来源：@中新经纬微博

“帮我查一下这个病人的全部数据中TNM临床分期有多少个，是否统一。”中山大学肿瘤防治中心副院长、主任医师孙颖向AI诊疗助手语音输入指令后，一分钟内，接入患者病历系统的AI诊疗助手给出了分析结果。

　　TNM‌是目前国际上最为通用的肿瘤分期系统，用于评估恶性肿瘤的生长范围和播散程度，并以此为依据制订治疗方案和估计预后。

　　此前，医生需要翻阅患者历史的病历和就诊记录，并通过自己记忆整理归纳患者的肿瘤特征、淋巴结转移数量、远期转移灶位置和数量等关键信息，才能得出准确的TNM分期结论。这一过程不仅繁琐，且易受人为因素影响。

　　现在，这项费时费力的工作变得快捷，清晰明了。

　　而查阅TNM分期结果，只是AI诊疗助手的场景之一。中新经纬近日来到位于广东省广州市的中山大学肿瘤防治中心，探访AI诊疗助手在医疗场景中的应用。

患者能“多聊”三分钟

　　2月27日，中山大学肿瘤防治中心完成私有化部署医渡科技AI中台，依托国产大模型DeepSeek满血版及医渡“AI医疗大脑”YiduCore，打造AI诊疗助手，赋能临床应用场景。

　　中山大学肿瘤中心信息科主任李超峰告诉中新经纬，医院部署AI诊疗助手，最主要是希望通过人工智能技术赋能医护，提升诊疗效率和能力。

　　“我们在此前就接入了多个大模型来做行政事务辅助，当时是全国第一家使用大模型的医院。彼时我们就已预判到，大模型未来会全面改善医疗，患者就医以及医生诊疗的每一个场景都值得用大模型重做一遍，因为它提供了全新的交互方式和全面智能化的模式。”李超峰说道。

　　具体到中山大学肿瘤中心AI诊疗助手的功能，医渡科技大模型产品负责人张玉杰向中新经纬介绍道，一是在接入数据平台后，AI诊疗助手可以实时读取患者在院全周期诊疗数据，医生可以根据诊疗需要让AI查询和总结患者的病史、检查、用药记录，AI诊疗助手会给出汇总结果、历史变化趋势和推理过程。

　　二是在病历生成场景中，AI可以完成门诊复诊病历书写、出院小结书写，以及患者病情概览总结，帮助医生快速生成病历内容。这不仅能显著减轻医生的病历书写负担，还能通过智能分析和梳理患者历史就诊数据，生成结构化、重点突出的病情概览，帮助医生在短时间内全面了解患者病史、治疗经过和当前状况，特别是对于复杂病例或长期治疗患者尤为有效。

　　三是通过整合病理报告、影像学特征及临床数据，模型可生成符合临床指南的TNM分期评估建议，此外，基于患者数据与临床指南、系统可以生成诊疗方案推荐，辅助医生诊断决策。

　　“我们的AI诊疗助手可以简单理解为，是在DeepSeek之上叠加了肿瘤专病数据库和专科知识，让它增强了肿瘤专病分析能力。肿瘤是比较复杂的疾病，在肿瘤的诊疗过程中，需要回顾患者过往所有治疗情况，从最初的情况到肿瘤演化过程，还要看影像、检验指标、生化指标等。医生需要在很短的时间内去全面了解患者，存在一定的困难。同时，肿瘤诊疗需要依据诊疗规范并严格质控。 AI在提升诊疗效率和规范方面大有可为。”李超峰说道。

　　AI诊疗助手上线后，医护人员的接受程度怎么样？李超峰提到，此前他们进行了全院级别的培训，在全自愿的情况下，来了五六百人，很多人都站着听，并且有多个科室主任邀请科室技术人员到进行科室单独培训。“医生们对于新技术的探索是非常深入的，在部署后几天时间，就有大专家给我发了他的测评报告，研究怎么用好大模型，更加符合他个人的诊疗需求。”李超峰说道。

　　中山大学肿瘤防治中心胸科副主任医师罗孔嘉在第一时间就试用了AI诊疗助手，他告诉中新经纬，他主要负责肺结节病人的诊疗，AI诊疗助手虽然上线时间不长，但已经融入他的工作流程中，在谈及使用体验时，他回复中新经纬称：“太震撼了。”

　　“从我个人的体验来看，AI诊疗助手是非常好用的，一方面，它真的可以解放医生的重复劳动，以前每次看门诊的时候，每个患者的接诊时间一般在7、8分钟，但我们要对着电脑填写病历，查看患者的诊疗记录，这会极大减少我们跟患者的交流时间，现在在AI诊疗助手的帮助下，我们就可以节省出这一部分时间，多跟患者交流，一个患者至少能多沟通三分钟时间。”罗孔嘉说道。

　　现在，每位患者在门诊就诊后，罗孔嘉都会给患者一张由AI诊疗助手生成、医生审核完的注意事项，里边会结合患者个体情况，提供需要在饮食起居、用药方面的指南。“因为肺结节比较特殊，患者很多是生活作息有问题，我需要给他们提供比较详细的注意事项，但以前我光说，患者不乐意听，而且也记不住。现在有了助手，它可以直接生成，而且能补充一些医生可能会遗漏的信息，比如埃克替尼不能和西柚、紫皮葡萄这些水果一起吃，会影响药效。现在患者可以直接看我打印出来的文档，他们也能更好地遵医嘱。”罗孔嘉说道。

　　谈及未来的规划，李超峰告诉中新经纬，他们部署AI诊疗助手的时间只有三周左右，但在此前，医院与医渡科技一起，在2015年左右就开始搭建医院的大数据平台，对医院的诊疗数据进行数据清洗、归纳，形成数据底座，为AI诊疗助手的部署搭建好基础。下一步，他希望能够进一步对模型进行优化，一方面将AI诊疗助手更好地融入医生的工作流，变被动为主动，可以预先帮助医生整理患者诊疗信息，另一方面，希望继续投喂医院医生的诊疗经验、专家共识等，丰富知识库，提升大模型的专科能力。

AI会否取代医生？

　　在医疗领域，存在着“不可能三角”的概念，即在医疗体系中，质量(看得好病)、成本(看得起病)和效率(看得上病)这三个关键要素难以同时实现。

　　为解决这一问题，早在2015年，多家医疗机构就已开启对于AI医疗的探索，尝试使用AI进行影像分析，建设自己的大数据平台等。

　　在孙颖看来，此前AI医疗的门槛较高，医院里面获取数据不够便捷，合作做AI的人很难对接，是少量人(医疗机构)在做的一些创新，有技术、平台、数据以及政策门槛。

　　对于能否破解“不可能三角”，孙颖认为，AI的助力能够缩短医生繁琐的工作流程，同时可以提升诊疗的规范性，如果可以基于大医院的探索形成肿瘤专科的大模型后向基层医疗推广，可以提升肿瘤治疗整体的规范性。

　　近期，#医生称DeepSeek有三甲医院专家水平#话题也冲上了热搜，一些网友也在讨论，接下来会否出现AI医生，普通人能否用DeepSeek看病。

　　对于AI在未来会否取代医生，结合多年来的工作经验，孙颖持否定意见。“疾病是一个动态的过程，普通人没有办法通过DeepSeek来精准地描述自己的症状，也没有办法了解临床最新的进展，掌握医生的个人经验，患者遇到问题还是要就医。”孙颖说。

　　孙颖进一步表示，凡是要变成实实在在给病人做治疗的，要非常严肃谨慎：“在实际医院应用中，我们要处理好大模型约束和发散的问题，对于DeepSeek推荐诊疗方案，要让它数据必须真实，推荐诊疗方案又要有一定的发散，体现理解能力，建模型就应该是针对不同的场景，有不同的自由度和泛化，因为不同的场景对于生成结果的客观可靠性的要求不同。”

会否面临合规风险？

　　北京瀛和(广州)律师事务所高级顾问黄迪告诉中新经纬，DeepSeek这类AI大模型本质上属于生成式人工智能技术服务产品。它并非专用于医疗领域的传统意义上的医疗器械，却在医疗过程中发挥辅助作用，其产生的结果可能影响医疗决策，因此需要从多维度法律规范来界定其使用边界和责任归属。

　　她提示，医院在应用AI大模型时会面临多项问题，第一，数据合规问题，医院对患者信息负有首要保护责任，不能因引入第三方技术而免除自身义务。第二，医疗行为合规问题，AI仅能作为工具辅助。第三，患者知情权问题，患者对接受医疗事项具有知情权。

　　黄迪建议称，医院要落实数据分类分级管理，对敏感信息进行去标识化或匿名化处理，并建立数据访问权限机制。与AI模型工具或服务提供方签署数据安全协议，在接入使用前充分评估提供方的数据安全保障能力水平，并在协议中约定数据保护责任。同时，在开展相关诊疗活动前，在知情同意书中明确告知患者在哪些环节有AI参与诊疗，使用范围、目的及其可能存在的局限性和风险。

　　就医院数据安全与患者隐私保护问题，李超峰告诉中新经纬，医院进行了多种方式保护，一方面，他们进行了AI诊疗助手的私有化部署，保证数据不出院，数据在受控范围内，也做了相关的安全防范的措施；另一方面，在调用患者信息的时候，也会把患者的敏感信息去掉。

　　北京君都(上海)律师事务所生命科学与健康医疗法律部主任张文波提到，医院在使用AI大模型时，要确保AI大模型仅作为辅助工具，医生需对最终诊断和治疗方案负责。例如，在病历生成后，医生需人工审核；在影像分析中，AI建议需经医生复核。此外，在高风险环节(如肿瘤TNM分期)，需结合多学科会诊；在低风险场景(如常规随访)可适当依赖AI提升效率。