全國(guó)首個(gè)“AI兒科醫(yī)生”日前在北京兒童醫(yī)院上線應(yīng)用，與此同時(shí)，國(guó)內(nèi)多家醫(yī)院也陸續(xù)官宣AI醫(yī)生上崗，引發(fā)社會(huì)廣泛關(guān)注。從美國(guó)OpenAI的ChatGPT聲名鵲起到中國(guó)的DeepSeek后來(lái)居上，人工智能的觸角已延伸至醫(yī)學(xué)領(lǐng)域。如今，AI+醫(yī)療在基礎(chǔ)研究、診斷、臨床治療、藥物研發(fā)等方面均有涉獵，那么，AI+醫(yī)療能對(duì)醫(yī)學(xué)科技發(fā)展起到什么作用？其中有哪些風(fēng)險(xiǎn)需要謹(jǐn)慎對(duì)待？AI醫(yī)生終有一天會(huì)完全取代人類(lèi)醫(yī)生嗎？

AI算法推動(dòng)疾病預(yù)測(cè)診斷

在診斷方面，AI介入醫(yī)療的成果令人矚目。2025年1月9日，復(fù)旦大學(xué)一個(gè)研究團(tuán)隊(duì)在《細(xì)胞》雜志發(fā)表論文稱(chēng)，只要采集人的幾滴血就能診斷上百種疾病。該研究成果通過(guò)采集和分類(lèi)血液中各種有特征性的蛋白質(zhì)大數(shù)據(jù)，再利用機(jī)器學(xué)習(xí)，讓AI能識(shí)別這些蛋白質(zhì)所對(duì)應(yīng)和有聯(lián)系的疾病，從而用以診斷疾病。

研究人員收集和分析了英國(guó)生物數(shù)據(jù)庫(kù)中53026名個(gè)體的血漿蛋白質(zhì)組數(shù)據(jù)，經(jīng)歷了14.8年的中位隨訪期，繪制出人體比較全面的蛋白質(zhì)組圖譜，揭示了蛋白質(zhì)與健康、疾病之間的關(guān)聯(lián)。

其實(shí)，蛋白質(zhì)與疾病的關(guān)系在醫(yī)療實(shí)踐中早已有一些成果，很多疾病都與蛋白質(zhì)的異常表達(dá)、異常修飾或通路信號(hào)紊亂有關(guān)，這表明疾病不只要看癥狀，還要看特征性蛋白質(zhì)的出現(xiàn)和分布。從科技原理上來(lái)說(shuō)，蛋白質(zhì)組學(xué)在揭示疾病方面具有更直接和更精確的優(yōu)勢(shì)。

臨床上已經(jīng)明確了一些標(biāo)志性蛋白質(zhì)與疾病的關(guān)系。比如，Septin9甲基化蛋白是結(jié)直腸癌早期發(fā)生、發(fā)展過(guò)程中的特異性分子標(biāo)志物；甲胎蛋白（AFP）的升高可作為肝癌的篩查標(biāo)志。如果能借助AI算法，分析大量血液中蛋白質(zhì)組學(xué)數(shù)據(jù)，將有助于提高癌癥或其他疾病的早期診斷率。

此前，復(fù)旦大學(xué)的研究團(tuán)隊(duì)已對(duì)1500種血漿蛋白質(zhì)進(jìn)行了篩選分析，發(fā)現(xiàn)11種可預(yù)測(cè)未來(lái)癡呆風(fēng)險(xiǎn)的血漿蛋白質(zhì)，而且可以提前15年預(yù)測(cè)阿爾茨海默病發(fā)生的風(fēng)險(xiǎn)。綜合這些思路和既有結(jié)果，研究人員通過(guò)“人類(lèi)健康與疾病蛋白質(zhì)組圖譜”和機(jī)器學(xué)習(xí)模型，最終構(gòu)建了2920種血漿蛋白質(zhì)與406種常見(jiàn)病、660種隨訪新發(fā)疾病以及986種健康相關(guān)的表型。通過(guò)特定蛋白質(zhì)與疾病的聯(lián)系可以幫助診斷疾病，如GDF15蛋白與心臟疾病、代謝性疾病等多種病癥的發(fā)生風(fēng)險(xiǎn)就密切相關(guān)。這項(xiàng)研究成果還能指導(dǎo)新藥研發(fā)，已有37種藥物被發(fā)現(xiàn)可以開(kāi)發(fā)新適應(yīng)證且具有26個(gè)安全性良好的潛在治療靶點(diǎn)。

研究人員認(rèn)為，有了蛋白質(zhì)組的大數(shù)據(jù)和AI算法的輔助，未來(lái)醫(yī)生通過(guò)簡(jiǎn)單的血漿蛋白組檢測(cè)，就可以提前診斷和預(yù)測(cè)心臟病、糖尿病、阿爾茨海默病等上百種疾病的患病風(fēng)險(xiǎn)。

但是，通過(guò)AI軟件檢測(cè)血漿蛋白查病只是一種輔助手段，且這個(gè)模型需加入中國(guó)人乃至亞洲人的數(shù)據(jù)才有針對(duì)性，并要結(jié)合心腦電圖、X光片、CT片等其他診療手段。更重要的是，公眾應(yīng)避免神化這類(lèi)診療系統(tǒng)，以科學(xué)事實(shí)為先，讓時(shí)間對(duì)其進(jìn)行驗(yàn)證。

“創(chuàng)造新生命”應(yīng)用前景廣

現(xiàn)代醫(yī)學(xué)的科學(xué)基礎(chǔ)是生物學(xué)，AI介入醫(yī)療必然要深耕生物基礎(chǔ)研究。

日前，美國(guó)加利福尼亞州帕洛阿爾托的研究機(jī)構(gòu)Arc研究所（專(zhuān)注于生物學(xué)與機(jī)器學(xué)習(xí)的交叉領(lǐng)域）與斯坦福大學(xué)和英偉達(dá)的研究人員合作，研發(fā)了有史以來(lái)最大的生物學(xué)人工智能模型Evo 2。這個(gè)模型類(lèi)似GPT-4o和DeepSeek，是生物學(xué)的大語(yǔ)言模型。它被“投喂”和訓(xùn)練了從單細(xì)胞的細(xì)菌、古細(xì)菌到真核生物及多細(xì)胞的植物，再到人類(lèi)的12.8萬(wàn)個(gè)基因組DNA序列，能夠?qū)崿F(xiàn)對(duì)所有生命域的理解、建模和設(shè)計(jì)遺傳密碼，可以從頭編寫(xiě)整個(gè)染色體，還能準(zhǔn)確預(yù)測(cè)所有類(lèi)型基因突變的影響。

Evo 2這個(gè)生物學(xué)大語(yǔ)言模型對(duì)現(xiàn)代醫(yī)學(xué)進(jìn)行了奠基和基礎(chǔ)性的夯實(shí)工作，具有多方面的功能。它可以預(yù)測(cè)生命功能和基因突變，從而提前診斷潛在的疾??；可以創(chuàng)造新生命，能生成長(zhǎng)度超過(guò)百萬(wàn)堿基對(duì)的具有合理基因組結(jié)構(gòu)的DNA序列；效率更高，訓(xùn)練速度和推理效率均有大幅提高。

AI在“創(chuàng)造新生命”方面的應(yīng)用前景廣闊。在這方面最早實(shí)現(xiàn)突破的是美國(guó)生物學(xué)家克雷格·文特爾，他在2010年5月21日的《科學(xué)》雜志上宣布構(gòu)建了一個(gè)新生命：把一套細(xì)菌染色體轉(zhuǎn)入一種去除了原有DNA的酵母菌體內(nèi)，在合成基因組的驅(qū)動(dòng)下，酵母菌開(kāi)始復(fù)制和制造出一套全新的蛋白質(zhì)。而最具實(shí)用性的創(chuàng)造新生命并獲得成功的案例，要屬新冠疫情流行時(shí)研發(fā)的mRNA疫苗，研究人員將制造新冠病毒表面刺突蛋白的mRNA輸入人體細(xì)胞，讓人體細(xì)胞根據(jù)刺突蛋白mRNA的模板制造刺突蛋白，后者可以觸發(fā)人體免疫系統(tǒng)認(rèn)識(shí)并攻擊帶有這種蛋白的新冠病毒，從而產(chǎn)生對(duì)新冠病毒的免疫力。

根據(jù)研發(fā)目標(biāo)，未來(lái)Evo 2可以對(duì)生命本質(zhì)、疾病診斷、藥物研發(fā)、疾病治療提供多種有生物學(xué)科學(xué)依據(jù)的解答、預(yù)測(cè)和方案。如果說(shuō)人類(lèi)基因組、動(dòng)植物基因組、蛋白質(zhì)組是探索生命和疾病的原始大數(shù)據(jù)和基本信息，那么，利用這些數(shù)據(jù)可以教會(huì)Evo 2這種生物學(xué)大語(yǔ)言模型去識(shí)別基因組、蛋白質(zhì)組等大數(shù)據(jù)中的目標(biāo)數(shù)據(jù)和對(duì)象，從而快速有效地幫助人們認(rèn)識(shí)生命和疾病，并研發(fā)藥物和治療方式。

AI診療目前仍是“助手”

當(dāng)然，讓大眾與AI+醫(yī)療離得最近的還是臨床應(yīng)用。現(xiàn)在，中國(guó)多家醫(yī)院已經(jīng)接入DeepSeek來(lái)幫助醫(yī)生診治疾病。深圳大學(xué)附屬華南醫(yī)院、成都市第一人民醫(yī)院和昆山市第一人民醫(yī)院等在2025年2月均宣布完成DeepSeek的接入和本地化部署，開(kāi)啟“AI醫(yī)院”和AI+醫(yī)療的模式。一些醫(yī)院則采用各具特色的AI軟件來(lái)進(jìn)行輔助診斷和提供治療方案，如北京兒童醫(yī)院日前上線的“AI兒科醫(yī)生”。

AI醫(yī)生與通用AI大模型有較大的不同，它有更專(zhuān)業(yè)的知識(shí)訓(xùn)練和更多維度的精準(zhǔn)數(shù)據(jù)，北京兒童醫(yī)院的“AI兒科醫(yī)生”就是瑞金醫(yī)院與華為合作開(kāi)發(fā)的瑞智病理大模型RuiPath。為求專(zhuān)業(yè)和準(zhǔn)確，將300多位專(zhuān)家的臨床經(jīng)驗(yàn)及數(shù)十年高質(zhì)量病歷數(shù)據(jù)都整合進(jìn)大模型中。“AI兒科醫(yī)生”有兩個(gè)主要功能，一是擔(dān)任專(zhuān)家的臨床科研助理，幫助醫(yī)生快速獲取最新科研成果和權(quán)威指南；二是輔助醫(yī)生進(jìn)行疑難罕見(jiàn)病的診斷和治療。這意味著，將來(lái)醫(yī)生診治患者時(shí)可能會(huì)采取人工和AI雙會(huì)診的模式，取長(zhǎng)補(bǔ)短。

但AI醫(yī)生對(duì)于整個(gè)醫(yī)生團(tuán)隊(duì)而言，其角色還是“助手”。2024年11月，國(guó)家衛(wèi)健委等三部門(mén)發(fā)布《衛(wèi)生健康行業(yè)人工智能應(yīng)用場(chǎng)景參考指引》，為AI醫(yī)生指出了84個(gè)典型應(yīng)用場(chǎng)景，認(rèn)定其角色是智能和輔助。84個(gè)典型應(yīng)用場(chǎng)景分為4大類(lèi)：1.人工智能+醫(yī)療服務(wù)管理，包括醫(yī)療服務(wù)、醫(yī)藥服務(wù)、醫(yī)保服務(wù)、中醫(yī)藥管理服務(wù)、醫(yī)院管理；2.人工智能+基層公衛(wèi)服務(wù)，包括健康管理服務(wù)、公共衛(wèi)生服務(wù)、養(yǎng)老托育服務(wù)；3.人工智能+健康產(chǎn)業(yè)發(fā)展，包括醫(yī)用機(jī)器人、藥物研發(fā)、中醫(yī)藥產(chǎn)業(yè)；4.人工智能+醫(yī)學(xué)教學(xué)科研，包括醫(yī)學(xué)教學(xué)、醫(yī)學(xué)科研。

在第一類(lèi)中，AI醫(yī)生主要幫助進(jìn)行醫(yī)學(xué)影像智能輔助診斷、醫(yī)學(xué)影像數(shù)據(jù)智能輔助質(zhì)控、臨床專(zhuān)病智能輔助決策、基層全科醫(yī)生智能輔助決策等。也就是說(shuō)，目前的AI醫(yī)生主要是輔助和支持醫(yī)生的臨床決策，可以綜合分析患者病史、癥狀、檢查結(jié)果等多維度數(shù)據(jù)，為醫(yī)生提供診斷建議與治療方案參考。此外，AI醫(yī)生還可參與病歷和圖像分析，此前的臨床實(shí)踐表明，AI大模型比人類(lèi)醫(yī)生能更快、更精準(zhǔn)地識(shí)別醫(yī)學(xué)影像中的病變特征，幫助醫(yī)生更早發(fā)現(xiàn)疾病和準(zhǔn)確診斷疾病。

關(guān)于AI醫(yī)生的角色和功能，世界各國(guó)的研究結(jié)果基本一致。德國(guó)研究人員剛剛發(fā)表的一項(xiàng)針對(duì)超過(guò)46萬(wàn)人的真實(shí)世界研究（即在真實(shí)世界環(huán)境下收集與患者有關(guān)的數(shù)據(jù)，通過(guò)分析獲得醫(yī)療產(chǎn)品的使用價(jià)值及潛在獲益或風(fēng)險(xiǎn)的臨床證據(jù)）顯示，AI醫(yī)生幫助讀片可使乳腺癌篩查檢出率提高17.6%。當(dāng)然，最終結(jié)果還是要由醫(yī)生來(lái)確認(rèn)。

人類(lèi)醫(yī)生很難被“取代”

AI醫(yī)生目前只能當(dāng)醫(yī)生的助手，其原因是多方面的。

2024年10月31日，美國(guó)哈佛大學(xué)醫(yī)學(xué)院的茲特尼克研究團(tuán)隊(duì)在《細(xì)胞》雜志發(fā)表文章，對(duì)AI醫(yī)生的分級(jí)和進(jìn)展提出了簡(jiǎn)單的標(biāo)準(zhǔn)：AI醫(yī)生擁有0-3級(jí)共4級(jí)的發(fā)展階段，只有到了第3級(jí)，才可以擁有與人類(lèi)醫(yī)生一樣的處方權(quán)和治療權(quán)。

其中，AI醫(yī)生在0級(jí)階段只是作為輔助工具使用，如進(jìn)行醫(yī)學(xué)影像智能輔助診斷，或如同阿爾法折疊（Alphafold）一樣用于預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)。在1級(jí)階段，AI醫(yī)生在臨床醫(yī)生或研究人員的指導(dǎo)下完成特定任務(wù)，如幫助醫(yī)生提出某一疾病的多種治療手段，或在基因組關(guān)聯(lián)研究中執(zhí)行生物信息學(xué)分析。在2級(jí)階段，AI醫(yī)生可以作為醫(yī)生或研究人員的合作伙伴，參與治療或手術(shù)，以及基于現(xiàn)有基因數(shù)據(jù)自動(dòng)提出某些基因與特定疾病相關(guān)的假設(shè)，并設(shè)計(jì)實(shí)驗(yàn)來(lái)驗(yàn)證這些假設(shè)。到了3級(jí)階段，AI醫(yī)生能夠獨(dú)自診斷患者，具備高度的學(xué)習(xí)與推理能力，在面對(duì)復(fù)雜性和不確定性時(shí)做出合理判斷，并且獨(dú)立開(kāi)處方和進(jìn)行手術(shù)。

顯而易見(jiàn)，現(xiàn)階段的AI醫(yī)生是沒(méi)有處方權(quán)的，也不能對(duì)診療結(jié)果負(fù)責(zé)，更不可能像人類(lèi)醫(yī)生一樣對(duì)患者的身體和精神進(jìn)行面對(duì)面的觀察和評(píng)估。國(guó)家衛(wèi)健委曾在2022年3月15日發(fā)布的《互聯(lián)網(wǎng)診療監(jiān)管細(xì)則（試行）》中要求，“處方應(yīng)由接診醫(yī)師本人開(kāi)具，嚴(yán)禁使用人工智能等自動(dòng)生成處方”。

更深層的原因是，現(xiàn)在的AI醫(yī)生有弱點(diǎn)：除了由于幻覺(jué)問(wèn)題（指大語(yǔ)言模型編造它認(rèn)為是真實(shí)存在的信息）和機(jī)器學(xué)習(xí)的不完美而頻頻出現(xiàn)造假（先天問(wèn)題）之外，還有AI的后天不適。

AI應(yīng)用于任何行業(yè)都需要具備4個(gè)滿足其正常運(yùn)行的必要條件：規(guī)則簡(jiǎn)單清晰，參數(shù)輸入準(zhǔn)確，驗(yàn)證標(biāo)準(zhǔn)明確且成本低，積累數(shù)據(jù)豐富且可重復(fù)性強(qiáng)。舉個(gè)例子，正因?yàn)閲鍧M足了這些條件，阿爾法狗（AlphaGo）才能戰(zhàn)勝人類(lèi)圍棋冠軍。但醫(yī)療和醫(yī)學(xué)領(lǐng)域既是循證科學(xué)，又具有探索性，因而體現(xiàn)出復(fù)雜性、個(gè)性和不可預(yù)測(cè)性。以癌細(xì)胞的代謝生長(zhǎng)為例，癌細(xì)胞的生長(zhǎng)有一個(gè)腫瘤微環(huán)境，其中的多種細(xì)胞形成了極為復(fù)雜的關(guān)系。比如，癌細(xì)胞可以抵抗和收買(mǎi)免疫細(xì)胞，血管內(nèi)皮細(xì)胞可以給癌細(xì)胞暗中輸送養(yǎng)料，間質(zhì)細(xì)胞可能在免疫細(xì)胞、藥物和癌細(xì)胞之間充當(dāng)調(diào)和者，這就使得AI醫(yī)生對(duì)癌癥的診治和判斷有些力不從心，不一定能給出最優(yōu)治療方案。正是因?yàn)檫@些原因，曾經(jīng)名噪全球的IBM“沃森醫(yī)生”在虧損10億美元后，于2022年在醫(yī)療行業(yè)銷(xiāo)聲匿跡。

應(yīng)當(dāng)看到和肯定的是，AI+醫(yī)療的未來(lái)極有前景，應(yīng)用也極為廣泛。在藥物發(fā)現(xiàn)方面，AI醫(yī)生或AI科學(xué)家能顯著縮短化合物篩選的時(shí)間，并通過(guò)預(yù)測(cè)化合物結(jié)構(gòu)與靶點(diǎn)之間的相互作用，幫助識(shí)別最具潛力的候選藥物。在疾病診斷中，AI醫(yī)生通過(guò)對(duì)影像數(shù)據(jù)、基因數(shù)據(jù)及其他生物標(biāo)志物的分析，能夠精確識(shí)別疾病的早期跡象，從而實(shí)現(xiàn)早期干預(yù)和治療。在個(gè)性化醫(yī)療方面，AI醫(yī)生通過(guò)整合遺傳信息、生活方式和病史數(shù)據(jù)，能為患者量身定制最佳治療方案，提高療效并減少副作用。

而在現(xiàn)階段，AI醫(yī)生客觀上存在多種不足，基本處于0級(jí)水平。同時(shí)，人們對(duì)AI醫(yī)生有較大的擔(dān)憂，如可能產(chǎn)生誤診、不會(huì)個(gè)性化診療、出現(xiàn)問(wèn)題難以追責(zé)等。只有不斷提升AI醫(yī)生的實(shí)際能力，才有可能減輕這些擔(dān)憂。至于大家熱議的“AI醫(yī)生會(huì)不會(huì)完全取代人類(lèi)醫(yī)生”的問(wèn)題，基于AI+醫(yī)療剛剛起步，且人工智能不具備人類(lèi)情感和人文關(guān)懷特質(zhì)的現(xiàn)實(shí)，輔助的可能性遠(yuǎn)遠(yuǎn)大于“取代”。