人工智能將如何改變健康衛生服務場景？國家衛生健康委等五部門日前發布的《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》（以下簡稱《實施意見》）繪制了發展“路線圖”：到2027年，基層診療智能輔助、臨床專科專病診療智能輔助決策和患者就診智能服務在醫療衛生機構廣泛應用；到2030年，基層診療智能輔助應用基本實現全覆蓋。

按照這份“路線圖”，人工智能在醫療衛生領域將不斷豐富應用場景，提升服務能力，保障服務安全，優化資源配置，創新預防、診療、康復、健康管理等全鏈條連續智能服務，更好地滿足人民群眾日益增長的健康服務需求。

“《實施意見》標志著人工智能醫療已經從試點探索走向規模化推廣的新階段。”河北省邯鄲市人民醫院院長李楠說，“我們希望最終能構建‘AI提效、醫生聚力、患者受益’的智能醫療體系。”

聚焦基層應用

今年8月，國務院印發的《關于深入實施“人工智能+”行動的意見》提出，探索推廣人人可享的高水平居民健康助手，有序推動人工智能在輔助診療、健康管理、醫保服務等場景的應用，大幅提高基層醫療健康服務能力和效率。

在此基礎上出臺的《實施意見》明確了人工智能在基層應用、臨床診療、患者服務、中醫藥、公共衛生、科研教學、行業治理、健康產業8個方向的24項重點應用。

其中，“人工智能+基層應用”是首要方向。《實施意見》提出，建立基層醫生智能輔助診療應用。針對基層常見病、多發病，建立基層智能輔助診療應用，向基層醫生提供輔助診療、處方審核、隨訪管理、中醫診療等智能應用，提升基層全科輔助診斷、疾病鑒別診斷、醫學影像輔助診斷等服務能力。

當前，AI“下基層”已具備技術基礎。“AI早已不是只停留在概念階段，而是實實在在走進了醫院的各個場景。”李楠舉例說，在診斷環節，AI能自動分析患者癥狀、生成初步診斷建議，還能輔助醫生書寫規范化病歷，顯著提升病歷規范率；在治療環節，AI可提供治療方案參考，部分地區通過搭建“心電網”“影像網”，讓鄉鎮居民在本地就能享受到三甲醫院專家級的診療方案；而在住院等復雜場景中，一些先進的醫療大模型，甚至能將醫生的病歷書寫時間減少一半。人工智能參與“鏈條式”醫療衛生服務的模式已初見雛形。

“以前每天要花大量時間回復基礎咨詢，現在我有了智能體‘分身’，患者的很多常規問題‘分身’就能隨時解答。”南方醫科大學皮膚性病研究所副所長林志淼分享了專家醫生智能體帶來的改變。他介紹，依托京東健康的“京醫千詢”醫療大模型，智能體不僅能精準回應銀屑病及皮膚罕見病的常見問題，還能主動為需要進一步診療的患者預約他的門診時間。這讓醫生從重復咨詢中解放出來，每天能多接診3—5個疑難病例，診療效率至少提升了一半。

李楠補充說，人工智能還有助于醫生提升專業能力。人工智能可以實時提供參考意見，比如在醫生閱片時提示可疑病灶、在醫生開藥時提醒用藥禁忌，這相當于持續的“線上培訓”，能夠為基層醫生持續“充電”。

突出場景驅動

《實施意見》堅持以場景為驅動，面向衛生健康行業真實業務、依托真實場景、解決真實需求。

值得關注的是，《實施意見》提出，到2027年，建立一批衛生健康行業高質量數據集和可信數據空間。在李楠看來，要實現這一目標，醫院信息科、病案室、臨床科室需協同合作，按照統一標準對歷史病歷、影像資料、病理報告、基因組學數據進行清洗、脫敏和結構化處理，形成高質量的專病數據集，并在醫院內部及醫聯體之間，建立安全、可控的數據交換與共享平臺。

京東健康探索研究院相關負責人說，高質量數據集需要兼顧醫學專科與數據集納的專業性。為此，京東健康與國內多家頂級醫療機構合作，基于病史、檢驗、影像、病理等多個維度的大量高質量臨床真實數據，構建專科、專病模型的訓練數據，并匹配真實醫療場景測評。

基于專業數據庫，AI大模型開發廠商也在持續開展涵蓋常見腫瘤和重大慢性病的專科專病大模型的研發，助力醫療資源匱乏的地區也能享受到高水平醫學專家服務。

“各級醫院的工作模式將實現從‘經驗驅動、人力密集型’向‘數據驅動、人機協同型’的深刻轉型。”李楠表示，《實施意見》為醫院在多個層面推進智能化轉型提供了指引，未來頂級醫院將更專注于解決疑難雜癥、進行前沿科研和制定臨床指南，而常規診療、慢病管理和術后隨訪將主要由人工智能輔助下的基層醫院和家庭醫生完成。

規范安全監管

安全始終是醫療衛生行業的“生命線”。《實施意見》將“規范安全監管”單列一節，要求通過優化行業管理和審核體系、創新監管方式和預警機制、強化數據安全和個人隱私保護等舉措，確保人工智能在醫療領域安全、可靠、可控。

“人工智能在醫療領域的安全風險呈現多元交織特征，既包含算法黑箱、數據欺騙等技術層面的固有挑戰，也隨著多模態協同、智能體互聯等發展趨勢衍生出新的安全隱患。”廣東醫科大學多模態數據融合應用實驗室（GMCLab）主任弓孟春告訴記者，風險控制機制的完善需要技術革新、倫理審查與人工智能素養提升“三駕馬車”牽引。

《實施意見》要求，完善政府監管、機構自治、行業自律、社會監督的綜合治理機制。這在一些醫療機構中已經有所進展。弓孟春介紹，來自中國醫學科學院、廣東醫科大學、四川大學華西醫院、中國科學院自動化研究所、神州醫療科技股份有限公司等單位的專家共同編寫的《生成式醫學AI（GMAI）臨床倫理治理專家共識（2025）》，明確提出對人工智能系統實施強制置信度評分和動態幻覺閾值控制。這呼應了《實施意見》中“開展應用監測評估”“建立大模型應用評測驗證”等要求。

針對公眾關注的數據安全和隱私保護問題，《實施意見》也明確要求，建立健全智能應用數據安全防護體系，促進數據規范流通共享。弓孟春說，聯邦學習是一種“合作共贏”但又“保護隱私”的技術。通過這種技術，數據被鎖在不同醫院各自的“保險柜”里紋絲不動，只有AI模型這個“學生”在各家醫院之間流動學習。基于這種“數據不動模型動”的模式，多家醫院能夠共同訓練出一個強大的AI模型，整個過程不需要共享任何原始數據，從而確保數據安全和隱私保護。