近年来，“AI（人工智能）如何真正赋能医疗”成为行业内的高频议题。《经济参考报》记者日前调研发现，病历质控、智能分诊、临床试验匹配等具体场景中的AI应用已悄然落地。
当前，AI在减轻医生负担、优化患者体验、推动科研创新等方面展现出巨大价值，并已从“实验探索”迈入“规模化落地”的关键时期。AI究竟如何真正走进医院？来自医院管理、临床一线、政策研究等领域的多位专家，分享了各自的观察与实践。
场景加速落地助力医疗服务“提质增效”
“过去医生写一份住院病历，光整理病史、核对逻辑就要花费大量时间，现在通过AI语音采集和历史病历自动总结引用，大大提升了工作效率。”北京世纪坛医院院长张骞介绍，该院的AI应用已覆盖患者服务、临床辅助、医疗管理等多个领域，其中病历质控、智能预问诊、检验报告解读等场景已实现全院推广。
“本质上是让医生把更多精力放在诊疗本身。”张骞表示，AI病历内涵质控系统不仅能预警病历书写的时限问题，还能精准识别前后逻辑错误，帮助医生和质控人员快速排查缺陷；智能预问诊则通过挂号后自动推送填写提醒，引导患者提前完善病史信息，这些数据可直接回写到医生工作站，大幅缩短了门诊问诊时间，上线以来使用量已突破10万人次。
AI赋能医疗的价值，同样体现在肿瘤诊疗这一高难度领域。
北京大学肿瘤医院副院长宋玉琴坦言，AI对医院的核心价值在于“提质增效”，不仅减轻了医生的临床负担，也为科研和教学提供了有力支撑。
据介绍，针对肿瘤患者分诊难的问题，北京大学肿瘤医院淋巴瘤科搭建了线上AI问诊平台，上线以来已服务数千人次，有效解决了患者“挂错号、跑冤枉路”的痛点；在科研领域，AI助力搭建专科数据库，可一键生成中英文文献综述，还能根据研究重点、样本量等信息，快速生成临床研究方案，让原本需要数周的工作缩短至数小时。
“从技术角度来看，AI的应用潜力远不止于此。”中科计算技术西部研究院研究员赵宇表示，未来AI将全面渗透医疗各环节，覆盖智慧病历、影像诊断、手术机器人、自主给药系统等场景。他表示，AI能有效拓展人类的智力与身体能力，例如手术机器人可实现亚毫米级精度，远程手术亦可借助AI降低操作风险。
从被动到主动临床应用提速
尽管AI优势凸显，但在落地过程中，“不愿用、不敢用”的问题曾困扰不少医院。
张骞坦言，AI系统上线初期，部分医生存在抵触情绪，病历AI质控系统使用率并不高，门诊语音病历生成功能，病情复杂的科室愿意尝试，而简单复诊开药的场景则鲜有人问津。
“核心原因在于管理政策引导不够，医生使用动力不足；另外，初期模型适配性不足，未经过专科调优的AI，容易出现病历生成不准确的情况，让医生不敢用。”张骞说。
为此，北京世纪坛医院加强了病历质量管理要求，将AI质控逐渐变成医生的“刚需工具”，通过建立反馈机制，让使用积极的科室总结问题，同步给IT部门优化模型。
“当医生发现AI能帮他们减少差错、节省时间，自然会从被动接受转向主动使用。”张骞说。
这种转变，也体现在北京大学肿瘤医院的实践中。
北京大学肿瘤医院胸部肿瘤内一科主任医师赵军表示，AI的推广需要结合临床实际需求，不能“一刀切”。以诊前预问诊为例，该院通过职代会提案推动落地，结合肿瘤患者的特点优化流程，让患者主动参与信息确认，既保证了数据精准性，也提升了患者的就医体验。他说：“AI不是‘硬塞’给医生，而是要真正解决他们的痛点，才能实现良性推广。”
宋玉琴透露，北京大学肿瘤医院今年计划投入数千万元升级AI系统，就是要通过技术优化和培训引导，让更多医生感受到AI的价值。“我们鼓励医生主动尝试、反馈问题，形成‘使用-优化-再使用’的良性循环。”
破解三大堵点畅通医疗AI规模化落地
“AI赋能生命健康，是挑战也是机遇，更是责任。”国务院参事、北京协和医学院卫生健康管理与政策学院长聘教授刘远立认为，当前医疗AI要实现规模化应用，还需破解数据、评测、落地三大堵点。
业内专家普遍认为，数据是AI的“燃料”，但高质量、标准化、多模态的医疗健康数据供给不足，安全、高效、可信任的数据共享流通机制有待完善，成为制约AI发展的首要瓶颈。
刘远立说，公立医院作为数据持有者，普遍存在“不能、不敢、不愿”共享数据的问题。“不能”是因为医疗数据多模态、高复杂、强专业，当前各医院普遍缺乏成熟的数据治理和开发能力；“不敢”是因为健康医疗数据高度敏感，隐私保护安全责任压力大，共享顾虑重重；“不愿”是因为数据贡献缺少合理的激励和价值回报机制。
当前，大模型在快速迭代、展现巨大价值的同时，算法偏见、误诊漏诊风险等问题也随之产生。刘远立表示，技术越先进，监管越要跟上。要让AI真的可信可用、安全可控，应加快构建覆盖研发、审批、应用、监管全链条的人工智能权威评测机制和平台，用统一科学权威的标准为技术创新划定安全的边界。
“再好的技术，要真正用起来才有价值。”张骞认为，医疗AI规模化要有顶层规划和政策引导，促进医疗、医保、医药数据贯通共享，激活数据要素，确保AI发展的引擎基础；在医院内部，也需要整体规划，对算力部署、模型选择、场景推广应用等做好统筹推进。
