一场医学AI秋季论坛，专家们对AI提出了“灵魂拷问”

围绕“医学AI要满足什么标准才可以被信赖”，在一场秋季论坛上，多学科的专家们展开了激烈的讨论。

撰文 |凌骏

有统计数据显示，在中国500多万名医生中，今年垂直医学AI模型的使用率从23%涨到了近70%。但用得多不代表被真正信任，临床专家鲜有机会参与到一款医学AI模型的打磨过程中，不少医生仍然只是把AI当成一个浅尝辄止的“搜索工具”。

9月23日，阿里健康医学AI“氢离子”在杭州举办“医学AI秋季论坛”，浙江大学医学院附属第二医院副院长张茂教授、浙江医院心脏中心毛威教授、复旦大学循证医学中心执行主任、复旦大学中山医院消化科副主任陈世耀教授等多位来自急诊、消化内科、循证医学、算法领域的专家，围绕“医学AI到底该满足什么标准，才算真正可以信赖”这个问题，展开了深入讨论。

左右滑动查看更多（按顺序依次为张茂教授，毛威教授，陈世耀教授）

从“怎么用”，到“靠不靠谱”

阿里健康CTO兼氢离子负责人王祥志在讨论伊始指出，在医疗决策环节中，医生和专家是核心生产力，AI如何能在这一环节发挥作用，是当前医学AI领域思考的重点。除了辅助医生本身，AI在标准诊疗方案的匹配和优化上，同样能挖掘临床科研的新证据，解决医生的日常痛点。

阿里健康医学大模型市场与生态负责人殷杰介绍，中国有500万医生，对新知识输入需求巨大。在经历了通用大模型阶段后，行业正向专业医学AI助手阶段演进，以解决通用模型在医学领域的局限性。

左右滑动查看更多（按顺序依次为王祥志、殷杰）

事实上，同样是使用医学AI，不同医生的方式差别不小。

在陈世耀教授的观察中，肿瘤科、心血管科这类证据密集、进展迅速的学科，医生对AI的使用频率明显更高；而外科这类更依赖操作技巧、决策相对稳定的学科，关注度则相对有限。

此外，年轻医生更倾向于使用通用大模型，处理日常文献及写作任务，而资深医生更多是对AI进行验证性问答或探索性提问，关注最新研究动态，从而辅助讲座或教学准备。

尽管不同科室、不同年资的医生对AI的需求不尽相同，但几乎所有医生最终在意的都是同一件事——医学AI给出的这个答案，到底“靠不靠谱”。

上海交通大学医学院图书馆馆长仇晓春教授从循证医学角度，给出了自己的看法。他认为，AI所纳入的证据要全面，不能只盯着顶刊，要覆盖全球范围内真实存在的临床试验。此外，方法要科学，符合RCT、系统评价等方法学的基本要求，同时还要能可追溯、能及时更新。

这套标准听起来是常识，但落地起来却远比想象中难。仇晓春提到了一个具体的细节：全球医学信息源，目前约有一半仍未开放获取，而超过1300篇已被撤稿的随机对照试验（RCT），至今仍在被系统评价和临床指南反复引用。

这也是目前垂直医学AI模型所面临的一大挑战——如果混进了这类已经失效的“僵尸证据”，那无论算法多先进，推荐的可靠性从源头上就已经打了折扣。

仇晓春教授

阿里健康氢离子证据检索负责人邓远则从产品打磨的经历里，给出了一个更技术化的视角。

事实上，自研发初始，“氢离子”就配备了专属的医学团队，邀请上百名外部临床医生，每周组织一次交流会。此外，自今年5月以来，“氢离子”还接连拿下BMJ、NEJM、JAMA等国际顶刊的内容合作。

这些举措，某种程度上正是为了回应医生关于“证据全面性”和“可追溯性”这两个诉求。

“靠谱”这件事，怎么解决？

当临床专家和AI专家的视角碰撞，两者最终勾勒出的其实是同一件事——“靠谱”从来不是一个单点标准，而是内容、方法、技术三个层面同时达标的结果，任何一环缺失，都会让整套系统打折扣。

在论坛讨论中，专家们相对一致的判断是，AI在文献检索和长文本理解上，确实展现出显著优势。它既能把医生口语化的需求，转成专业的检索式，也能高效处理成百上千篇文献的纳入排除工作。

但有两个短板同样明显。首先是目前AI处理“证据冲突”的能力不足，当不同研究给出矛盾结论时，AI往往倾向于强行输出一个看似完整的答案，而不是直言“这里存在争议”。其次是“幻觉”问题，AI在缺乏证据支持时，很少会主动承认——“我不知道”。

对此，陈世耀的立场很鲜明，他认为AI存在的价值，是实实在在帮医生提高决策效率，尤其是帮年轻医生更快地接近专家水平的判断力，减少一些不该犯的低级错误。

因此，“比起依赖医生整理转述后的文字描述，如果AI能直接接入医院系统，读取原始的影像和内镜数据，诊断辅助的准确性会有实质提升，因为信息经过人工转述这道环节，本身就存在失真的风险。”陈世耀说。

张茂教授则更强调AI与临床间的“边界感”。

以医生日常诊疗最重要的依据——指南为例，张茂认为，证据是基于研究的科学合并，而指南推荐需结合社会背景、医保条件、人文等因素，具有地域性和艺术性。因此，AI的定位应该是辅助快速生成最佳证据，而最终的指南推荐意见，仍应由专家团队制定。

在这一观点中，理清“AI能做什么、专家该做什么”，双方各司其职，本身也是解决“靠谱”焦虑的一种高效方式。张茂也因此建议，平台应该将“证据/系统评价”与“各国指南参考”分开呈现，供医生参考，而非由AI直接生成推荐指南。

值得一提的是，对于接下来最期待的AI功能，专家们的答案高度一致地指向同一类需求——将那些重复、低价值，却又不得不做的工作，先交出去。

张茂最期待的，是“PPT自动生成功能”，在保证专业水准的情况下，帮医生省下大量制作学术汇报的时间；陈世耀希望AI能承担带教辅助的工作，比如监控学生的文献阅读进度、给出个性化的推送和点评；仇晓春则更关注患者教育这个方向，希望AI能帮忙填补医患之间的信息差，促成更充分的共同决策，减少不必要的医疗纠纷。

医学AI这条路，还没有走完

事实上，在解决AI“靠谱”这件事上，既往临床专家与AI研发团队的沟通，更多停留在零星的合作层面——一次访谈、一场闭门会，或者一份产品测试反馈。

而氢离子团队将这类交流，固定成季度性的常态机制，这在医学AI行业里目前仍不多见。它意味着AI团队和临床专家之间的磨合，正在从“一次性合作”，变成一个持续的、可以反复迭代的过程。

在此次秋季论坛的第二部分，阿里达摩院基因组实验室负责人顾斐分享了AI在生命科学领域的探索。从DNA、RNA基础模型的构建，到肿瘤新靶点的发现，再到基于血液免疫细胞状态的多癌种早筛，团队展示了AI在前沿研究层面，同样在快速推进。

顾斐

不同学科的专家，从各自的临床场景中看到了具体的应用空间。浙江大学医学院附属第一医院神经内科主任罗本燕教授认为，AI在阿尔茨海默病等慢病的大规模数字化筛查上，有迫切需求，未来若能结合社区、养老院场景推广，有望缓解基层人力不足的问题。

但专家们也一致承认，从一个具体的、迫切的临床需求，到一款真正落地，能发挥作用的AI产品，中间还有很长一段路需要探索。

毛威教授直言，目前AI产品还缺乏统一的标准化路径，它在临床决策中的不可替代性，仍需要更多证据去验证。

原浙江大学公共卫生学院院长陈坤也提醒，医院里的常规数据本身存在噪声，一个在回顾性数据上准确率很高的模型，放到真实的人群筛查场景里，表现往往会明显打折扣。

左右滑动查看更多（按顺序依次为罗本燕教授、陈坤教授）

或许在很长一段时间里，这些问题都未必能有一个最完美的解法。但这次论坛真正留下的，不是某个具体的答案，而是一份可以核对进度的“待办清单”。

证据全面性怎么补齐？算法的边界画在哪里？临床落地的门槛如何跨过？还有诸多难题没有定论，但它却已经被具体地摆上了台面，而不是停留在“AI有用”这种笼统的共识里。