共计 2296 个字符，预计需要花费 6 分钟才能阅读完成。
前段时间，有消息爆料苹果将对其健康 App 进行调整，强化健康 App 与智能硬件、AI 的关联。重新打造的健康 App 将涵盖「AI 健康教练」「食物追踪」「锻炼追踪」「健康教育」四个板块，借助苹果硬件收集用户数据，依据 AI 医生的综合判断，为用户提供具体的健康建议。
有意思的是，当苹果还在传闻要推出 AI 医生时，大洋彼岸的中国网民已然开启了 AI「问诊」时代：在小红书上，能轻易找到「ChatGPT 解读化验单」「用 DeepSeek 和医生对线」等相关分享。要知道，这些对话大模型的主要功能并非判断病情，而是延续对话；利用这种大模型「看病」，延误病情的可能性极大。多数网友还是具备判断力的，清楚通用模型在医疗方面存在短板。
飞速发展的 AI 技术已对各行各业产生改变，为何在医疗领域，真正的「AI 医生」仍未问世呢？
与大多数人的认知不同，AI 与医疗并非近年才组合的概念：早在机器学习时代，就有企业推出了辅助医疗影像诊断（X 光、CT、MRI）或疾病筛查的软件；若将视野拓展到非临床医疗，AI 技术在药物开发流程中更是被广泛应用。
从功能角度看，这些软件都不能被视作真正的 AI 医生——由于开发成本高昂，这类软件通常只有大型医院、疾病研究中心、医学院等医疗「行业用户」才有能力使用。而面向行业用户开发意味着这些软件的技术门槛极高，没有五年医学学习经历一般难以理解。
此外，医疗是一个高度依赖数据（经验）的特殊行业：医生不仅要从患者模糊的自述中提取有用信息，还要依据自己过去的治疗经验，给出最终的治疗方案。但对于医疗 AI 而言，经验积累的过程「困难重重」。
保护患者隐私与 AI 医疗的矛盾
无论在哪个国家，患者病历都是高度敏感的隐私数据，除合作项目外，AI 开发企业几乎无法获取任何可用于训练 AI 的数据。当然，医疗 AI 也可像如今车企训练自动驾驶那样，用 AI 生成的数据训练医疗 AI，但医疗行业的特殊性使得开发者给数据打标签的难度极大。
这也致使这些医疗行业的 AI 应用更像是医生的「新工具」——它们的出现有助于医生做出更准确的诊断和治疗，但无法取代医生。
幸运的是，语言类 AI 的迅猛发展弥补了 AI 在交互方面的不足，让 AI 具备了直接面对患者的能力；混合式模型（Hybrid-AI）技术也在保护患者隐私的前提下，使 AI 能够可控地接触真实病例，像真正的医生一样不断学习、进步。
目前，AI 医生已成为不少海外国家医疗发展的下一阶段，比如以擅长内分泌科闻名全球的梅奥诊所，目前有超过 200 个 AI 医疗项目；Google 的医疗大模型 Med-PaLM 在疾病初筛（逻辑判断）和知识问答、健康科普（对话）方面也具有巨大潜力。
国内 AI 医疗的挑战只多不少
从目前海外对 AI 医疗的应用情况来看，AI 医生更像是一种提升效率的辅助工具。但在中国，情况有所不同。
与海外情况类似，我国同样面临医疗资源不均衡的问题。但与商业化医疗体系中轻公立、重私立不同，中国医院的社会责任感更强，三甲医院人满为患、基层医疗服务能力不足、医生资源集中在一线城市的现象更为普遍。
在这种大环境下，中国 AI 医疗肩负的责任更为沉重：除了发挥 AI 处理海量信息的能力，辅助医生分析检查结果，加快诊断速度外，AI 医疗在国内还需承担分诊职责。
这里的分诊并非指在挂号台指导病患「哪里不舒服应该挂什么科室？」，而是更为复杂的「层级分诊」——将常见病、轻症患者分流至社区等基层医院，减轻三甲医院的接诊压力。
但如果想用 AI 实现分级诊疗（小病在社区、大病到医院、康复回社区），AI 医疗不仅要能准确判断病情的严重程度，还需要让患者对基层医疗有信心。毕竟三甲名医一号难求，归根结底是因为患者看重三甲名医，看重他们拥有基层医疗难以企及的罕见病治疗经验。
而这额外的任务，也是国产 AI 医疗大模型与海外 AI 医疗模型最大的差异。
「双医模式」能克服医疗资源短缺吗？
以刚满两岁的百川智能为例，4 月 10 日，百川智能 CEO 王小川提出了「造医生 - 改路径 - 促医学」的路径，从医疗资源、分层就诊、加速 AI 医疗进化的三个方向，推动医疗转型。
其中「造医生」很好理解：根据 2022 年召开的第十届中国医院院长年会发布的《中国儿科资源现状白皮书》中的数据，目前国内儿科医生缺口达 86042 名，「接近 10 万大关」。而百川表示将在全科、儿科领域发力，利用医疗大模型（AI 医生）填补医疗缺口。
「改路径」是以 AI 医生增强基层医疗的能力，缓解基层分流带来的额外压力，最终将 AI 医生的边界扩展至家庭医生，构建「家庭 / 全科医生 - 专科 / 社区医生 - 医院 / 急救」的三级分层诊疗体系，缓解医疗资源紧张的问题。
最后的「促医学」，则是以 AI 医生积累的经验和数据，反过来推动临床医学、流行病学的发展。对于这种「患者有 AI 医生、医生有 AI 医疗辅助」的模式，百川智能称之为「双医模式」。
严格监管是 AI 医疗进步的阶梯
尽管 AI 医疗的进步有目共睹，但在真正全面推广之前，AI 医疗行业还有诸多问题亟待解决：
医疗承载着极高的风险与不确定性，误诊或延误的后果极其严重，患者的生命无法「重新尝试」。如何提高诊断准确度、消除用户对 AI 医生的疑虑，让用户相信 AI 医生不是简单的「AI 聊天」？这是摆在 AI 医疗面前的首要问题。
认为，AI 医疗的发展需要一套严格的监管、认证标准。这种标准不能是车企常用的「L3 级」文字游戏，而应是真正明确的、能杜绝擦边球的审核体系。从责任边界到数据安全，新的监管体系不能留下任何可钻空子的余地，那些「网上就医导致病情恶化」的案例绝不能再次发生。
展望未来，随着国内医疗大模型能力的提升和分级诊疗制度的推进，AI 医生未来必将成为基层医疗的重要组成部分。而未来的医疗系统，也必将在 AI 的推动下被重新定义。
