李明：漫谈医疗大模型的应用与发展前景

日前，三位来自不同领域的代表——一位三甲医院心内科副主任医师、一位高校人工智能研究者、一位医疗信息化从业者——坐在一起，聊起了过去一年里业内备受关注的话题：医疗大语言模型的应用。

探索医疗大模型的新应用，谨防患者隐私泄露

聊天话题是从时下流行的“养虾”开始的。北京大学第一医院的李昱熙医生介绍，医院已下发内部通告，严厉禁止医生在工作电脑上直接使用未经许可的AI工具处理医疗内容，强制要求必须在物理隔离的“干净环境”中进行操作，严防患者隐私泄露。虽然临床受限，但有些医生在教学与科研领域利用OpenClaw等开源模型和Agent工具，以极低的成本开发了教学网站与病例库，收到了很好的效果。

这些限制并不意味着医院放弃部署和实施大语言模型。实际情况是，医院正积极探索把知识库和大模型结合，解决临床实际问题。比如针对临床医生搞不清“肿瘤药和血压药相互作用”的痛点，系统接入第三方循证知识库，给医生提供即时、准确的中文决策支持。另一个重点是深入“临床业务场景”，比如在心内科和全科试点的“门诊语音识别”，通过双向麦克风把医患对话转化成文本，自动填充门诊病历，切实减轻医生负担。同时，医院也正在推动“查房过程”的智能化，因为发现电子病历存在“主观整理”的偏差——住院医生听了上级医嘱记在小本本上，却因工作量太大写不进病历。临床要用技术捕捉那些“真正决定临床决策”的关键信息，弥补病历数据与真实诊疗之间的鸿沟。李昱熙介绍，目前医疗大模型部署的瓶颈已不再是算法，而是“采购麦克风”的硬件流程。

技术派观察：AI的影响越来越大，加剧焦虑

来自大学的华磊博士从技术视角看到了更宏观的冲击。“以前人类社会的金字塔只有人类，现在中间塞进了AI。”他抛出一组数据：硅谷名校博士求职，过去20%轻松就业，80%艰难突围；如今变成2%轻松就业，98%面临困境——“原来的18%被AI填满了。”

这种“替代效应”在不少领域初现端倪。“一些公司招新人时，会先判断这事用AI能不能干。”华磊坦言，“如果能，岗位可能就消失了。”但他同时指出，AI目前更多是“提效”而非“创造”——它能帮医生写病历、查文献、分析数据，却还没创造出全新的医疗岗位。

更令人深思的是认知“卸载”。“搜索引擎出现后，我们的大脑从存储具体信息变成存储索引；AI时代，这种卸载会更彻底。”华磊以自身经历为例谈到，“过去两年我刻意用AI处理事务，把自己‘逼’到退无可退的边界，才发现人类真正的价值在哪里——不是执行任务，而是定义要解决的问题。”

医生尚无大模型时代的焦虑：医学本身特征所致

当前，无论是信息科的工作人员，还是HIT厂商代表，都有一种普遍的焦虑。这种焦虑不是对技术的恐惧，而是医信人对“位置”的不确定。华磊的论断也进一步说明了焦虑的蔓延。

在AI重构一切的时代，医信人、医生、患者到底该站在哪里？作为医生的李昱熙表示，在实际的医院场景中，医生的焦虑感远没那么强烈。这感觉就像历史上任何新技术落地医疗——这个“相对比较封闭，而且是深度监管，容错率很低的行业”，必然会“滞后一些”。这跟医疗从业者的训练路径有关，大家习惯了从背书、规培到临床实践的严谨闭环，对信息的准确性有着近乎苛刻的依赖。这是临床医学本身的特质所致。

当患者利用AI与医生交流，医患关系已成“三人行”

当ChatGPT横空出世，一位患者拿着ChatGPT提供的诊疗建议来就诊时，给科室医生带来的震撼至今令李昱熙记忆犹新。如今，越来越多患者使用AI工具辅助就诊，这种基于循证医学的“第二诊疗意见”，正将传统医患模式推向变革的风口浪尖。这种变化带来了前所未有的挑战。患者拿着AI生成的方案与医生交流，有时会出现“相互折磨”的状况——医生面对超出预期的“专业质疑”，甚至会无奈说出“尊重你的意见”。在AI时代，面对没有明确答案的复杂临床问题，原有的“医患共同决策（SDM）”模式已被打破。正如李昱熙所言，当诊疗涉及患者/家属且超出单纯医疗范畴时，需要重新思考决策机制。

一项研究的初步结果揭示了行业的真实心态：医生视角下AI对医患关系的影响，积极乐观者虽占主流（41.61%）；紧随其后的是庞大的“不确定”群体（37.32%），两者合计近八成；仅有少数人持负面看法（11.70%）或认为无影响（9.36%）。这种分化折射出医疗行业作为“深度监管、容错率极低”领域的审慎特质。理想的模式或许是“医生-患者-AI三方共同决策”。李昱熙做了个生动的比喻：以前的医患关系是“医生背着患者过河”达到治疗目的，未来则可能是“医生扶着，患者/家属和AI抬着轿子，一起把患者抬过去”。这既是挑战，也是医患关系在智能时代的全新模式。

医疗AI的临床试验困惑：当“活”的算法遇上“死”的规则

当前医疗大语言模型相关的评估研究和临床试验层出不穷。但一个核心争议始终悬而未决：大语言模型的临床试验，能否完全照搬沿用药物和器械模式？

李昱熙在最近的ACC（美国心脏病学会）年会上，曾就此问题向美国专家交流讨论，得到的答案同样是“不清楚”。出现这一状况的根本原因在于AI与药物的本质差异：药是死的，AI是活的。药物治疗方案一旦获批，其化学成分和疗效是固定的；而大语言模型处于持续迭代中，对此，李昱熙提出疑问：“你今天验证了它，明天它升级了，你还要重新验证吗？”

尽管验证标准尚在摸索，但监管与责任归属已是当务之急。李昱熙近期参与了由北京卫生法学会大数据与互联网人工智能医疗专委会、中国生物医学工程学会医学人工分会法律伦理专家组共同制定的《医疗人工智能应用与治理专家共识》，厘清了一个关键转变：医疗大模型应用的责任主体不再单一，以前出了事都是医生背锅，未来是要信息技术厂商和医生共担风险。《共识》明确指出：若AI产品因算法黑箱或设计缺陷导致医疗事故，医疗机构在对患者进行赔偿后，有权向信息技术厂商进行追偿。这意味着，未来的医疗场景将是“协同决策”的模式——AI承担它能承担的风险（数据处理、文献检索），医生做最后的临床把关。李昱熙强调：“如果全部责任都压在医生身上，这个行业是没法往前走的。”

这场漫谈没有特别清晰的结论。三位对话者自身也处在“探索”和“困惑”之中。尽管未来的边界与技术演进路径尚不明朗，但有一点确信无疑：医疗行业的终极标尺，始终在于患者获益。无论信息技术如何迭代，其归宿必然是服务于人类的健康与临床诊疗，惠及每一位患者。

作者简介

李明，博士，MBA，医学士，主治医师，研究员。主要研究领域数字健康、医疗人工智能、卫生政策。