文｜白杨

哈尔滨医科大学附属第一医院最近在医疗圈投下一枚“深水炸弹”——本地化部署的DeepSeek大模型正式上岗，AI预问诊、电子病历辅助等功能从实验室走向门诊一线。

这并非孤例，多家三甲医院近年纷纷押注AI预问诊系统，宣称“缩短候诊时间50%”“病历书写效率提升70%”。患者候诊时与AI对话生成报告，医生动动嘴就能生成规范病历，看似“科幻”的场景已走入现实。

AI问诊缓解看病难

类似的故事正在全国各地发生：河北医大一院推出预问诊服务后，患者问诊时间从15分钟锐减至5分钟；深圳市人民医院的“电子医生”已服务超13万人次，月均使用量突破2万。这些数字勾勒出一个诱人图景：AI似乎正在破解医疗资源短缺的世纪难题。

但效率提升的代价是什么？当医院宣称AI问诊节约大量医疗人力时，鲜少有人追问：这些被“释放”的时间，是转化为更多接诊量，还是沦为计算投资回报率的工具？

与此同时，资本市场上，医疗AI概念股一路飘红，据IT桔子数据显示，2023年前三季度国内医疗AI融资总额已达78亿元。这场由技术、资本、政策共同驱动的医疗效率革命，是真能破解“看病难”，还是又一场华丽的叙事？

隐私保护or商业筹码

效率提升的另一面，是数据安全的达摩克利斯之剑。哈医大一院表示“数据不出院”，依托华为昇腾算力构建私有化部署，用50万份脱敏病历训练模型。深圳的医院则与腾讯合作，系统“吃透”百万套医学考题、12万篇专业文献，病历小结准确率87%。

2024腾讯全球数字生态大会上，深圳市人民医院院长耿庆山在发言中强调，数据安全问题是医院在采纳AI技术时面临的主要挑战。

医疗AI的命脉是数据。在看似安全的背后，一个更尖锐的问题浮现：这些数据最终是为患者服务，还是从诊疗工具变为生产资料，患者知情同意书上的条款，是否能真正挡住商业变现的洪流？

医生会成为AI的“质检员”吗？

当上海某医院的AI陪诊机器人“公济小壹”在导诊台忙得不可开交时，哈尔滨医科大学附属第二医院的超声科医生却在为AI导航系统叫好——这套设备响应速度突破毫秒级瓶颈，可显著提升早期微小病灶的检出率，降低漏诊风险。

这似乎印证了医疗AI的正确打开方式：不是替代医生，而是成为 “超级放大镜”，让经验不足的医生获得专家级视野。

但是AI问诊对患者主观描述的依赖过大，暴露出致命弱点——当帕金森患者说不清“手抖频率”，当老人把“便血”说成“拉肚子”，冰冷的算法永远无法捕捉医生眼中的焦虑与苍白。

尽管医院强调“AI辅助、医生决策”，但现实已显端倪：深圳某三甲医院的AI预问诊系统，可自动生成诊前报告并推荐用药方案；河北的系统中，AI甚至标记检验报告异常值，直接向患者推送健康建议。当AI越来越“像”医生，职业价值的重构不可避免——年轻医生可能沦为AI结果的校验者，而资深专家的经验正被算法解构为可复制的数据模型。

更值得警惕的是“算法黑箱”。当患者因AI误判延误治疗，该由医院、厂商还是算法担责？这个问题，至今没有标准答案。医疗AI的狂飙突进映射出一个分裂的现实：一边是技术派高歌猛进，用“分钟级效率”描绘智慧医疗蓝图；另一边是伦理派忧心忡忡，警惕技术异化侵蚀医患信任。

或许真正的破局之道，不在于追求AI替代人，而在于重构医疗价值体系——让算法服务于人文关怀，让数据流动遵循医疗本质，让效率提升反哺公益性而非资本报表。