AI医生来了，日本兽交靠谱吗？
最佳回答
“日本兽交”AI医生来了，日本兽交靠谱吗？
《中国日本兽交新闻周刊》记者：牛荷
日本兽交发于2025.3.17总第1179期《中国新闻周刊》杂志
2月13日下午，医院会诊室内，13位北京儿童医院知名专家围坐在会议桌一侧，神情专注。与这些顶级专家一同会诊的，还有国内首位AI儿科医生。
一块屏幕上实时展示着一名疑难病例患儿脑部的磁共振成像影像，随着工作人员将患儿病历及相关影像资料等输入电脑，另一块屏幕上同步呈现着AI儿科医生对患儿诊疗的深度思考，最终，AI给出的建议与现场专家们的会诊结果高度吻合。
这次会诊由北京儿童医院院长、耳鼻咽喉头颈外科专家倪鑫主持，倪鑫告诉《中国新闻周刊》，“大家当时看到结果都很惊讶”。如今，每周四，倪鑫都会主持有AI儿科医生参与的专家会诊，对5—10名患儿的病情全方位讨论。
AI正加速迈向临床应用。在DeepSeek等AI大模型的推动下，医疗行业的智能化进程在加快。据不完全统计，全国已有超过100家医院完成DeepSeek的本地部署。
AI医生真的靠谱吗？它能否取代人类医生？这场医疗革命的浪潮中，技术创新、伦理挑战与监管体系的博弈，才刚刚开始。
AI加速涌入医院
DeepSeek的影响力，已蔓延到了门诊患者中。
2月27日，倪鑫主持了第三次AI儿科医生参与的专家会诊。一名来自重庆的5岁女孩因意外摔倒，鼻子出现严重红肿并频繁出血，在多家医院就诊未果。由于病情复杂，倪鑫当场未能做出最终诊断，但建议孩子服用一款免疫治疗药物。让他印象深刻的是，会诊结束时，患儿母亲拿出了一张A4纸给他看，上面是她向DeepSeek咨询的问诊记录。“过去，患者看病时，通常会带着不同医院的诊断和病历资料。”
复旦大学附属华山医院(以下简称“华山医院”)神经内科主任医师郁金泰对《中国新闻周刊》表示，DeepSeek可看作是患者自查工具的“升级版”。过去，人们看病前可能会用百度搜索相关信息，而现在DeepSeek等提供了更系统化的建议。
如今，医疗AI大模型正如雨后春笋般涌现。
几乎每天都有医院宣布在DeepSeek基础上部署AI大模型，或公布与企业合作研发的垂直AI大模型。北京儿童医院的AI儿科医生便是后者，该大模型由北京儿童医院联合北京百川智能科技有限公司(以下简称“百川智能”)等共同研发。
去年8月，北京儿童医院和百川智能正式官宣合作，计划推出五款AI医疗产品。其中，参与疑难杂症会诊的AI儿科医生属于“儿童医学专家临床科研助理”。
百川智能创始人王小川第一天创立百川时，就想“造医生”，即打造具备专业诊疗能力的AI医生。在国内的儿科医疗领域，医生数量严重缺乏。据国家卫生健康委2024年6月份发布的数据，目前全国儿科医师数量仅为20.58万人。去年2月，一次长达两小时的深入交流中，就AI儿科医生的项目，北京儿童医院和百川智能一拍即合。
“AI大模型就像在‘造人’，它能够模拟人类的思维方式。”百川智能医疗副总裁李施政对《中国新闻周刊》表示，最开始百川智能提及的是要“造医生助手”。结果，倪鑫主动提出“要造100万个儿科医生”。“第一次AI儿科医生会诊结束后，当时北京至少有五六家医院主动联系，考虑在未来引入类似技术。”倪鑫表示。
春节前后，DeepSeek的爆火推动了AI大模型的迅猛发展。华山医院大数据中心主任黄虹告诉《中国新闻周刊》，实际上，DeepSeek问世前，医院已在尝试部署其他AI大模型。为了降低成本，华山医院并未自行采购算力服务器，而是选择租用其他平台的算力资源，接入医院内网进行测试。
华山医院大数据中心副主任程思杰告诉《中国新闻周刊》，医院完成DeepSeek的接入与硬件部署，仅用了几天。选择AI大模型时，除了性能，性价比同样是关键考量因素。成本方面，DeepSeek70B版本的硬件成本约为130万元，满血版大模型则需要260万—560万元，硬件成本主要是指算力服务器的费用。“接入DeepSeek只是第一步，真正的挑战是如何让它满足医疗级应用标准。”
目前，除了北京儿童医院、华山医院，全国多家知名三甲医院都在积极部署AI大模型。西部某省会城市，一家三甲医院外科主任医师赵霖正牵头推进医院的DeepSeek本地大模型部署。赵霖表示，由于DeepSeek是开源免费的，便于医院根据自身需求本地化调整。目前，团队正在验证AI的学习能力，通过输入权威指南、临床共识以及患者病历，训练AI分析和判断病情的能力。尽管AI系统的框架已初步搭建完成，但仍在持续优化。
AI幻觉无法避免
在华山医院，AI大模型的内部测试已覆盖科研、临床等多个应用场景。
“过去，建立一个包含1000个不同数据项的临床研究电子数据库，需要研究者和数据库设计师反复沟通，才能生成一个可以在线运行的数据库。如今在AI的辅助下，利用大模型的理解能力，这项工作仅需一两天就能完成。”华山医院大数据中心副主任刘从进告诉《中国新闻周刊》。
除了辅助医生提供诊疗建议，AI的一个主要应用场景是，在医生接诊前自动收集和整理患者病历。华山医院大数据中心一位相关负责人告诉《中国新闻周刊》，目前医院内部运行着多个AI大模型版本：7B模型相当于小学生，32B模型相当于中学生，满血版则达到了研究生水平。然而，测试发现，在生成病历等复杂临床任务中，虽然满血版模型参数量更大，但由于无法进行特定微调，实际表现反而不如小模型。
“病历撰写是一项要求较高的任务，尤其是电子病历的生成，必须确保准确性。因此，AI大模型必须经过严格测试后，才能在医院投入使用。”程思杰表示，目前医院正在试点融合DeepSeek大模型的不同版本，测试其生成电子病历的能力。不过，AI生成的电子病历仍需医生审核校验，确保其最终质量和安全性。
AI的输出结果主要基于统计数据。更关键的一个问题是：AI幻觉似乎是难以避免的。所谓幻觉，是指大模型在回答问题时编造信息。
华中科技大学同济医学院附属同济医院感染科副主任医师郭威告诉《中国新闻周刊》，目前AI大模型在临床上的辅助应用尚未广泛推广。临床使用中，AI偶尔会出现一些令人啼笑皆非的错误。他举例说，影像学的变化非常复杂，有时所看到的可能是无诊断价值的“干扰信号”，而AI有时会将其判断为病变。“这也是AI技术训练中一个值得重视的问题。”
赵霖也经历了DeepSeek的AI幻觉。前段时间，由于本科教材更新，他在为学生准备外科课程时，让DeepSeek协助制作PPT，结果发现它开始编造内容，包括杜撰医学名词出处、虚构参考文献等。他由此产生了疑问：如果AI用于医学辅助决策，如何确保它推荐的方案是基于真实指南，而不是凭空捏造的？这背后可能会存在严重的医疗风险。
南非顶尖公立研究型大学斯泰伦博斯大学精神病学荣休教授罗宾埃姆斯利使用ChatGPT时，曾多次遇到过AI幻觉。他在接受《中国新闻周刊》采访时谈道，AI幻觉是他目前最为担忧的问题。“AI大模型在临床实践中面临的最大问题，是其生成准确可靠信息的能力存在缺陷。”
幻觉通常会被AI自信地呈现，使得它们有时难以被察觉。医疗领域，任何错误都不可容忍，哪怕是一个微小的失误，也可能危及患者的生命安全。
幻觉的产生，与模型的训练内容密切相关。郁金泰对《中国新闻周刊》表示，AI的可靠性取决于输入数据的准确性和专业性。如果输入的信息有误，输出的结果同样会存在偏差。
李施政指出，虽然AI模型出错较为常见，但在医疗领域，错误必须严格控制，尤其在用药建议环节。为确保错误率远低于人类医生，AI医生的工作必须严格遵循循证医学原则，即所有决策都必须基于科学证据，包括权威指南、顶级专家经验和最新研究成果。
“减少幻觉出现的关键在于，大模型研发初期，必须严格把控数据的唯一性和准确性。”倪鑫认为，并非所有医院提供的病历信息等数据，都适合直接用于研究。AI儿科医生模型训练时，使用的数据是整合医院300多位知名儿科专家的临床经验和专家数十年的高质量病历数据。辅助临床诊断前，AI儿科医生曾参与四次测试，既包括专业能力测试，也包括对幻觉的测试。幻觉测试方面，与DeepSeek做了对比，结果发现AI儿科医生模型的幻觉率更低。“DeepSeek是一个通用模型，虽然它非常强大，但并不专注于医疗健康领域。而AI医生是专门为医疗设计的专业模型，因此，它的表现更为精准。”
临床上，如果医生依据AI建议而最终发生医疗事故，其中的责任该由谁来承担？北京中医药大学医药卫生法学教授邓勇向《中国新闻周刊》分析，责任应根据医生、医院和AI系统开发者的不同义务来判断：如果医生在采纳AI建议时未进行必要的核实，或未对明显不合理的建议提出质疑，则应承担相应责任；医院在引入AI系统时，若未充分评估和验证系统的可靠性，或未对医务人员进行有效的培训和监督，同样需要承担责任；如果因AI系统存在设计缺日本兽交陷或算法错误而导致错误建议，进而引发事故，开发者则应承担责任；如果开发者未能充分说明系统的局限性和潜在风险，也应承担一定责任。
医生会被替代吗？
郭威注意到，尽管身边大多数医生对AI大模型等新技术持积极态度，但医生们也会讨论哪些科室的医生可能最先会被AI取代。他分析，涉及诊断影像的医生可能面临更大的被替代风险。例如，AI辅助的X光片和胸部CT阅片，能够发现许多肉眼难以察觉的小结节。随着AI技术的不断进步，影像科医生的工作将更多转向辅助和审查，而不再需要处理大量的常规影像。
“有些人担心AI医生的出现，会导致一些医生失业，这不会发生在儿科医生中。”倪鑫表示，儿科医生一直处于紧缺状态，AI医生与人类医生是相互支持的关系，AI更多是辅助医生，而非取代他们。
不少一线临床医生拥抱AI的同时，也保持着冷静。来自感染科、神经内科、外科等科室的多名临床医生向《中国新闻周刊》表示，目前AI在临床中的作用主要是辅助，无法替代医生的决策。北京大学第一医院神经内科主任医师孙永安对《中国新闻周刊》表示，尽管AI在分析和整合现有数据方面表现出色，但它缺乏真正的创新能力，无法独立探索未知领域。而医学的进步往往来源于突破性的创新。
“无论技术多先进，AI始终难以替代医生的深度思考和即时应变。”武汉一家部署DeepSeek的三甲医院急诊科医生魏明告诉《中国新闻周刊》，急诊科有时也需要对患者进行淋巴结活检。例如，在颈部进行淋巴结活检时，影像上显示的病变可能靠近血管，手术过程中，医生必须亲自观察并判断，精细分离淋巴结，同时防止出血。即使AI能标出大致病灶位置，如何避开关键结构、确保安全切除，仍需医生根据病人具体情况作出判断。医生仍然是最终的决策者。
郁金泰表示，医生不仅具备专业背景，还能基于临床经验综合判断病情，这正是AI无法完全取代医生的核心所在。
此前的疑难杂症会诊中，曾有一个让倪鑫印象深刻的患儿病例。当时AI儿科医生给出的建议是，要给病人做病理穿刺，但倪鑫最终决定不做。“从影像学的角度来看，我和AI的判断基本一致，都认为该患儿患的是皮样囊肿。这种病是上皮组织不断脱落、堆积后形成的囊肿，算一种先天性病变，但非恶性。这种情况下，我认为没有必要做有风险的穿刺，而且穿刺并不会带来更多有价值的信息。”倪鑫认为，AI的分析是基于大数据的，逻辑非常缜密，认为穿刺病理能提供更确切的答案，这个建议并不算错。
避免盲目跟风
AI在医疗领域的发展，不会停下脚步。“100万个儿科医生，这个目标听起来宏大，但现在已经基本实现了。我们的大模型理论上可以诞生成千上万的AI儿科医生。”倪鑫谈道，河北当地有150多家基层医院，希望能成为AI儿科医生的首批试点。北京儿童医院和百川智能计划先在京津冀地区的医院进行试点，再将AI儿科医生推广到全国各地。
黄虹表示，DeepSeek只是众多大模型中的一种，而大模型本身并非固定不变。从医院角度看，未来不仅关注单一模型的应用，而且要思考如何整合多种大模型，以便为不同领域提供精准支持。“未来的AI医疗可能是‘千模融合’。”
除了医院自身搭建的AI大模型，虚拟的AI医院正尝试走向临床。清华智能研究院执行院长刘洋领导了一项有关智能体医院(Agent Hospital)的研究，这项研究目前只在预印版网站上发布。刘洋是该研究的通讯作者之一。智能体医院的核心理念，是通过建立一个“闭环式”的医疗虚拟世界，实现AI医生的加速进化。所谓闭环式，是指涵盖从发病、分诊、问诊到康复的一系列医疗环节，AI医生可以根据这些反馈不断总结并优化自身的能力。
去年11月，智能体医院的首批42位AI医生在21个科室上线进行内测，支持超过300种疾病的诊疗。“智能体是在大模型基础上的进一步发展，因为它能够让AI像人类一样，在复杂环境中进行交互、使用工具并与他人协作。”刘洋表示，未来的目标是构建一个能与现实世界无缝对接的智能医疗体系，随着VR等技术的进步，未来的医疗交互不仅仅局限于2D界面操作，而可能进入更加立体的3D空间。
据赵霖了解，很多医院开展的AI大模型项目，目前还处于验证和测试阶段，现阶段真正落地临床，并发挥作用的比例并不高。在他看来，目前国内不少医院面临着较大的生存压力，不乏有医院为了追求热点、提升影响力，纷纷接入DeepSeek等AI工具，这甚至推高了配置GPU的服务器的价格。但最终转化为实际应用，还是流于形式，目前仍是未知数。未来，可能只有少数高质量的大模型项目能得以存活。
郭威也持审慎态度。他指出，眼下各家医院蜂拥而上，这种“凑热闹”的方式，其实更多是出于一种“怕落后”的心理，而非真正基于技术和临床需求的深入研究。黄虹认为，医院在接入AI大模型的过程中，要充分考虑安全、成本、适用性等多方面因素。对于大多数医院而言，如何确保资金投入到核心业务中，是必须考虑的问题。
邓勇指出，当下，医疗领域的AI大模型缺乏行业标准，这会导致不同机构的大模型在数据采集、标注和算法设计等方面存在差异，这不仅影响了系统的通用性和操作性，还可能增加监管难度，进而影响医疗质量和安全。因此，制定统一的标准尤为迫切。
“AI医疗的发展不能一哄而上，只有科学规划、稳步推进，才能真正发挥其价值。”上海市卫生和健康发展研究中心主任金春林接受《中国新闻周刊》采访时表示，尽管当前AI大模型在医疗行业的热度很高，但应避免盲目跟风。他建议，首先要确保数据安全，强化隐私保护，进而推动行业的有序发展，同时还应建立真正的多中心大数据体系，由多个医疗机构或研究中心共同参与，按照统一的研究设计和标准，协同收集、整合、存储和分析医疗大数据，避免重复建设。
金属瞳孔
在核磁共振中游弋
算法编织的网
漏过几粒幻影
当人类掌心的温度
与光谱下生长的
答案重叠
指纹悬停在免责声明上方
(此诗由DeepSeek结合本文内容创作)
(文中赵霖、魏明均为化名)
《中国新闻周刊》2025年第9期
声明：刊用《中国新闻周刊》稿件务经书面授权