着生活方式的改变和环境压力的增加，慢性病患病率不断攀升，很多慢性疾病属于共患病，有着共同的危险因素和发病机制，避免和祛除危险因素是最理想、最有效、成本最低的慢性病防治和健康管理策略。AI健康助手可以嵌入社区、职场、家庭、个人生活，构建全场景服务模式，高效提升健康管理服务的公平性、可及性。上海“AI健康社区”试点表明，居民体检参与率从32%提升至78%，体现了AI在提升公共卫生服务效率和可及性上的巨大潜力。

姚树坤认为，AI在健康管理中的应用可重构“预防-保健-诊断-治疗-康复”全生命周期、全链条健康服务新模式，从微型化、可穿戴、多参数生命指标的监测、传输，到膳食、运动、心理调适的智能化全天候警示和及时性针对性指导及行为矫正；AI健康管理还可将个体健康信息转化为持续优化的健康大数据模型，不仅提升了健康管理的质量、效率与可及性，更创造了全民参与的主动健康模式，这种刚需场景的突破将反向推动智能化传感、识别、处理等底层技术及算法逻辑的进化，形成AI健康产业的良性发展闭环。

就AI赋能慢病防治和健康管理，姚树坤提出五点建议：第一，应从顶层设计、战略先行。将“AI全民健康管理体系建设”纳入健康中国建设的战略规划中，明确发展目标、实施路径和责任分工，为全面推广AI健康管理提供顶层政策支撑。

第二，应多方协同、共建生态。构建“政府-社会-企业”协同的AI健康生态，鼓励社会组织、医疗机构、科技企业、保险机构、健康管理服务机构等多元主体积极参与，整合微型化、可穿戴、多生理参数监测仪器和全方位生活方式监测与指导的软硬件系统，通过构建结构化、格式化、定量化数据平台，推动AI健康管理体系的建设和完善。

第三，需试点先行、稳步推广。组织有工作基础的高校、医疗机构和科研院所，选择基础较好的地区开展“AI全民健康管理”试点，验证模式可行性，积累实践经验，逐步扩大试点范围，最终实现全国推广应用。

第四，加强监管、保障安全。在加快推进AI健康管理应用的同时，高度重视数据安全和用户隐私保护，建立完善的监管体系，确保AI健康管理服务规范、安全、可信、可持续发展。同时持续投入、创新驱动。加大对AI健康管理技术研发、人才培养和产业孵化的投入力度，鼓励技术创新和服务模式创新，为AI健康管理体系的可持续发展提供源源不断的动力。

全国人大代表、北京大学第三医院刘忠军教授说，近年来AI技术嵌入临床医疗实践的探索越来越多，并在诸如人体扫描影像、病理切片等医学图像的分析和判读中显示出了一定的优势，借助机器人施行某些类型的手术提高了操作的精准度，利用AI大数据模型对某些复杂病例进行分析能得出可供参考或借鉴的结果。正是在这样的背景下，有人预测未来医疗将会由AI技术主导，现在已经开始有患者或其家属拿着查询的AI大数据结果作为资料和医生探讨诊断与治疗方案。但与其他领域AI技术应用相比，医学领域有其特殊性，医学面对的是生命和健康，容错率极低，不允许轻易尝试。医学是一种既有高度、深度同时又需要温度的科学，人文关怀在医疗过程中的重要性永远存在，而人文关怀并非AI的强项，此外即便只考量技术本身，AI的局限性也很明显。

刘忠军建议，医学领域研发和探索AI技术必须坚守生命至上的初心，秉持以医生为主导的理念，采取“如履薄冰”、稳步推进的策略。鉴于AI嵌入医疗实践中会涉及伦理道德、法律责任、技术标准、数据隐私与安全等诸多问题，建议国家相关卫生及科技部门牵头成立由行政官员与医学、法律、伦理及技术专家组成的专门机构，负责审查和监督AI在医疗领域的应用。