张田勘

　　全国首个“AI儿科医生”日前在北京儿童医院上线应用，与此同时，国内多家医院也陆续官宣AI医生上岗，引发社会广泛关注。从美国OpenAI的ChatGPT声名鹊起到中国的DeepSeek后来居上，人工智能的触角已延伸至医学领域。如今，AI+医疗在基础研究、诊断、临床治疗、药物研发等方面均有涉猎，那么，AI+医疗能对医学科技发展起到什么作用？其中有哪些风险需要谨慎对待？AI医生终有一天会完全取代人类医生吗？

　　AI算法推动疾病预测诊断

　　在诊断方面，AI介入医疗的成果令人瞩目。2025年1月9日，复旦大学一个研究团队在《细胞》杂志发表论文称，只要采集人的几滴血就能诊断上百种疾病。该研究成果通过采集和分类血液中各种有特征性的蛋白质大数据，再利用机器学习，让AI能识别这些蛋白质所对应和有联系的疾病，从而用以诊断疾病。

　　研究人员收集和分析了英国生物数据库中53026名个体的血浆蛋白质组数据，经历了14.8年的中位随访期，绘制出人体比较全面的蛋白质组图谱，揭示了蛋白质与健康、疾病之间的关联。

　　其实，蛋白质与疾病的关系在医疗实践中早已有一些成果，很多疾病都与蛋白质的异常表达、异常修饰或通路信号紊乱有关，这表明疾病不只要看症状，还要看特征性蛋白质的出现和分布。从科技原理上来说，蛋白质组学在揭示疾病方面具有更直接和更精确的优势。

　　临床上已经明确了一些标志性蛋白质与疾病的关系。比如，Septin9甲基化蛋白是结直肠癌早期发生、发展过程中的特异性分子标志物；甲胎蛋白（AFP）的升高可作为肝癌的筛查标志。如果能借助AI算法，分析大量血液中蛋白质组学数据，将有助于提高癌症或其他疾病的早期诊断率。

　　此前，复旦大学的研究团队已对1500种血浆蛋白质进行了筛选分析，发现11种可预测未来痴呆风险的血浆蛋白质，而且可以提前15年预测阿尔茨海默病发生的风险。综合这些思路和既有结果，研究人员通过“人类健康与疾病蛋白质组图谱”和机器学习模型，最终构建了2920种血浆蛋白质与406种常见病、660种随访新发疾病以及986种健康相关的表型。通过特定蛋白质与疾病的联系可以帮助诊断疾病，如GDF15蛋白与心脏疾病、代谢性疾病等多种病症的发生风险就密切相关。这项研究成果还能指导新药研发，已有37种药物被发现可以开发新适应证且具有26个安全性良好的潜在治疗靶点。

　　研究人员认为，有了蛋白质组的大数据和AI算法的辅助，未来医生通过简单的血浆蛋白组检测，就可以提前诊断和预测心脏病、糖尿病、阿尔茨海默病等上百种疾病的患病风险。

　　但是，通过AI软件检测血浆蛋白查病只是一种辅助手段，且这个模型需加入中国人乃至亚洲人的数据才有针对性，并要结合心脑电图、X光片、CT片等其他诊疗手段。更重要的是，公众应避免神化这类诊疗系统，以科学事实为先，让时间对其进行验证。

　　“创造新生命”应用前景广

　　现代医学的科学基础是生物学，AI介入医疗必然要深耕生物基础研究。

　　日前，美国加利福尼亚州帕洛阿尔托的研究机构Arc研究所（专注于生物学与机器学习的交叉领域）与斯坦福大学和英伟达的研究人员合作，研发了有史以来最大的生物学人工智能模型Evo 2。这个模型类似GPT-4o和DeepSeek，是生物学的大语言模型。它被“投喂”和训练了从单细胞的细菌、古细菌到真核生物及多细胞的植物，再到人类的12.8万个基因组DNA序列，能够实现对所有生命域的理解、建模和设计遗传密码，可以从头编写整个染色体，还能准确预测所有类型基因突变的影响。

　　Evo 2这个生物学大语言模型对现代医学进行了奠基和基础性的夯实工作，具有多方面的功能。它可以预测生命功能和基因突变，从而提前诊断潜在的疾病；可以创造新生命，能生成长度超过百万碱基对的具有合理基因组结构的DNA序列；效率更高，训练速度和推理效率均有大幅提高。

　　AI在“创造新生命”方面的应用前景广阔。在这方面最早实现突破的是美国生物学家克雷格·文特尔，他在2010年5月21日的《科学》杂志上宣布构建了一个新生命：把一套细菌染色体转入一种去除了原有DNA的酵母菌体内，在合成基因组的驱动下，酵母菌开始复制和制造出一套全新的蛋白质。而最具实用性的创造新生命并获得成功的案例，要属新冠疫情流行时研发的mRNA疫苗，研究人员将制造新冠病毒表面刺突蛋白的mRNA输入人体细胞，让人体细胞根据刺突蛋白mRNA的模板制造刺突蛋白，后者可以触发人体免疫系统认识并攻击带有这种蛋白的新冠病毒，从而产生对新冠病毒的免疫力。

　　根据研发目标，未来Evo 2可以对生命本质、疾病诊断、药物研发、疾病治疗提供多种有生物学科学依据的解答、预测和方案。如果说人类基因组、动植物基因组、蛋白质组是探索生命和疾病的原始大数据和基本信息，那么，利用这些数据可以教会Evo 2这种生物学大语言模型去识别基因组、蛋白质组等大数据中的目标数据和对象，从而快速有效地帮助人们认识生命和疾病，并研发药物和治疗方式。

　　AI诊疗目前仍是“助手”

　　当然，让大众与AI+医疗离得最近的还是临床应用。现在，中国多家医院已经接入DeepSeek来帮助医生诊治疾病。深圳大学附属华南医院、成都市第一人民医院和昆山市第一人民医院等在2025年2月均宣布完成DeepSeek的接入和本地化部署，开启“AI医院”和AI+医疗的模式。一些医院则采用各具特色的AI软件来进行辅助诊断和提供治疗方案，如北京儿童医院日前上线的“AI儿科医生”。

　　AI医生与通用AI大模型有较大的不同，它有更专业的知识训练和更多维度的精准数据，北京儿童医院的“AI儿科医生”就是瑞金医院与华为合作开发的瑞智病理大模型RuiPath。为求专业和准确，将300多位专家的临床经验及数十年高质量病历数据都整合进大模型中。“AI儿科医生”有两个主要功能，一是担任专家的临床科研助理，帮助医生快速获取最新科研成果和权威指南；二是辅助医生进行疑难罕见病的诊断和治疗。这意味着，将来医生诊治患者时可能会采取人工和AI双会诊的模式，取长补短。

　　但AI医生对于整个医生团队而言，其角色还是“助手”。2024年11月，国家卫健委等三部门发布《卫生健康行业人工智能应用场景参考指引》，为AI医生指出了84个典型应用场景，认定其角色是智能和辅助。84个典型应用场景分为4大类：1.人工智能+医疗服务管理，包括医疗服务、医药服务、医保服务、中医药管理服务、医院管理；2.人工智能+基层公卫服务，包括健康管理服务、公共卫生服务、养老托育服务；3.人工智能+健康产业发展，包括医用机器人、药物研发、中医药产业；4.人工智能+医学教学科研，包括医学教学、医学科研。

　　在第一类中，AI医生主要帮助进行医学影像智能辅助诊断、医学影像数据智能辅助质控、临床专病智能辅助决策、基层全科医生智能辅助决策等。也就是说，目前的AI医生主要是辅助和支持医生的临床决策，可以综合分析患者病史、症状、检查结果等多维度数据，为医生提供诊断建议与治疗方案参考。此外，AI医生还可参与病历和图像分析，此前的临床实践表明，AI大模型比人类医生能更快、更精准地识别医学影像中的病变特征，帮助医生更早发现疾病和准确诊断疾病。

　　关于AI医生的角色和功能，世界各国的研究结果基本一致。德国研究人员刚刚发表的一项针对超过46万人的真实世界研究（即在真实世界环境下收集与患者有关的数据，通过分析获得医疗产品的使用价值及潜在获益或风险的临床证据）显示，AI医生帮助读片可使乳腺癌筛查检出率提高17.6%。当然，最终结果还是要由医生来确认。

　　人类医生很难被“取代”

　　AI医生目前只能当医生的助手，其原因是多方面的。

　　2024年10月31日，美国哈佛大学医学院的兹特尼克研究团队在《细胞》杂志发表文章，对AI医生的分级和进展提出了简单的标准：AI医生拥有0-3级共4级的发展阶段，只有到了第3级，才可以拥有与人类医生一样的处方权和治疗权。

　　其中，AI医生在0级阶段只是作为辅助工具使用，如进行医学影像智能辅助诊断，或如同阿尔法折叠（Alphafold）一样用于预测蛋白质的三维结构。在1级阶段，AI医生在临床医生或研究人员的指导下完成特定任务，如帮助医生提出某一疾病的多种治疗手段，或在基因组关联研究中执行生物信息学分析。在2级阶段，AI医生可以作为医生或研究人员的合作伙伴，参与治疗或手术，以及基于现有基因数据自动提出某些基因与特定疾病相关的假设，并设计实验来验证这些假设。到了3级阶段，AI医生能够独自诊断患者，具备高度的学习与推理能力，在面对复杂性和不确定性时做出合理判断，并且独立开处方和进行手术。

　　显而易见，现阶段的AI医生是没有处方权的，也不能对诊疗结果负责，更不可能像人类医生一样对患者的身体和精神进行面对面的观察和评估。国家卫健委曾在2022年3月15日发布的《互联网诊疗监管细则（试行）》中要求，“处方应由接诊医师本人开具，严禁使用人工智能等自动生成处方”。

　　更深层的原因是，现在的AI医生有弱点：除了由于幻觉问题（指大语言模型编造它认为是真实存在的信息）和机器学习的不完美而频频出现造假（先天问题）之外，还有AI的后天不适。

　　AI应用于任何行业都需要具备4个满足其正常运行的必要条件：规则简单清晰，参数输入准确，验证标准明确且成本低，积累数据丰富且可重复性强。举个例子，正因为围棋满足了这些条件，阿尔法狗（AlphaGo）才能战胜人类围棋冠军。但医疗和医学领域既是循证科学，又具有探索性，因而体现出复杂性、个性和不可预测性。以癌细胞的代谢生长为例，癌细胞的生长有一个肿瘤微环境，其中的多种细胞形成了极为复杂的关系。比如，癌细胞可以抵抗和收买免疫细胞，血管内皮细胞可以给癌细胞暗中输送养料，间质细胞可能在免疫细胞、药物和癌细胞之间充当调和者，这就使得AI医生对癌症的诊治和判断有些力不从心，不一定能给出最优治疗方案。正是因为这些原因，曾经名噪全球的IBM“沃森医生”在亏损10亿美元后，于2022年在医疗行业销声匿迹。

　　应当看到和肯定的是，AI+医疗的未来极有前景，应用也极为广泛。在药物发现方面，AI医生或AI科学家能显著缩短化合物筛选的时间，并通过预测化合物结构与靶点之间的相互作用，帮助识别最具潜力的候选药物。在疾病诊断中，AI医生通过对影像数据、基因数据及其他生物标志物的分析，能够精确识别疾病的早期迹象，从而实现早期干预和治疗。在个性化医疗方面，AI医生通过整合遗传信息、生活方式和病史数据，能为患者量身定制最佳治疗方案，提高疗效并减少副作用。

　　而在现阶段，AI医生客观上存在多种不足，基本处于0级水平。同时，人们对AI医生有较大的担忧，如可能产生误诊、不会个性化诊疗、出现问题难以追责等。只有不断提升AI医生的实际能力，才有可能减轻这些担忧。至于大家热议的“AI医生会不会完全取代人类医生”的问题，基于AI+医疗刚刚起步，且人工智能不具备人类情感和人文关怀特质的现实，辅助的可能性远远大于“取代”。供图：视觉中国