【TechCrunch 2026年1月16日讯】AI与医疗的融合正迎来关键讨论期。1月13日，多篇行业访谈与研究显示，全球多数医生认可AI在医疗领域的辅助作用，认为其能缓解行政负担、提升诊断效率，但对AI以聊天机器人形式直接面向患者提供健康建议持谨慎态度。这一观点与OpenAI近期推出的ChatGPT Health聊天机器人形成鲜明对比，也暴露出医疗行业在“技术创新”与“患者安全”之间的深度考量——医生们普遍认为，AI可做“助手”，却难成“对话诊疗主体”。
一、医生态度分化：AI辅助获认可，聊天机器人存隐忧
在临床实践中，医生们已切身感受到AI的价值，但当AI试图直接与患者对话时，行业担忧集中爆发。这种分化态度源于AI在不同医疗场景中的表现差异。
1. 认可AI的辅助能力：解放医生，提升效率
多位医生与行业研究者表示，AI在“非诊疗决策”环节的作用已得到验证，尤其能缓解医生的行政与标准化工作压力：
-
行政任务减负：斯坦福大学医学教授、首席数据科学家Nigam Shah指出，初级保健医生约50%的时间被病历撰写、保险授权申请等行政工作占据，导致接诊量受限（部分医院初诊等待时间长达3-6个月）。而AI工具（如斯坦福研发的ChatEHR）可嵌入电子病历系统，自动提取医患对话关键信息、整理检查报告，帮助医生节省30%以上的文书时间，间接增加接诊量；
-
标准化诊疗支持：Anthropic近期推出的Claude for Healthcare，能自动处理保险“事前授权申请”——医生仅需上传患者病情摘要，AI即可生成符合保险要求的申请报告，将单份申请处理时间从30分钟缩短至5分钟。Anthropic首席产品官Mike Krieger透露，该工具已在多家医院试点，帮助医生减少重复劳动；
-
知识补充与预警：AI可实时调取最新临床指南与研究文献，为医生提供参考。例如北京儿童医院的“福棠·百川”儿科大模型，能在会诊时提示罕见病鉴别要点，其建议与专家结论吻合度超85%，尤其能帮助基层医生拓宽诊疗思路。
2. 反对AI聊天机器人直接服务患者：幻觉与安全风险突出
尽管AI辅助工具受好评，但医生们对AI聊天机器人（如ChatGPT Health）直接面向患者的模式提出三点核心担忧：
-
“幻觉”导致错误建议：OpenAI的GPT-5模型在医疗场景中仍存在较高“幻觉率”（Vectara评估显示其幻觉风险高于谷歌、Anthropic同类模型）。外科医生、iMerit公司AI医疗负责人Sina Bari分享了真实案例：一名患者因ChatGPT声称某药物“有45%肺栓塞风险”拒绝用药，事后发现该数据源自结核病患者小众研究，与患者病情完全无关；
-
数据安全与合规隐患：ChatGPT Health允许用户上传病历、同步健康App数据，但这类数据传输存在合规漏洞。数据防泄漏公司MIND联合创始人Itai Schwartz指出，多数AI聊天机器人并非HIPAA（美国健康保险流通与责任法案）合规主体，患者敏感医疗数据可能从“合规医疗机构”流向“非合规平台”，存在泄露风险；
-
替代医患沟通，丧失人文关怀：北京儿童医院院长倪鑫强调，医疗的核心是“人与人的连接”——医生在问诊中不仅获取病情信息，更能通过沟通缓解患者焦虑、传递治疗信心，而AI聊天机器人无法复制这种“温度”。例如儿童患者就医时，医生的安抚能显著提升治疗配合度，这是纯文字对话无法实现的。
二、行业现状：AI聊天机器人使用普遍，监管与标准待完善
尽管医生担忧重重，但AI聊天机器人在患者端的使用已形成规模，行业面临“需求存在但规范缺失”的尴尬处境。
1. 患者依赖度高：超2.3亿人每周用AI咨询健康问题
数据显示，全球每周有超过2.3亿人通过ChatGPT等AI工具咨询健康问题，远超传统在线问诊平台的用户量。这种趋势的背后，是患者对“即时医疗咨询”的需求——当无法快速预约医生时，AI成为“临时替代品”。Gradient风投合伙人Andrew Brackin分析：“AI聊天机器人是‘用户倒逼’的产物，患者需要快速获取健康建议，而现有医疗资源无法满足，这也是OpenAI推出ChatGPT Health的核心原因。”
但这种“依赖”暗藏风险。2025年美国曾发生多起AI误诊事件：某患者因AI误判“肺结节为良性”延误治疗，某糖尿病患者因AI错误调整胰岛素剂量导致低血糖昏迷。这些案例让医生群体更坚定“反对AI直接诊疗”的立场。
2. 监管滞后：合规边界模糊，责任认定难
目前全球对AI医疗聊天机器人的监管仍处于“空白期”：
-
合规标准缺失：美国尚未明确AI聊天机器人的HIPAA合规要求，欧盟《人工智能法案》虽将医疗AI列为“高风险”类别，但未针对聊天机器人制定具体规则；
-
责任认定模糊：若AI给出错误建议导致医疗事故，责任该由患者、AI公司还是推荐医生承担？目前尚无明确法律界定。例如某患者因遵循ChatGPT Health的用药建议出现过敏，最终无法确定追责对象，只能自行承担后果；
-
数据使用不透明：多数AI聊天机器人未明确告知用户“数据是否用于训练”“存储期限多久”。尽管ChatGPT Health承诺“聊天数据不用于模型训练”，但患者仍无法确认数据是否会被用于其他商业目的（如定向推送健康产品广告）。
三、未来方向：AI定位“超级助手”，构建“人机协同”模式
医生群体与行业专家普遍认为，AI在医疗领域的正确路径是“辅助而非替代”，需通过技术优化、制度规范与教育改革，构建“人机协同”的良性生态。
1. 技术层面：聚焦“减少幻觉”与“数据安全”
-
提升模型可信度：通过高质量医疗数据训练与“溯源机制”减少AI幻觉。例如北京协和医院与中科院自动化所研发的“协和·太初”罕见病大模型，整合300万份权威病历与指南，能标注建议的参考文献来源，若模型生成错误结论，医生可通过溯源快速识别；
-
强化数据加密与合规：AI工具需通过HIPAA、GDPR等合规认证，采用端到端加密技术保护数据传输，明确数据使用范围与存储周期。例如Anthropic的Claude for Healthcare仅在“医生授权”的前提下处理数据，且所有操作可追溯、可审计。
2. 制度层面：明确AI边界，建立准入与追责机制
-
划定AI使用范围：国家卫健委2025年文件强调，AI不得替代医生进行诊疗决策、开具处方。例如湖南省医保局明确“严禁AI自动生成处方”，互联网医院需由医生本人完成问诊与开方；
-
建立AI医疗准入标准：AI工具需通过“临床有效性测试”与“安全性评估”才能进入医院，例如北京天坛医院引入的“急诊卒中AI系统”，需在1000例患者中验证“缩短救治时间且无误诊”后，才正式投入使用；
-
完善责任认定规则：明确“AI辅助-医生决策”的责任划分——AI提供建议，医生最终判断，若因医生未甄别AI错误导致事故，由医生承担责任；若因AI本身缺陷（如未标注数据局限性）导致错误，由AI公司承担赔偿。
3. 教育层面：培养“懂AI的医生”，避免能力退化
-
将AI应用纳入医学教育：医学院需开设“AI医疗应用”课程，让学生掌握AI的适用场景与局限性。例如海南医科大学在临床课程中加入“AI辅助诊断实训”，学生需先独立分析病例，再对比AI建议，培养“批判性使用AI”的能力；
-
加强在职医生AI培训：医院定期组织AI工具培训，帮助医生学会“利用AI提升效率，而非依赖AI”。例如复旦大学附属华山医院要求年轻医生“先用AI初筛病例，再独立验证”，通过这种模式保留医生的诊断思维能力。
结语：AI医疗的核心是“服务患者”，而非“技术炫技”
医生群体对AI的态度，本质是对“医疗本质”的坚守——技术应服务于“提升诊疗质量、改善患者体验”，而非追求“替代人类”。AI聊天机器人的争议，提醒行业在拥抱创新时需保持理性：既要看到AI缓解医疗资源紧张、提升效率的价值，也要警惕其可能带来的安全风险与人文缺失。
未来，AI与医疗的理想关系是“协同”：AI处理标准化工作（如文书、初筛），医生专注复杂决策与医患沟通，二者共同为患者提供“高效且有温度”的医疗服务。正如Sina Bari医生所说：“我们不反对AI，我们反对的是‘让AI替代医生思考’——医疗的灵魂永远是医生的专业判断与对生命的敬畏。”
目前，OpenAI尚未针对医生群体的担忧调整ChatGPT Health的功能，监管机构也未出台针对性政策。AI医疗聊天机器人能否在“满足患者需求”与“保障医疗安全”之间找到平衡，仍需行业、监管与公众的共同探索。
