标题：从狂热到清醒：我对AI医疗泼点冷水

我一直是个技术爱好者，早期投身医疗信息化时，曾畅想未来医疗服务的数字化图景：患者在家诊断、医生远程协作、AI优化资源……然而，随着美国和英国相继发布国家级AI医疗战略，我开始冷静审视国内AI医疗的真实进展。以下几点值得我们深思。

一、应用停留在“数字化”，未实现范式变革
当前AI医疗多集中于优化行政流程，如自动提醒、预约筛查等，并未触及医疗模式的核心创新。例如，英国NHS在急诊科引入AI助理减轻文书负担，这仅是传统流程的数字化，而非服务路径的重塑。慢病管理不应只是App打卡，而应结合可穿戴设备与智能反馈形成闭环。真正的变革需要从流程设计、角色重塑到基础设施全面规划，单靠技术堆叠无法实现。

二、监管体系滞后，难以应对AI新挑战
现有监管框架无法覆盖AI医疗的新风险。例如，大型语言模型生成报告缺乏透明度，临床责任归属难界定；AI模型上市后性能监控也缺乏要求。欧美虽提出高风险系统审查机制，但在医疗领域的具体落地仍是空白。AI医疗不能“先干再管”，需同步建立可追溯、可问责的监管体系。

三、人才缺口大，跨界能力稀缺
AI医疗需要两类关键人才：一是懂技术、流程设计和数据治理的医院信息部门人员；二是能与AI协作的一线医护人员。然而，目前多数方案忽视了系统性培训和职能重构，导致人才储备不足。

四、商业模式不成熟，可持续性存疑
尽管AI提高了医生效率、降低了成本，但其落地依赖于收费体系、保险机制和支付能力等配套支持。技术落地需要多方协同，构建可持续的生态体系。

五、数据互操作性差，治理成瓶颈
医院数据分散、格式不统一、质量参差不齐，直接影响AI模型训练。中国尤其缺乏全国统一的数据标准和共享机制，数据治理成为一大挑战。

从乐观到理性，我意识到技术并非万能，落地需克服制度、人才、监管等多重障碍。但这并非悲观，而是更接近真实。只有实事求是，才能推动AI医疗真正落地。呼吁各方协同努力，试点先行，共同迈向充满潜力的未来。

（本文来自微信公众号：张琨随笔，作者：张琨）