多地医院掌门人共话AI医疗：投入如何算明白？风险责任如何厘清？增长边界向何处延伸？

9月22日至23日，第四届香港具身智能医疗科技论坛在香港科学园举行，论坛重点探讨人工智能与机器人前沿技术在临床中的实际应用。

《每日经济新闻》记者在现场采访获悉，多位来自各地医院的院长所描绘的人工智能在医院应用的真实图景，与当下AI医疗在资本端的热度形成了反差。中国科学院香港创新研究院人工智能与机器人创新中心主任刘宏斌坦言：“今天大家谈AI医疗，医院也在尝试应用，但目前还未能在医院整个工作流普及。”

资本在加速涌入，医院在谨慎观望。当技术已经跑在前面，数据主权、投资回报和责任归属这三道门槛，正在决定谁能真正跨过从“样板间”到“手术室”的最后一步。

投入之辩：技术升级不能脱离经营现实，商业价值与社会价值如何平衡

AI医疗硬件与软件系统往往意味着高额前期投入，不同医疗机构评判技术是否值得引进的底层逻辑出现明显分化。作为高端私立医疗机构，港怡医院执行总裁曾庆廉直言，对私立医院而言，投资回报是绕不开的硬指标。

“每一台仪器，每一个AI部门，都要从投资回报的角度去考量。”曾庆廉表示，私立医疗机构看待AI引入，首先会核算设备与系统的投入产出，其次看AI能否优化医院繁琐流程、提升运行效率。同时，不能只盯着经营收益，也要看到AI在疾病筛查领域的社会价值。“如果只看医院盈利的话，就是不够。医院发展不能只聚焦简单手术、普通常见病，疾病筛查这类公共价值同样需要纳入考量。”

公立体系同样开始强化投入产出意识。香港中文大学医院行政总裁钟健礼回顾自身从业经历谈到，过去财政资源充足阶段，医院推进AI项目的资金约束相对宽松。但进入新的运营环境，则需要评估AI项目能否给患者带来实际价值，思考业务流程能不能适配新增AI工具。“智慧医院不只是单纯的技术叠加，而是智慧医疗、智慧照护、智慧管理三位一体的体系变革。AI不是作为独立大项目集中上线，而是一点点渗透到筛查、检查、手术、行政管理每一个角落。”

基层医疗机构则坚持更加审慎的落地策略。深圳市罗湖区人民医院执行院长熊奕所在的罗湖医院集团，搭建医院—社康一体化网络，每年接待超10万人次香港跨境就诊患者。该院已经落地胎儿超声AI辅助系统、AI导诊等应用，部分香港孕妇专门慕名前来接受AI辅助超声检查。即便已经收获不错用户反馈，熊奕依然坚持“成熟一个，使用一个”的原则。

产业层面，大量产品宣称具备强大临床能力，但医院采购后，往往会遇到流程不兼容、医生学习成本高、持续运维成本高等隐性成本。刘宏斌在会后采访中表示，未来医疗AI产品需要医院和企业共同设计产品形态，要把医疗机构的诉求前置到产品研发阶段，而不是技术做好之后再推销给医院。

生态之困：医工融合不是简单合作，数据质量与风险责任才是最大堵点

行业普遍将医工融合视作医疗AI破局关键，但圆桌现场多位院长坦言，医工融合的真正难点不在于科学家和医生坐在一起开会，而是两套完全不同的思维体系如何对齐目标，尤其当AI输出结果出现偏差，医疗事故责任如何划分，成为悬在行业头顶的现实难题。

广东三九脑科医院作为华南大型脑科专科医院，拥有病种集中、临床数据深度更高的天然优势，相比综合医院单一科室，更有利于AI模型快速迭代训练。广东三九脑科医院院长蔡林波指出，即便拥有丰富的病例资源，历史沉淀的临床数据距离AI模型训练要求的标准化数据依然存在不小差距，需要持续对海量门诊、住院、手术病例做标准化治理。但比数据质量更棘手的，是风险责任的归属。

“一堆搞人工智能的工程师、科学家和一堆临床医生，是完全不同的两个大脑。”蔡林波直言，如果AI用于影像辅助阅片，出现判断偏差风险尚且可控；如果应用到手术路径规划、放疗方案设计等高风险场景，一旦发生不良事件，就会出现责任推诿的现实隐患。“出了问题，医生会不会归咎于大模型输出错误？科研人员会不会认为这是医生临床使用的责任？这个问题如果不解决，会实实在在阻碍AI走向临床。”

康复领域同样面临相似困境。中山大学附属第三医院康复医学科主任胡昔权表示，脑机接口、外骨骼机器人结合AI已经开展不少临床小样本单中心研究，能够实现运动意图识别、闭环康复训练，现有试验已经观察到阳性结果。但是现有证据还不足以改写临床诊疗路径。康复AI一大潜力在于优化传统评估手段，传统量表敏感度不足，未来借助传感器结合AI可以捕捉患者主动发力、代偿动作等细节，但前提需要大量标准化康复数据支撑模型迭代。

“医疗行业容错空间极低，核心诊断类AI我们现阶段很少大规模投入。一旦出错，责任由谁承担？”熊奕说，现阶段基层医疗机构更多把AI用于流程优化、改善就医体验，至于高风险诊断类应用，要等待技术充分成熟再逐步推开。

港大牙医学院院长金力坚提出一个趋势预判：未来人工智能会如同今天的互联网，逐步融入日常，未来行业甚至不会刻意强调“AI”概念。口腔领域的构想是依托手机、平板等简易终端搭载AI，推动普通民众居家完成口腔健康初筛，打通临床诊疗、科研、社会公共健康服务。而这一愿景落地，同样离不开高质量口腔数据集的持续积累。

方向之辨：技术如何适配真实医疗体系，如何做到权责明晰

责任归属是整场论坛中最为尖锐的一个问题，也是决定AI能否从“辅助工具”升级为“临床决策参与者”的关键门槛。

论坛现场，多位院长也形成统一共识，AI只能作为医生的辅助工具，所有AI输出结果，都必须经由临床专家复核确认，不存在AI独立替代临床从业者的可能性。但现实制度层面，完整清晰的AI医疗事故责任划分细则仍然缺位，成为高悬在赛道之上看不见的天花板。

中国科学院香港创新研究院研究员易东介绍，目前垂直医疗领域多模态智能体CARES 4.0，已经覆盖智能诊疗与辅助决策、手术视频语义理解与风险预警、三维影像快速重建、临床数据自动化治理以及慢性病动态管理等功能，目标是贯穿医生完整工作链路，已在多家三甲医院展开落地验证。

在制度层面，责任归属的空白正在被正视。中华医学会放射学分会主任委员陈敏曾在采访中指出，权责归属问题是AI医疗规模化落地过程中必须解决的制度难题，未来需出台配套法律法规，明确责任边界。这意味着，在制度尚未明确之前，AI只能在辅助的定位下运行，而辅助与决策之间的距离，恰恰是商业化价值最大但也最难跨越的那一段。

从产业端看，技术赋能医疗已经形成完整的医工转化链条。刘宏斌在接受《每日经济新闻》记者采访时介绍，中国科学院香港创新研究院一方面承担香港本地创新任务，同时通过孵化企业、对外承接企业定制研发、孵化公司反哺科研的模式探索商业化，分别面向神经外科、狭窄空间手术机器人赛道。但他并不认为未来三年会出现某单一赛道爆发式增长，更大概率是百花齐放，AI逐步渗透医院管理、护理、诊断、院后管理全流程。

论坛现场的讨论也折射出整个行业的转型信号，医疗AI产业正在告别唯技术论的时代。过去资本更加关注模型参数、技术指标，而医院端给出评判标准——回归医疗本质：能不能改善临床工作流、能不能控制综合成本、风险责任如何处置、合规框架是否可行。技术本身已经不再是最大短板，如何让技术适配真实医疗体系、权责明晰，才是接下来行业要啃下的硬骨头。

〖免责申明〗本文仅代表本账号个人观点，其图片及内容版权仅归原所有者所有。如对该内容主张权益请来函或邮件告之，本账号将迅速采取措施，否则与之相关的纠纷本账号不承担任何责任。